# AI 原生能力
G2rain 对 AI Native SaaS 的理解，不是给平台追加一个聊天入口，而是把 AI 协作能力纳入企业 SaaS 平台的治理与交付模型中。AI 需要在身份、应用、租户、权限、审计和人工控制等既有边界内工作，而不是绕过这些确定性系统。
# AI 原生能力的目标
平台的目标架构是：
- 平台能力可被 AI 组织与调用
- 平台能力可围绕租户业务流程进行编排
- 企业业务团队可以更直接参与流程定义
- 平台交付尽量从“反复定制代码”转向“能力复用 + 编排驱动”
# 核心思路
# 最小颗粒度接口服务
平台基于 DDD 拆分业务能力，并尽量以最小颗粒度提供接口服务。
这样做的价值在于：
- 更适合能力复用
- 更适合能力编排
- 更适合被 Agent、Skill 消费
# MCP Server 接入
边界清晰、风险可控的接口服务可以进一步注册到平台 MCP Server 中，形成可被 AI 理解和调用的能力集合。每项能力需要明确用途、输入、输出、权限要求、失败条件和是否会产生状态变化。
# Agent / Skill 定义能力
平台规划支持客户围绕自身业务场景定义 Agent 与 Skill，而不是只能使用平台内置的固定流程。高风险写操作仍应由确定性权限校验、人工确认或审批机制约束。
# 云端编排、执行与监控
平台进一步需要负责这些能力的：
- 编排
- 执行
- 运行监控
- 流程治理
这让 AI 不再只是单次问答能力，而是有机会作为可审计、可授权、可监控的能力进入平台交付体系。上述内容描述的是平台演进方向，不表示所有集成能力已经作为现成功能发布。
# 为什么这更适合企业
企业场景的关键问题通常不是“有没有 AI”，而是“AI 能否进入具体业务流程并长期稳定运行”。
G2rain 的设计强调：
- 不是替代平台能力，而是组织平台能力
- 不是脱离企业流程，而是贴合企业流程
- 不是只让研发使用，而是逐步让业务团队也能参与定义
# 与传统开发方式的差异
传统方式往往是：
- 新需求 → 新代码 → 新交付
而 G2rain 希望逐步转向：
- 平台已有能力沉淀
- Agent / Skill 进行流程组织
- 自然语言参与定义
- 云端执行与持续优化
# 关键收益
- 降低实施交付工作量
- 提高业务流程适配速度
- 让平台能力更容易复用
- 让业务团队更容易参与平台能力配置
- 显著降低实施交付阶段的编码工作量