2026 年 5 月 12 日，Glean 发布 Enterprise Agent Development Lifecycle，也就是 ADLC，试图把企业智能体的开发、治理和效果衡量变成一套可管理流程。这条资讯的重点不是又多了一个 Agent 工具，而是把“谁能创建、怎么上线、如何评估、出问题谁负责”这些企业级问题摆到了台前。

很多公司已经开始内部试用 AI Agent，但真正卡住的往往不是模型能力，而是管理方式。员工能不能随意创建智能体？智能体能调用哪些数据？上线前谁审核？执行后怎么判断是否有效？这些问题如果没有流程，智能体越多，系统风险和维护成本就越高。

ADLC 解决的不是写代码问题

Glean 提出的 ADLC 更像智能体时代的软件生命周期管理。传统软件上线前要经历需求、开发、测试、发布和监控，企业智能体也需要类似过程。区别在于，Agent 不只是固定代码，它还会基于上下文调用工具、读取知识库并生成行动建议，因此治理要覆盖数据权限、工具调用、提示词、测试集和使用反馈。

对企业来说，这种框架的价值在于降低混乱。业务团队可以更快提出自动化想法，但 IT 和安全团队仍然需要可追踪的审批、权限和评估记录。否则，一个看似方便的智能体，可能因为读取了不该看的资料、调用了错误接口，或者给出了无法复核的建议而带来风险。

哪些团队最需要这类流程

已经有多个部门在尝试内部 AI 助手的公司，最需要关注 ADLC 这类方法。比如销售团队想做客户资料助手，人力团队想做政策问答，客服团队想做工单分流，研发团队想做代码检索。如果每个团队各做各的，后续会很难统一安全标准和效果口径。

这条发布说明，企业智能体正在从“能不能做”进入“能不能长期管好”的阶段。真正成熟的 AI Agent 项目，不会只看演示效果，还会看权限边界、测试覆盖、日志记录、人工复核和持续迭代能力。

官方参考：Glean ADLC 公告