引言

大家好。

这两年，AI 应用的热度持续升温，企业侧的需求也越来越明确：既要把内部资料和经验沉淀下来，又希望它们能以更“可用”的方式参与到日常工作里——能搜到、能问到、还能串成流程并复用。

基于这些真实的落地诉求，我们打造了一款全新的企业级 AI 应用产品：数睿通智库系统，今天正式与大家见面。

一句话介绍：数睿通智库是什么

数睿通智库是一套企业级智能知识与AI应用平台，以知识沉淀为底座，把企业能力进一步做成“可检索、可对话、可编排、可扩展”的应用形态：

• 面向业务人员：像聊天一样提问，得到可追溯的答案
• 面向管理员：可管理的知识库、模型、权限、租户
• 面向交付与运维：支持私有化与容器化部署，环境可控、成本可控

它的主要模块包括：模型管理、知识库管理（含文档管理与问答管理）、AI 对话、AI 智能体、AI 工具集（ComfyUI/LLaMA-Factory 入口）、可视化工作流编排、系统管理（租户/用户/角色/菜单/存储等）。

先给一张“能力地图”：它覆盖了哪些事

如果你想快速判断“这套系统能不能解决我现在的问题”，可以先看这个能力地图：

模块	你会用它做什么	典型产出
模型管理	统一接入各类大模型/本地模型，按需切换与调参	可用模型列表、参数模板
知识库管理	统一管理知识库、文档与问答内容，配置分类，并进行向量化沉淀	知识库、文档、问答、可检索语料
AI 对话	基于知识库进行问答，支持会话级配置与可视化过程	可追溯回答、引用片段、运行耗时
AI 智能体	把常见任务封装成角色，支持工具/MCP/提示词	内置/自定义智能体模板
AI 工具集	通过菜单配置跳转外部工具（ComfyUI/LLaMA-Factory）	统一入口、少学习成本
可视化工作流编排	把检索/模型/工具/路由组合成可运行流程与应用	版本化流程、运行日志、可嵌入应用
系统管理	租户、用户、角色、菜单、API Key 等企业级能力	多租户隔离、权限可控

快速上手路径：从 0 到 1 跑通一次“上传-检索-回答”

为了让第一次体验更顺滑，这里按“最短路径”给一个 30 分钟内可跑通的流程（你也可以按自己的组织习惯调整）：

1. 配置租户：嵌入模型与向量数据库地址

   • 进入“系统管理 → 租户管理”，配置向量数据库（Milvus）地址
   • 嵌入模型需要先在“模型管理”里添加，再回到“租户管理”里选择
   • 系统默认内置 BGE-Small-EN-V1.5 嵌入模型可直接使用；如果你更关注效果，推荐添加 bge-m3（可通过 Ollama 部署），并在租户里设为默认嵌入模型

2. 准备模型（大语言模型）

   • 进入“模型管理”，配置你要用的大语言模型（也可以接入本地模型，如 Ollama）
   • 目标：让系统里至少有一个“可用模型”

3. 创建知识库

   • 进入“知识库管理 → 问答管理”，在左侧分类树中创建业务分类，并在分类下维护问答对
   • 进入“知识库管理 → 文档管理”，在左侧分类树中创建文档分类，并在分类下上传资料
   • 两者的分类树相互独立，可按部门/项目/业务域分别规划

4. 上传资料并等待解析

   • 在“知识库管理”模块中上传常见文档：PDF/Word/PPT/Excel/TXT/Markdown/CSV 等
   • 若你要验证多模态：也可以上传图片/音频/视频（需开启多模态服务）
   • 实操建议：第一次导入资料时，优先看“向量化状态/解析状态”是否已完成；如果失败，先处理失败原因

5. 开始一次带检索的对话

   • 在“AI 对话”里选择知识库与模型，输入问题
   • 按需打开会话级能力开关：高级 OCR、多模态识别、联网搜索等
   • 在回答中查看：引用内容、工具执行状态、Token 与耗时

做到这一步，你就已经拥有一条可用的“企业知识问答流水线”。后面要做的，通常是把高频问题沉淀成智能体/工作流，让使用越来越省力。

从“全文搜索”到“语义检索 + 生成”：我们怎么回答更像“懂你”

传统搜索更擅长找“包含某个关键词的文档”。但在企业场景里，大家更常问的是：

• “这个流程怎么走？有哪些注意事项？”
• “这个接口为什么这么设计？有没有历史原因？”
• “客户提的这个需求，以前有没有类似案例？”

数睿通智库采用 RAG（检索增强生成）的路线：先把知识沉淀为向量，再做语义检索，把检索到的上下文交给大模型生成答案。并且同时支持两种检索方式：传统 RAG 与 Agentic RAG（智能体式检索）。

实现层面，我们做了几件事：

• 文档解析：将 PDF/Word/PPT/Excel/Markdown/CSV 等转为可检索的结构化内容
• 向量化与检索：基于向量数据库（Milvus）存储与相似度检索
• 生成与约束：在回答里结合引用片段，避免“只会编”的不确定性输出

你可以把两种检索方式理解为：

1. 传统 RAG：一次检索，一次作答

   • 系统根据你的问题做一次语义检索，取回最相关的若干片段
   • 大模型在这些片段范围内组织答案，并尽量给出引用来源

2. Agentic RAG：模型自主检索，链式搜索，再作答

   • 模型会先判断“这个问题需要哪些信息”，把问题拆成多个子问题
   • 它会像人一样多轮检索：一次找不到就换关键词、换角度、换分类继续搜
   • 检索到的证据会逐步累积，最后综合多个来源给出更完整的回答

如果你关心“为什么能更准”，可以把它理解成三步：

1. 把知识变成可检索的表示：解析 + 分块 + 向量化
2. 把问题变成同一空间的向量：向量检索得到候选内容
3. 让模型在候选内容上作答：把检索片段作为上下文注入，减少无根据输出

一个更直观的 Agentic RAG 例子：

• 你问：“差旅报销里，住宿超标怎么处理？需要谁审批？不同城市标准在哪看？”
• 传统 RAG 往往只会命中一份文档的某一段，回答可能只覆盖其中一部分
• Agentic RAG 会更像“带着问题去翻资料”，可能会链式检索出这样一条路径：
  1) 先检索“差旅 报销 住宿 超标 处理”，找到制度里的超标处理原则
  2) 再检索“差旅 审批 流程/权限”，补齐“需要谁审批、走哪个节点”
  3) 再检索“差旅 城市 住宿 标准/限额”，定位城市标准表或附件
  4) 把以上来源合并，给出可执行的流程化答案，并附上引用片段/来源文档

为了让这个过程更“可感知”，系统在回答侧会尽量把证据链露出来。一个常见的对比是：

• 你问：“报销流程里，差旅住宿超过多少需要额外审批？”
• 系统会先从知识库里检索到命中的制度条款（通常能在“引用片段/来源文档”里看到）
• 再在这些片段范围内组织回答（你可以据此快速判断：它是在你们的制度上作答，还是在“自由发挥”）

多模态能力：不只懂文字，也能“读图、识音、看视频”

企业知识并不总是“能复制粘贴的文本”。很多关键内容来自：

• 扫描件、拍照的表格/流程图
• 截图里的关键字段与说明
• 录屏/会议视频里的结论与行动项

数睿通智库在对话中支持上传文件作为上下文，并提供会话级能力开关：

• 高级 OCR：更适合扫描件、表格、图表等复杂内容提取
• 多模态识别：用于图片/音频/视频等多种格式理解与提取

多模态相关能力由独立的 Python 服务提供，与主应用协同运行，便于按需部署与资源隔离。

你可以把多模态服务理解为两类能力：

• OCR 增强：面向扫描件、拍照件、复杂表格/图表等场景，更稳定地识别文字与结构，并尽量保留版面关系
• 多模态解析：面向图片/音频/视频等内容，提取关键信息（例如摘要、要点、时间点、行动项），用于对话中的理解与回答

一个更“落地”的用法示例：

• 你上传一张手机拍的流程图/表格截图，问题不是“这张图里有什么”，而是更具体的任务：
  “把这张表格的字段整理成一份 Excel 结构（列名 + 含义）”
  “把这个流程图按步骤写成 SOP，并标出审批节点”
• 你上传会议录音/录屏，想要的是：
  “整理会议结论与行动项，按负责人分组，并列出截止时间（如果能识别到）”

AI 对话：让知识“随问随用”，也让过程“可见可控”

面向日常使用，我们希望对话体验更接近“工作台”而不是“聊天框”：

• 可选择不同模型、调整温度/TopP 等会话参数
• 可配置检索策略（按全部/分类/精确文档选择）
• 工具调用过程可视化：执行中/成功/失败，以及查看执行结果

这些细节的目标只有一个：让答案更可控，让过程更可解释。

AI 智能体：把“能力”封装成可复用的角色

如果说“对话”解决的是一次性的问题，那么“智能体”解决的是长期重复的任务。

系统提供内置智能体（例如：知识库助手、编程助手、文档写作助手、数据分析师、产品经理助手、客服助手、翻译助手、学习导师），也支持用户自定义创建：

• 自定义智能体角色与系统提示词，约束风格与行为边界
• 为智能体选择可用工具，并按需配置工具参数
• 支持添加 MCP（Model Context Protocol）服务，扩展外部能力

更具体一点：智能体通常会把“提示词 + 工具 + 约束”打包成模板。

• 提示词：规定它是谁、做什么、不做什么（尤其适合企业内部的合规与风格统一）
• 工具：把外部动作标准化
• MCP 服务：当你不想把所有能力写进系统里时，用协议化方式接入外部服务

这样做的好处是：团队成员不需要每次从零写提示词，也不需要记住“要去哪点哪个按钮”，在“AI 对话”中选择对应智能体即可进入固定流程。

AI 工具集：把 ComfyUI 与 LLaMA-Factory 变成“菜单入口”

很多企业在落地 AI 时，不止需要一个“对话入口”，还需要：

• 可视化的生成式工作流（文生图、图生图、文生视频、图生视频）
• 面向训练/微调的管理界面与流程

数睿通智库的 AI 工具集采用“菜单配置跳转”的方式，把已部署的工具纳入统一入口：

• ComfyUI：提供 Docker 一键部署包，也支持 Windows 的 bat 脚本一键启动；内置图生图、文生图、图生视频、文生视频等常用工作流
• LLaMA-Factory：提供 Docker 一键部署包，也支持 Windows 的 bat 脚本一键启动；用于模型微调与训练管理

这里的设计取向很明确：系统不强行“把工具全部内嵌重做一遍”，而是把成熟生态的工具纳入统一入口，减少上下文切换成本。

使用方式也尽量做到了“交付友好”：你把工具部署好，保证它能通过 HTTP 访问，然后到“系统管理 → 菜单管理”把对应菜单的地址改成工具的访问地址即可。默认菜单通常指向 localhost，如果你的工具部署在其他机器/容器里，把地址替换成实际可访问的 URL 就行。

在使用层面，它更像是两个清晰的入口（以默认菜单为例）：

1. “AI 工具集” → “视觉工作流”：新窗口打开 ComfyUI 界面
2. “AI 工具集” → “微调平台”：跳转到 LLaMA-Factory 的 WebUI

可视化工作流编排：把“检索、模型、工具、路由”组装成可运行应用

当业务从“问答”走向“流程化”，单纯的对话往往不够用。数睿通智库提供可视化工作流编排能力，把常见能力组件化并串起来：

• 检索、模型调用、文档处理、变量处理、外部 HTTP 调用
• 条件路由与分支
• 版本发布、运行日志与可观测
• 支持生成独立应用页面与应用嵌入

在编排层面，数睿通智库把常见能力做成节点体系，例如：

• 画布按“通用/工具”等维度组织节点，并支持搜索节点
• 常用的思路是把“知识检索、模型调用、变量处理、HTTP 调用、条件路由”等能力组合起来
• 在对话类流程里，通常还会用到“对话回复”这类节点，把上游结果以更可控的格式返回给用户

对于企业内部落地，工作流更像“把经验变成流程”：你可以把“检索->判断->调用外部系统->生成回复”这种模式固化下来，并通过版本发布让迭代可追踪。

如果你要把工作流交给更多人使用，常见的交付方式有两种：

• 生成独立的聊天应用页面：发布后直接给业务方一个入口，按流程定义决定启用哪些能力开关（如深度思考、联网搜索、高级 OCR、多模态等）
• 嵌入到已有系统：在“嵌入到网站中”选择 iframe 嵌入或脚本嵌入，把应用能力集成到门户/业务系统中

系统管理与安全：多租户、权限、国密传输加密

企业级系统最终要回到“可管理、可追责、可合规”。

在系统管理侧，数睿通智库提供：

• 租户管理：租户创建与配置
• 用户与角色：基于 RBAC 的权限控制、权限分配与数据范围控制
• 菜单与集成：菜单与权限关联、API Key 管理、第三方系统接入支持
• 传输安全：前后端数据传输链路支持国密算法加密

部署与运维：一键部署、环境可控

为了让交付更稳，数睿通智库的整体部署思路是“能容器化的尽量容器化，能一键启动的尽量一键启动”：

• 主应用与多模态服务支持 Docker 一键部署
• ComfyUI 与 LLaMA-Factory 除 Docker/Conda 外，还提供 Windows 一键启动脚本

如果你希望一次性把“主应用 + 多模态 + 本地模型 + 工具集”拉起来，一个更稳妥的方式是：

1. 先部署主应用（Web/后端/数据库/向量库等）
2. 再按需部署多模态服务（用于复杂文档/图片解析、视频音频识别等；系统自带基础OCR与文档解析能力，遇到复杂图表/扫描件等场景建议启用多模态服务）
3. 需要本地模型时再部署 Ollama（GPU 或 CPU 模式按条件选择）
4. 需要视觉工作流或微调能力时，再分别部署 ComfyUI / LLaMA-Factory，并通过系统菜单配置跳转入口

硬件方面的建议也很直白：

• 主应用：内存 8GB+（推荐 16GB）
• 多模态服务：建议内存 8GB+，最好有 NVIDIA GPU 显存 8GB+（识别速度更快）
• Ollama：GPU 模式推荐显存 8GB+；CPU 模式建议内存 16GB+（推荐 32GB）
• ComfyUI / LLaMA-Factory：需要 NVIDIA GPU，建议显存 8GB+（更大更稳）

几个“更接地气”的提醒：

• 显存需求与模型/分辨率/批量大小强相关，8GB 是更通用的“起步线”，追求稳定建议更高
• Windows 上跑 ComfyUI 时，开启并增大虚拟内存（页面文件）常常能缓解部分场景的内存压力
• 内网环境建议提前准备离线镜像包与依赖缓存，减少部署时的不确定性

典型使用场景：更像“工作工具”，而不是“聊天玩具”

下面这些场景是我们在企业里最常看到的落地方式：

1. 制度/流程问答

   • 把制度、流程、SOP 文档集中进知识库
   • 让员工能用自然语言问：“报销要走哪些步骤？”“采购审批阈值是多少？”

2. 客服/售前知识库

   • 把 FAQ、产品资料、案例、话术沉淀为知识库
   • 结合智能体，把“标准答复 + 风格约束”固化下来（例如统一称呼、禁用某些承诺性表达）
   • 对外沟通时，更重要的是“稳定”：同一类问题尽量给出一致口径，并且引用内部资料作为支撑

3. 研发/交付经验复用

   • 把接口文档、变更记录、故障排查文档沉淀下来
   • 让“为什么这么设计”“怎么定位问题”变成可检索的团队记忆
   • 典型提问会更贴近排障现场：
     “这个错误码在历史上出现过吗？当时怎么处理的？”
     “某个接口的字段为什么要保留兼容？相关讨论在哪份纪要里？”

4. 多模态资料解读

   • 扫描件、截图表格、录音/录屏等资料，通过多模态与高级 OCR 快速提取要点
   • 实操上往往是“先提取结构，再做总结/对比”：先把表格提成结构化字段，再让模型在字段上做归纳

5. 流程自动化（工作流编排）

   • 把“检索->判断->调用外部系统->生成结论”的流程固化为工作流，并可发布版本
   • 运行日志可回放每个节点的输入/输出，定位“是检索没命中、还是外部接口失败、还是提示词需要收紧”

适合哪些团队从这里开始

如果你正在做下面几件事，数睿通智库通常能很快带来变化：

• 企业知识库与制度文档的检索/问答升级
• 客服/售前/交付的知识沉淀与复用
• 产品/研发/数据团队的文档协作与经验复盘
• 需要私有化部署、数据可控、权限可控的 AI 落地

写在最后：我们希望它成为“企业的 AI 数据底座”

首发版本不是终点，而是一个可以持续被“喂养、被优化、被复用”的起点。后续我们也会持续更新迭代能力与体验，让它更稳定、更好用、更贴近企业真实场景。

感兴趣的朋友请关注公众号螺旋编程极客，我们一起成长，一起进步。