合合信息旗下TextIn推出企业知识服务引擎，为Agent装上“记忆库”

合合信息旗下TextIn推出企业知识服务引擎，为Agent装上“记忆库” 以下是部分媒体报道链接，欢迎点击了解： 1、新民晚报 - 为Agent装上“记忆库”，合合信息旗下TextIn推出企业知识服务引擎 2、扬子晚报 - TextIn发布企业知识服务引擎，帮Agent解决“上岗”难题 Agent（智能体）已经“入职”各行各业。企业在实践中发现，Agent不仅要聪明，还要“懂业务”。企业上下文——Agent理解业务所需的背景信息，包括组织知识、业务流程、权限规则等——成为它准确执行工作的前提。 这些信息分散在企业各个系统之中，格式众多，同一份材料常常存在多个版本。检索时容易遗漏信息、误用过时资料，进而带来业务损失。Agent真正需要的，是高质量的上下文输入。 把碎片化信息，变成Agent持续可用的上下文 近期，在由极客邦科技旗下InfoQ中国主办的QCon全球软件开发大会上，合合信息旗下企业AI基础设施TextIn推出企业知识服务引擎。它把散落在企业各个系统中的碎片化信息，转化为Agent持续可用的上下文，为企业内多个Agent打造共享的“记忆库”。 依托强大的文档解析能力，产品可将PDF、Office、图片、CAD、网页、数据库、邮件等多源数据，转化为可被Agent持续读取、理解、检索和复用的知识数据，解决企业数据分散、查找低效、口径不一、难以追溯等问题。 工程图纸与复杂表格，先“翻译”成Agent可用的结构 工程图纸、复杂表格、图文混排等非结构化文档，增加了Agent理解业务的难度。作为“翻译官”，企业知识服务引擎对这类文档进行解析、抽取、建模，统一成实体、关系、规则等Agent更容易使用的结构，助力Agent深入业务流程。 以制造业为例，企业在接到一笔订单后，需要多部门对齐订单资料、产品参数、生产计划。过去，员工需要逐份翻阅材料，反复开会核对生产进度，费时费力。接入企业知识服务引擎后，Agent可读取群聊中的物料规格、工艺要求等内容，测算物料用量，辅助生产排期，减少跨部门沟通成本。 Jev模型：让“记忆”跟得上业务变化 企业数据并非一成不变，企业知识服务引擎可以帮助Agent及时更新“记忆”。 据合合信息技术人员介绍，产品创新性地引入Jev模型。该模型可将部分任务简化为判断“是或否”，直接缩短Agent的“思考时长”，提升知识更新效率。 举例来说，同一个零件，采购清单里写的是中文名称，库存表格文件中标的却是数字编号。模型只需判断“这两处说的是不是同一个零件”，即可将采购清单信息更新至已有库存记录中，帮助员工快速确认物料数量。 知识中台：数据“一次整理，多处复用” 持续增长的企业数据，也增加了Agent的建设成本。据IDC预计，中国数据生成量将从2025年的76.05ZB增长至2030年的146.65ZB，年均复合增长率约为14%。企业每新建一个Agent，都要重新接入数据，造成资源浪费。 作为打通数据与Agent应用的“知识中台”，企业知识服务引擎推动Agent的规模化应用。产品通过API、MCP和SDK，为企业自建或第三方Agent提供服务，支持私有化部署，回答可追溯到原始文档。 以金融风控场景为例，信用评估、风险监测、回款跟进等Agent可以共享同一个“记忆底座”，查询客户的合同、账单和回款记录。 从掌握通用知识，到熟悉业务规则 当通用模型逐渐成为企业触手可及的能力，企业多年来积累的数据和经验，决定了AI应用的上限。 TextIn助力Agent从掌握通用知识走向熟悉业务规则，成长为经验丰富的“数字员工”。未来，合合信息将持续探索TextIn在金融、法律、医疗、制造等不同场景的应用，加快企业AI基础设施建设。