企業 AI Agent 的難題，往往不只是如何寫出一段 prompt，而是如何把角色、技能、工具、權限、測試和部署連成一條可管理的流程。Resolve 於 2026 年 8 月 17 日發布新一代 AgentLab，將它定位為一個用來建置、測試、治理和部署企業 Agent 的平台。這是公司自己的產品發布，以下功能描述以 Resolve 公開資料為準，並不代表獨立測試結果。
Resolve 表示，AgentLab 把 natural-language agent creation、reusable skills、AI-assisted workflow building 和 governance-aware deployment 放進同一個平台。團隊可以用自然語言定義 Agent 的角色、職責、部門、operating boundaries 和 guardrails，再把 skills 和 workflows 接到已由 Resolve orchestration 管理的企業系統。對不想由零開始編寫大量腳本的團隊來說，這種設計把工作重點由「如何接線」轉向「哪些工作可以安全授權」。
發布內容列出的 Advanced Agent Studio，讓團隊以 plain-language instructions 設定 Agent 的角色和邊界。Skill and Workflow Building 則可以把透過 Jarvis 建立的 workflow 儲存成 callable skills，讓自訂 Agent 在獲准時建議下一步或透過 Resolve orchestration 採取行動。另一項 Improve Prompt 功能會協助加強 Agent instructions，使角色和使用情境更清晰一致；這些都是 Resolve 對產品功能的描述。
治理部分是這次發布較值得留意的訊號。Resolve 表示，當 Agent 連接 action skills 和 workflows 時，可以繼承 deterministic orchestration engine 已配置的 guardrails 和 controls。平台亦提供 agent testing and permission confidence，讓團隊在擴大使用前先測試 Agent 的行為、角色和權限信心。這個 build-test-deploy 順序，比單純把一個聊天機械人直接放進生產環境，更接近企業真正需要的交付流程。
不過，平台有治理功能不等於治理工作已經完成。企業仍要自己定義哪些 action 屬於高風險、哪些工具只可讀取、哪些資料不可離開指定範圍，以及什麼情況一定要人手批准。測試也不應只問 Agent 能不能完成正常路徑，還要覆蓋權限不足、工具回傳錯誤、上下文不完整、重複執行和下游系統不可用等情境。
從 AI workflow 角度看，AgentLab 的產品訊號是把「Agent」拆成幾個可以交付的層次：角色和邊界、可重用技能、可連接的 workflow、執行時 guardrails、上線前測試，以及擴大部署時的權限信心。這個分層方法不依賴 Resolve，也適合團隊審視自己的 agent platform：每一層是否有 owner、測試證據、版本記錄和回復方法？
Resolve 的公告沒有提供獨立的 benchmark、客戶成效資料或第三方評估，因此不應把「可加快建置」或「可支援 autonomous operations」當成已證實的普遍結果。較可靠的解讀是，企業 Agent 市場正在把建置工具與治理工具放到同一個產品敘事中；真正能否安全落地，仍取決於權限設計、例外處理、執行記錄和人手責任鏈。
