内容摘要
这场分享的核心论点是：在 AI 原生组织里，真正决定工作流可复用性、确定性和规模化治理能力的，不是单个 agent 或 MCP，而是 skills。若没有集中化注册、版本、评估、安全与所有权治理，skills 会迅速演变为新的技术债。
关键观点
Agentic stack 有内外两层循环
讲者把 AI 原生组织的软件栈拆成两个循环。内层是大家熟悉的 code agents harness，包含 context manager、tools and MCPs、memory/state、skills loader 等组件；外层则是 workflows，由 skills、sub-agents、MCP servers 和 hooks 共同组成。这个划分的意义在于，很多团队只盯着 agent 本身，却忽略了决定组织级落地效果的外层工作流。换句话说，单个 agent 的智能并不能自动变成可扩展的企业能力，必须通过工作流层来固化和分发。
为什么重要: 这改变了组织设计 AI 系统的重心。若只优化模型或单个 agent，而不治理 workflow，规模化效果会很快失真。
支撑证据
So the agentic software stack has two loops.
企业真实交付流程远比“四步开发法”复杂
演讲明确指出，常见的 specify、design、tasks、implement 四步法，只能描述产品增量开发的一小段。真实组织从业务价值出发，还要经过产品战略、成功指标定义、路线图规划、市场研究、竞品分析、客户访谈、问题发现、方案验证、数据清洗、数据管道建设、平台工程、部署、性能优化和事故处理。也就是说，企业级 AI 工作流不是编码问题，而是端到端业务交付问题。不同部门、平台、用户类型和系统边界，会让工作流天然多样化。