0+
数据源连接器
0
SQL 方言抽象
0
IM 消息通道
0×
实体快车道加速比
0+
自动化测试用例
0%+
高并发压测通过率
WHY SEBAGENT
传统 BI 要求业务人员等待报表、依赖 IT;数据平台方案要求先搬数、先建模。企业AI大脑/SebAgent 走第三条路 —— 数据原地不动,语义层自动生长,答案直达业务。
COMPARISON SPECIAL
原语对位地图 / 十维逐项对照 / 规则表达专题 / 架构路线取舍 / TCO 对比——一页看懂两种工程路线。
FUNCTIONAL ARCHITECTURE
四个平面构成完整产品形态。点击任意模块,查看该能力的设计细节。
CORE CAPABILITIES
九大可组合能力模块,点击卡片展开工程细节与实测指标。
本系统的本体体系以 Palantir AIP Ontology 为参照设计,在原语级对位的基础上形成了八项差异化优势,一览如下。
| 优势点 | 本系统的做法 | Palantir AIP 对照 | 带来的价值 |
|---|---|---|---|
| 声明式规则表达与推理 | SWRL 风格规则:存在性匹配 + 数值比较(五参数形)+ AND/OR 组合;实例级逐行求值与数据缺口反推;推断结果虚线叠加图谱、可撤销,落库自动回写数据字典。 | 无声明式规则语言,业务逻辑须用 TypeScript Functions 或 AIP Logic 编写。 | 业务人员可读可写,Copilot 口述即生成;规则可审计、可版本化。 |
| 自然语言本体建模 | Copilot 多轮澄清 → 草案卡 → 确认抽屉;NL 生成规则带 diff 预览;Fast Start 三步路径与功能引导浮层。 | 建模主要靠数据工程师在管理器中手工完成。 | 建模门槛从「周级排期」降到「小时级自助」。 |
| 苏格拉底访谈 × 字典置信闭环 | 知识议程逐题访谈、跳题回访;AI 推测低置信分级 → 访谈 / Excel 回流升级;规则确认自动生成字典词条。 | 无对应机制,语义靠实施期一次性梳理。 | 语义资产持续自增值,越用越准。 |
| 轻量联邦跨源语义 | 虚拟本体 + 类/属性级映射 + 联邦查询(OBDA),数据不落地复制、实时可见。 | 物化 Object Database:管道落库成图谱,链路重、时效依赖同步。 | 接入快、改动即时生效,数据不出域更合规。 |
| 受控指标:唯一认证口径 | 指标 Dry-run 看编译 SQL 与样本值,认证后成为唯一直答口径,AI 不再自由发挥。 | 指标逻辑分散在各应用与报表中,口径难统一。 | 全公司同一指标同一数字,可向管理层背书。 |
| 开箱即用的问数闭环 | AIP TALK 自然语言问数直接命中术语、同义词与值域口径;接库 → 智能理解 → 提问当天闭环。 | 需先建数据管道与本体才能问数。 | 当天接库当天问数,试错成本极低。 |
| 本土化与全员触达 | 中英双语全界面;微信、飞书、Teams 全通道;M365 / SharePoint / BC / SAP / Salesforce 连接器开箱即用。 | 界面英文为主,国内 IM 生态缺位。 | 一线员工零学习成本,在已有 IM 里直接用。 |
| 私有化部署与总成本 | 三档硬件方案(¥4 万起)、轻量依赖、多租户 SaaS 化、行业扩展包零代码交付。 | 重型平台:投入千万级、实施以年计。 | TCO 低一到两个数量级,交付以周计。 |
这八项优势指向同一个立场:把「本体工程」从数据工程师的专项工作,变成业务人员随手可用的日常能力——这是本系统对标 Palantir AIP 时最核心的差异化。
WorkBuddy 主打的技能体系与智能体进化能力,本系统全部具备;其应用/页面搭建能力,本系统以互动式网页生成对位——且直接链接企业数据源、带发布与权限体系。真正的差异化在于:这些能力全部落在企业数据库与本体语义层之上,并内置了成体系的定性与定量商业模型。
| 优势点 | 本系统的做法 | WorkBuddy 对照 | 带来的价值 |
|---|---|---|---|
| 技能与智能体进化对位 | SKILL 技能包体系(创建/安装/更新全流程)+ 智能体持续进化,与 WorkBuddy 同一能力面。 | 技能与智能体进化为其核心卖点。 | 能力面对齐,比较焦点落在数据纵深。 |
| 互动式网页直连数据源 | 一句话生成互动网页,直接绑定企业数据源,带发布对话框与查看权限体系。 | 应用/页面搭建面向办公场景,不直接绑定企业业务库。 | 分析结论即成可用系统,无需二次开发。 |
| 数据库实时直答 | 16 类连接器直连 ERP/CRM/MES,自然语言实时取数,带来源脚注、SQL 可审计。 | 数据分析以上传 Excel 问答为主,不实时对接业务交易库。 | 业务问题问到交易系统,无需导表。 |
| 内置定型定量商业模型库 | MOE 专家技能内置 9 大定性商业模型与全套定量分析模型(附场景组合);专家经验可蒸馏沉淀为 SKILL,安装即生效。 | 通用问答与技能市场,无内置商业模型库。 | 分析自带方法论框架,输出可直接上会。 |
| 本体语义层 × 声明式规则推理 | 企业级本体 + SWRL 风格规则、实例级推理、数据缺口反推。 | 知识库 RAG 问答,无本体建模与规则引擎。 | 语义资产可沉淀可推理,越用越准。 |
| 受控指标:唯一认证口径 | 指标认证后成为唯一直答口径,全公司同一数字。 | 无指标治理机制。 | 数字可向管理层背书。 |
| 私有化部署与数据不出域 | 三档硬件(¥4 万起)全私有化;联邦查询数据不落地。 | 腾讯云 SaaS 为主,私有化依赖腾讯云体系。 | 合规红线可满足,TCO 低一个数量级。 |
| 通道与模型供应商中立 | 微信/企微/飞书/Teams 等 13 通道;模型端点可自定义、可换私有化大模型。 | 企业微信单生态入口,绑定混元模型。 | 不被单一供应商锁定。 |
市场值得进入吗(PESTEL+五力)· 竞争地位如何(3C+五力)· 如何增长(安索夫+三地平线)· 业务值得投入吗(GE+SWOT)· 组织为何执行不力(7S)· 如何降本(价值链)· 外部挑战(PESTEL+SWOT)
专家的判断框架与口径经 skill-creator 流程沉淀为自包含 SKILL 包(SKILL.md + resources 公式/模板),注册即生效;行业扩展包可挂载 moe.json 专家团,AIP TALK 与驾驶舱即刻获得行业化研判能力。
WorkBuddy 的技能与智能体进化,本系统全都有;当问题落到业务数据库、指标口径与商业研判上——语义层、商业模型库与私有化,是我们给出的不同答案。
Power BI 的可视化报表与仪表板能力为业界标杆,本系统以驾驶舱与批量可视化对位;其 Q&A / Copilot 自然语言能力,本系统的 NL2SQL 主链路原生覆盖。真正的差异化在于:本系统把「问数」作为主路径而非附加项——直接落在企业数据库与本体语义层之上,并内置受控指标与商业模型库。
| 优势点 | 本系统的做法 | Power BI 对照 | 带来的价值 |
|---|---|---|---|
| 可视化仪表板能力对位 | 驾驶舱 + 批量可视化(图表穿插正文、批量导出),可视化能力与 Power BI 同一面。 | 拖拽式报表与仪表板是其核心能力。 | 能力面对齐,比较焦点落在语义与 AI。 |
| 自然语言直答为主路径 | AIP TALK 问数即主链路:命中术语、同义词与值域口径,NL2SQL 实时取数,带来源脚注、SQL 可审计。 | 以拖拽建报表为主;Q&A / Copilot 须先建好语义模型,Copilot 需 Fabric 容量加价。 | 业务零培训直接问数,报表等待从周级到秒级。 |
| 本体语义层 × 声明式规则推理 | 企业级本体 + SWRL 风格规则,实例级推理、数据缺口反推;规则业务可读可写、可版本化。 | 表格模型 + DAX 度量,无本体与规则引擎,业务逻辑靠 DAX 代码。 | 语义资产沉淀为可审计规则,而非埋进公式。 |
| 受控指标:唯一认证口径 | 指标 Dry-run 看编译 SQL 与样本值,认证后成为唯一直答口径。 | 度量值分散在各数据集与报表的 DAX 中,同名口径各写各的。 | 全公司同一指标同一数字,可向管理层背书。 |
| 实时直查交易库 | 16 类连接器直连 ERP/CRM/MES,联邦查询数据不落地、实时可见。 | 主流 Import 模式定时刷新(Pro 每日 8 次上限);DirectQuery 有功能与性能限制。 | 问到此刻的数据,无刷新窗口焦虑。 |
| 对话式连续探索 | 多轮追问带记忆、图表与正文穿插、过程脉络可溯;一句话生成互动网页应用,带发布与权限体系。 | 报表为消费形态(筛选/钻取),新视角需回开发改报表。 | 分析从「看板消费」变「对话探索」,结论即成可用系统。 |
| 私有化部署与数据不出域 | 三档硬件全私有化,模型端点可换私有化大模型。 | 云端为主(Azure / 世纪互联);本地报表服务器功能受限,按席位持续订阅。 | 合规红线可满足,TCO 可预期。 |
| 全通道触达与生态中立 | 微信/企微/飞书/钉钉/Teams 等 13 通道;四语界面。 | 深绑 Teams/Excel 生态,国内 IM 生态缺位。 | 一线员工在已有 IM 里直接用,不被单一生态锁定。 |
Power BI 解决了「把数据做成报表」的问题;本系统解决的是「业务随时把问题问到数据库」的问题——当焦点落到口径、语义与实时交易库上,受控指标、本体规则与自然语言主链路,是我们给出的不同答案。
SYSTEM ARCHITECTURE
自上而下的请求通路:用户的每一句话,穿过智能体、语义层与连接器,抵达企业数据源 —— 点击每一层查看职责与设计要点。
NL2SQL PIPELINE
从「上个月卖了多少」到一张带来源脚注的答案 —— 七个确定性阶段,每一步都可观测、可审计。
缓存命中的热路径查询约 2.7ms;全新问题端到端约 5.4s(含 LLM 翻译与实库执行)
SECURITY & GOVERNANCE
安全不是附加功能,而是从数据接入到答案生成的每一层的内建属性。
| 资产 | 隔离模型 | 状态 |
|---|
RBAC 角色 + 字段级 + 行级(ABAC 属性过滤)+ 数据源 ACL,按角色圈定可见表集合,多角色取并集。
数据源凭证 Fernet 加密落盘、主密钥托管系统密钥链;日志全链路脱敏,敏感表支持四级阻断策略。
只读 SQL 强制执行、准入限流、执行锁、连接池隔离与只读副本路由 —— 问数流量永不冲击生产库。
追加式审计日志记录每一次查询、权限变更与代运维操作;语义层版本链快照支持任意时点回滚。
诚实性体系:答案来源由确定性代码捕获(非 LLM 生成);本轮未实时取数会明确提示;命中已删除的数据源会给出红色警示。宁可明说「不知道」,绝不编造数字。
采用公有云大模型时,「客户数据会不会原样发给模型厂商」是采购第一问。企业AI大脑/SebAgent 的出境网关在服务端统一收口:企业/客户/人员等主体替换为确定性代号(CUST#K7XQ2M 式,HMAC 租户密钥派生),手机号/邮箱/证件号不出境,金额等数值保持原文可计算。查询在本地以真实值执行、界面显示实名——脱敏只作用于「发给模型的内容」,不改变任何结果。
OPEN INTEGRATION
从一行 iframe 嵌入到完整的 OpenAPI —— 七种集成姿势,匹配合作伙伴的每一种交付形态。
REST API
约 150 条生产路由 + FastAPI 双 OpenAPI 3.x 规范,问数、本体、知识库、管理全覆盖。
SSO / EMBED
企业门户一行嵌入智能问数,SSO 断言按发行方定制文案与租户映射,用户无感登录。
SDK / CLI / MCP
Python SDK + 前端 JS SDK + 命令行 CLI;MCP 客户端可直接接入外部工具生态。
SSE STREAM
对话流、工具进度、脚注元数据全量事件化,前端可逐字渲染并固化来源。
DEPLOYMENT
全私有化交付,数据不出企业边界;从 POC 到生产以小时计。
amd64 / arm64 双架构镜像,compose 一键起栈;连接客户数据库即可开始问数。
适用:企业私有云 / 本地机房
Ubuntu systemd 标准化部署流程,支持国产化数据库(达梦、OceanBase、GaussDB 等)直连。
适用:政企内网 / 信创环境
macOS 签名应用 + DMG 安装包,个人电脑即可跑完整企业大脑,适合演示与 POC 验证。
适用:售前演示 / 快速验证
数小时
从接入数据源到完成 POC 验证
420 万行
已在真实园区数据集上完成规模验证
500 并发
全链路真实模型压测阶梯验证