背景
随着 AI 向全行业的渗透，传统企业也必须全面转型，以适应未来的竞争。在企业信息化数字化领域，软件商必须从“给人用的工具”转型为“AI 智能体平台”。未来的核心竞争力在于编排能力（Orchestration），即如何高效整合底层算力、私有数据与业务流程，交付一个稳定的“数字员工”。
这也是为何我们需要打造一套完整的智能体中台，为企业在 AI 时代全面提升竞争力，提高运营效率，降低成本，提高生产力。
智能体中台
它有几个核心模块组成：知识库系统，模型平台，工具平台，知识图谱，流程引擎，RPA+，智能体构建，组织与权限管理，数据分析与决策引擎, 监控平台等。涵盖多种场景搭建所需的基础功能。在此基础上，它可以轻松搭建类似智能客服，企业工作流，数字员工。还可以轻松的进行本地部署，按需定制。充分满足不同企业，不同场景的需求。
核心模块
知识库
功能描述
企业知识的统一管理中心。将企业积累的各类文档、资料、规范等非结构化数据，通过智能解析、分段与向量化处理，转化为可供 AI 检索和问答的结构化知识资产。支持按部门、项目创建多个独立知识库。
功能特色
支持多种文件格式类型，无论是最新的 word, excel 格式，还支持历史 doc, xls 格式。支持多种文件格式的在线预览与下载管理简单，无需配置，只需要将文档拖入即可自动化处理智能问答时无需指定知识库，模型会智能匹配，准确率可达 95% 以上
模型平台
功能描述
统一管理和调度各类大模型与小模型的平台。大模型负责推理、对话与决策，小模型则专注于特定任务场景。
功能特色
平台预置了最前沿的大、小模型，分别应对不同领域的工作，比如 OCR, 文件分段，向量模型，视觉模型，语音模型，推理模型等。即使不做任何参数调整，预置的模型组合与参数也能可达到开箱即用的生产级效果。支持不同模型切换，以兼容成本与效果。
工具平台
功能描述
模型的“手”与“脚”——让 AI 不只是对话，而是能真正执行动作。平台提供原生工具和 MCP 协议两种接入方式。
功能特色
平台预置了各类常用的工具，比如文件查询，SQL 查询，邮件收发，企业信息查询，爬虫，浏览器操作等。支持各类 MCP 工具的接入，并预置了自研的 MCP 工具，如流程图绘制、企业年报分析等支持工具的执行记录与统计分析
知识图谱
功能描述
将企业数据中的实体与关系进行提取和建模，构建可视化的知识网络。基于图数据库存储，提供基于实体关系的精准查询能力。
功能特色
可智能构建企业数字世界关系网，针对多种实体与关系进行智能分析不仅可用在数字孪生外，还可用于机器自我学习
流程引擎
功能描述
基于图状态机的智能流程编排引擎。支持意图识别、条件分支、多 Agent 协作等复杂工作流的声明式定义。
功能特色
支持意图识别自动分流（知识查询、工具调用、闲聊等不同路径）基于图结构的流程定义，支持循环、分支、并行等复杂逻辑支持 Supervisor 多 Agent 协作模式，可层级扩展内置状态管理与执行追踪
RPA+
功能描述
RPA 自动化操作引擎，模拟人类在各类软件界面上的操作行为，实现业务流程的端到端自动化。无需对现有系统进行任何改造。
功能特色
平台预置各类常用的 RPA 引擎，如报销、预审、合规检查等可运行在多个终端，包括浏览器插件，无需软件改造即可接入企业流程可自我学习与进化，根据人类的操作行为不断学习与进化，自动升级
智能体构建
功能描述
智能体的可视化配置与管理中心。每个智能体是知识库、模型、工具、提示词的有机组合，面向特定业务场景提供端到端的智能服务。
功能特色
使用自然语言交互实现智能体构建，无需拖拽节点、配置参数三分钟即可配置一个智能体轻松与各类社交平台集成，如飞书、企微、Teams 等
组织与权限管理
功能描述
面向企业多租户、多部门场景的组织架构与权限管理。无论是什么规模的企业，都可以针对性设定不同的角色与权限。
功能特色
可维护多部门、多组织的功能及权限配置方便知识库的分级共享内置超级管理员、租户管理员、部门管理员等多级角色体系
数据分析与决策引擎
功能描述
全方位的运营数据分析平台，对知识库使用情况、问答趋势、部门活跃度、用户反馈等关键指标进行统计和可视化展示，为管理者提供数据驱动的决策依据
功能特色
聚类分析，趋势分析，决策建议用户反馈闭环（负面反馈自动邮件通知）
平台介绍
导航栏： 知识库/智能应用/智能对话/运维等核心模块（根据账号角色权限显示不同模块）
工作台： 主要数据统计，使用情况概要，历史信息汇总等.
知识库
知识库是整个智能体中台的数据基座。采用 RAG（检索增强生成）技术，并内置最优的参数与模型，用户只需轻松将文件拖入，即可将各类文档转化为 AI 可理解、可检索的知识。
核心能力：
-
数据集管理：支持创建多个独立的数据集，每个数据集可设置独立的访问权限（私有/部门/全局可见），实现知识的分类存储与安全隔离。
-
文件上传与解析：支持 PDF、Word（docx/doc）、Excel（xlsx/xls）、图片等多种格式。上传后系统自动完成文档解析、内容分段与向量嵌入。
-
智能分段策略：预置智能分段策略，可根据文件类型，大小智能处理。也提供可定制的分段策略进行灵活选择。
-
向量嵌入：预置最佳的中文/英文嵌入模型，最佳的语义理解能力。支持多种嵌入模型（E5、Qwen、OpenAI 等），大大提升召回率。
-
检索与重排：查询时召回的候选文档，经重排模型重排序，提升精准度。
-
OCR 识别：对扫描件和图片类文档，内置最佳 OCR 引擎，可自动识别各类文件格式的文字内容并入库。
-
文件预览与下载：预置多种文件格式的在线预览，支持预览水印，防止文件内容泄漏，也可直接下载原始文件。
-
标签与分类：支持为文件添加标签，按标签和状态筛选，便于大规模知识库的日常管理。
技术亮点：
-
内置的 RAG 模型组合及参数调优，经过多个实际业务场景，可覆盖 95% 的需求，达到 95% 的回答准确率
-
多种文档解析方案：本地解析（快速高效）和远程解析（高精度，适合复杂排版和表格）
-
支持 OSS 对象存储，支持大文件处理
模型平台
模型平台是智能体的核心大脑，统一管理和调度各类 AI 模型。
核心能力：
大语言模型：支持接入 DeepSeek、OpenAI、通义千问等主流大模型。也支持通过 Ollama 接入本地部署的开源模型。
- 向量嵌入模型：支持本地化部署的嵌入模型，和云端嵌入服务。
- 重排序模型：集成重排模型，对初步检索结果精排，显著提升问答准确率。
- OCR 模型：基于轻量 OCR 模型和视觉模型，对扫描件和图片进行文字识别。
- 文档转换模型: 基于 llm 模型对 PDF / Docx 进行高效识别与格式转换。
- 语音转写模型（STT）：支持语音输入转文字，实现语音驱动的智能交互。
- 模型预热：优化各类模型的加载方式，避免调用时的等待延迟。
灵活切换：支持在不同模型间切换，在成本与效果之间找到最佳平衡点。
工具平台
工具平台让智能体从“能说”进化为“能做”，是连接 AI 与外部系统的桥梁。
原生工具（Native）：
基于 Python 实现的内置工具，直接运行在平台内部。预置工具包括：
- 邮件发送 —— 通过 SMTP 协议发送邮件，支持 HTML 格式
- SQL 查询 —— 连接数据库执行查询，让 AI 能直接获取业务数据
- 知识库检索 —— 在对话中主动检索知识库内容
- 网络搜索 —— 通过 Perplexity 等搜索引擎获取实时互联网信息
- 股票行情 / 企业信息查询 / 招标信息搜索等
MCP 工具：
基于 MCP 标准协议接入的外部工具。包括自研的 MCP 工具：
- 流程图绘制 —— 根据自然语言描述自动生成流程图，支持 BPMN, mermaid 等格式
- 企业年报分析 —— 解析和分析企业年报数据，抓取最新互联网信息进行深度分析
- Web 搜索 —— 通过 MCP 协议调用外部搜索引擎，聚合信息内容
支持工具的新增、编辑、启用/停用，每个工具可灵活配置参数、分类、版本等元信息。并记录每次工具调用的输入、输出、执行时间和状态，并按日汇总统计。
每个智能体应用可独立选择需要使用的工具，并支持应用级参数覆盖
知识图谱
知识图谱是对传统文本检索的重要补充，通过构建实体-关系网络，让 AI 能理解数据之间的深层关联。
核心能力：
三元组提取：从知识库文档中自动提取“实体-关系-实体”三元组，构建结构化知识网络。
- 图谱可视化：基于 D3 展示实体关系网络，支持缩放、拖拽等交互。
- 按数据集管理：每个知识库数据集可独立生成和管理自己的知识图谱。
- 图数据存储：基于图数据库存储，支持高效的图查询。
应用场景：
- 企业关系网络分析：梳理集团公司、子公司、供应商之间的关联关系
- 人员组织分析：理清人员、部门、项目之间的隶属与协作关系
- 辅助 AI 推理：在问答过程中结合图谱关系提供更精准的回答
流程引擎
流程引擎基于 LangGraph 框架，为智能体提供灵活的多步骤工作流编排能力。
核心能力：
意图识别与路由：用户输入自动经过意图分类（知识查询/工具调用/闲聊/澄清），分流至不同处理路径。
- Supervisor 多 Agent 协作：由中央调度器根据任务类型分发给专业 Agent（RAG Agent、Tool Agent 等）。
- 图状态机：基于有向图结构定义工作流，支持条件分支、循环执行、并行处理。
- 执行追踪：记录每次对话的意图分类结果、执行路径和各节点耗时。
- 渐进式扩展：架构预留了 Sub Agent 和层级团队扩展能力。
RPA+
RPA+ 是平台的自动化执行层，让 AI 的决策能够真正落地到具体的业务操作中。
核心能力：
- 预置流程模板：针对费用报销、合规预审、审批流程等常见场景提供开箱即用的模板。
- 多终端运行：支持在浏览器插件、桌面客户端等多种终端上运行。
- 无侵入接入：通过模拟人类操作完成任务，不依赖目标系统的 API。
- 自学习进化：观察学习操作行为模式，持续优化流程。
智能体构建
智能体构建模块是将知识库、模型、工具和提示词组装为可用“数字员工”的配置中心。
核心能力：
- 应用创建与管理：支持创建多个智能体应用，每个应用可独立配置名称、描述、类型和运行平台。
- 知识库绑定：每个应用可关联一个或多个知识库数据集。智能的知识库分类器可自动判断应使用哪个数据集，在保证查询性能的同时也保证了准确性。
- 工具绑定：为每个应用选择需要启用的工具，支持应用级参数定制。
- 提示词管理：独立的提示词模块，支持创建、编辑和版本管理。定义 AI 的角色设定、回答风格和约束条件。
- 模型选择：每个应用可独立选择大语言模型。
- 社交平台集成：支持企业微信，飞书，钉钉集成。
组织与权限管理
提供企业级的多租户、多部门组织架构与权限管理能力。
核心能力：
- 多租户管理：支持创建多个租户，每个租户拥有独立的数据空间，适用于集团企业或 SaaS 场景。
- 部门层级：每个租户下可创建多级部门树形结构，支持可视化的组织架构图展示。
- 角色体系：内置超级管理员、租户管理员、部门管理员、普通用户等多级角色。
- 知识库权限：数据集支持三种可见性——私有、部门、全局可见，实现知识分级共享。
数据分析与决策引擎
全方位的数据分析看板，帮助管理者了解智能体的使用效果和业务价值。
核心能力：
- 问答分析与自动优化：根据用户的问答历史记录，用户的反馈，AI 自动学习并总结，根据不同用户特征，提过个性化的回答风格，提升回答的精确性与准确性
- 高频问题聚类：自动聚类分析本月和历史高频问题，帮助发现知识库覆盖盲区。
- 工作流瓶颈识别：对于运行中的工作流，AI 自动总结效率瓶颈，详细分析处理的时间与问题关键
部署方式
智能体中台支持多种灵活的部署方式，适应不同企业的基础设施环境：
Docker 容器化部署（推荐）
- 一键启动 PostgreSQL + Redis + 应用服务，支持 CPU 和 GPU 两种镜像。适用于生产环境部署，已提供完整的 docker-compose 配置。
本地部署
- 直接运行 Python 服务，支持热重载，适用于开发测试环境。
混合云部署
-
应用本地部署 + OSS 对象存储，适用于大文件存储需求场景。
-
可选：知识图谱功能、GPU（本地模型推理）
技术架构
系统采用前后端分离的架构设计：
前端
- 基于 Next.js + React 构建。支持中英文多语言、主题、响应式布局。
后端
核心功能模块：
- 智能对话 —— 基于 LangChain / LangGraph 的多轮对话与工具调用
- 知识管理 —— RAG 检索、向量嵌入、文件处理流水线
- 工具引擎 —— Native 工具与 MCP 标准工具的统一调度
- 任务队列 —— 串行任务处理、状态追踪与超时控制
数据层
- PostgreSQL / Milvus —— 结构化数据与向量数据的统一存储
- Redis —— 缓存、会话管理与实时数据
- Neo4j —— 知识图谱的实体关系存储
- OSS 存储 —— 文件的持久化存储与 CDN 加速
面向未来的 AI 企业平台
随着企业信息化在AI时代向智能化与自动化演进，以“数据驱动、逻辑下沉、决策闭环”为核心理念，构建起面向未来的智能架构。底层通过多云集成，有效打破数据孤岛；中间层借助智能网络，将分散的业务环节整合为统一的数字孪生或智能体；顶层则为不同角色提供实时、自动化的决策支持，最终实现从感知、决策到行动的全链条智能化转型。
应用层:
这一层定义了系统的使用者及其核心功能目标，分为三个主要维度：
运营用户： 关注“用户决策捕获”，即将人的决策行为转化为系统可感知的信号。
业务分析师： 关注“实时场景评估”，通过数据分析和可视化工具，对当前业务状况进行即时评估。
行动系统： 关注“实时决策同步”，将生成的智能决策自动同步到执行系统中，实现自动化闭环。
智能业务域网络:
这是架构的核心，表现为一个互联的节点网络。这些节点代表了企业价值链中的各个环节：
核心节点包括： 预测、智能工厂、机器人、库存、产品、商店、交易和卡车（物流）。
网络特征： 各节点之间通过虚线相连，形成一个网状结构，象征着业务流、信息流在不同环节间的有机联动。
关键机制： 该层与底层基础设施之间通过一个关键组件连接，标注为“数据、元数据、模型和业务逻辑的双向同步”。这表明系统不仅能从底层获取数据，还能将上层的逻辑和模型反馈回底层，实现数据与业务逻辑的高度一致性。
预约体验： www.ragents.net
