前部署工程中的AI工具：Varick Agents如何用AI改造企业遗留系统

在AI项目普遍难以进入生产环境的背景下，Varick Agents提供了一种务实方案。创始人Vasuman Moza指出，许多企业因历史投资而不愿更换核心系统，例如有客户花费五百万美元和五年时间迁移到SAP，因此Varick选择在现有系统之上部署前部署代理，而非推倒重来。这种方法直接回应了AI项目落地难的问题，从客户真实工作流出发，而非提供通用工具。

前部署工程师的角色至关重要。他们需要绘制部门实际运作方式，包括采购订单与发票的对账、未被记录的交接流程，然后自动化这些流程。这种深入理解使自动化更贴合实际，避免脱离业务场景。Varick为此开发了配套工具，从参与过程中收集的笔记和Slack线程中生成规范，工程师可借助Claude或Codex等AI工具，在单一数据源（如Postgres）上快速构建工作流。

然而，最大的挑战在于上下文理解。前沿模型在处理混乱的企业环境时表现不佳，例如难以识别不同记录中的同一实体。为此，Varick后训练自有模型，以提取正确上下文。这一做法凸显了通用模型在企业场景中的局限，以及定制化模型的价值。

对于中文AI/科技读者，Varick的案例提供了重要启示：AI落地不一定要追求颠覆性创新，而是可以聚焦于解决具体问题，利用现有系统降低门槛。同时，前部署工程师的角色和工具链建设，为AI工程化提供了新视角。