Block
Goose通用Agent与G2持久化工作流应用
企业原始材料
金融科技
企业部署案例
⚙ 技术方案
深度案例｜关键链路较完整
A级证据
全公司规模化
A
证据等级
Block Investor Day 2025 – Full Transcript
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
业务问题
Block希望把AI从工程代码辅助扩展到HR、客服、法律和运营，但通用聊天模型无法安全读取实时专有数据或执行动作，非技术员工为每个自动化需求等待工程团队开发也难以规模化。
解决方案
Block自研并开源本地运行、模型无关的Goose通用Agent，以MCP连接约150项内部服务和专有实时数据，允许员工读取数据并执行动作；同时建设G2文本到持久化应用平台，让非技术人员以“Tile”创建可异步持续运行的专用工作流，并把同一Agent底座复用于客户产品。
技术架构与生产工作流
Step 01
员工任务、专有数据与实时业务系统
→
Step 02
本地运行且模型无关的Goose Agent
→
Step 03
MCP连接约150项内部服务并读取或执行动作
→
Step 04
G2把自然语言转为持久化异步应用Tile
→
Step 05
工具权限、沙箱与员工确认控制动作
→
Step 06
内部反馈沉淀为共享Agent底座并复用到客户产品
关键技术与基础设施组件
GooseG2MCP本地Agent运行时模型路由工具权限与沙箱持久化异步工作流
人机分工与责任边界
员工选择任务、连接工具并决定让Goose只起草还是完成动作；G2让业务人员自己建立持续工作流。企业仍通过工具权限、沙箱、岗位能力要求和业务责任控制高风险操作。
FDE 动作拆解
- 让Agent连接实时专有数据而不只回答通用问题
- 用MCP统一内部工具读写接口
- 把工程Agent抽象为全职能通用底座
- 为非技术员工提供文本到持久化应用入口
- 同步跟踪人工工时、客服覆盖和工程速度
可迁移复用的落地方法论
- 通用企业Agent需要工具层而不仅是模型层
- 本地和模型无关设计可保留选择权与数据控制
- 非技术采用需要把一次性对话升级为持久工作流
- 采用率、自动化比例和质量门槛必须一起治理
业务成效与交付成果
Block投资者材料称，AI已覆盖75%以上员工并使人工工时减少25%；AI处理65%的Cash App客服案例，90%以上代码提交部分或全部由AI支持，工程师每周代码变更中位数提升30%。
证据边界与核验记录
- 25%工时减少是AI工具组合结果，不能全部归因于Goose或G2。
- 90%以上代码提交是“部分或全部获得AI支持”，不等同于AI独立完成。