01
规划
路线是在运行中定的
一个追问原因的问题，一次检索答不了。智能体把它拆成子问题，而第一步找到的东西会改变第二步往哪看——而不是照着一条在什么都还不知道时就定死的链条走。
- 问题被拆成子问题，各自带自己的检索
- 后面的步骤取决于前面的步骤返回了什么
- 子问题彼此独立时，工作分给多个智能体
平台 · 数据智能体
会把推理过程存档的智能体
聊天机器人给答案，分析师给推导过程。DataFact 的智能体是奔着后者做的：规划这次调查，把找到的东西互相核对，最后交出一份你能在评审会上为它辩护的东西。
一次运行的解剖
它做了什么，你能读出来
每一次运行都可以查看：它拆出了哪些子问题、每一步走的是哪条通道、花了多久，以及它在哪一步调和了两个互相打架的来源。
当有人质疑结论时，争的是证据本身，而不是这台机器能不能信。
- 01拆解问题3 个子问题
- 02从文档检索9 个片段 · 2 张图
- 03查询数仓2 条查询 · 1.2 秒
- 04交叉核对两边解决 1 处冲突
- 05带出处成文附 4 条引用
一次运行和一句回复的区别
正是这些行为，决定了一个东西是被试一次就放下，还是被真正接进日常工作流。
02
互证
来源之间互相核对
当报告说一套、表里说另一套时，取平均是错的答案。这次运行会把分歧摆出来，说明它信了哪个来源，以及为什么。
- 文档里的发现和数仓结果交叉核对
- 冲突是被报出来的，不是被抹平的
- 置信度取决于两条通道是否一致
03
澄清
问题有歧义时它会反问
人们打出来的问题有一半是没说清的——哪个区域、哪套财年、含税还是不含税。猜的结果是一个自信的错误答案。智能体会带着它能看到的选项来问，然后从你的回答继续。
- 有针对性的追问，并给出具体选项
- 运行从你的回答处继续，不用从头再来
- 如果你更希望它自己取默认值，可以跳过
04
产出
是一份资产，不是一条聊天消息
出来的东西有数据、图表、写好的结论和一条引用链——扎实到可以直接贴进决策备忘录，下个月还能对着新数据重跑一遍。
- 图表和叙述一起生成
- 每一条论断都带自己的引用编号
- 为周期性评审安排定时重跑
05
触达
问题在哪被问出，它就在哪
智能体被发布到你的人本来就在用的界面上：控制台、嵌进你自己应用里的组件、给你系统调用的 API，或者那个问题本来就会被问出来的聊天工具里的机器人。
- 给分析师用的控制台
- 可嵌入你内部应用的对话组件
- 钉钉和飞书的原生机器人——配置即可，不用另外开发
- 开放 API，接进 Slack、Teams 或你在跑的任何东西
按任务配置，而不是一个通用聊天机器人
不同的问题需要不同的机器。一个智能体只被配上它需要的资源，多一分都没有——这让它的答案和它的权限同时收紧。
知识型
文档问答
绑定到选定的文档集合。返回正文、表格和图，并带页级引用。
分析型
查询生成
绑定到一个 schema 和一个分析模型。产出受管的 SQL、结果和图表。
调查型
多来源运行
两条通道都绑。先规划、拆分、互证，然后才写结论。
辅助型
不挂任何数据
只有提示词和技能，用于不该碰公司数据的起草与推理任务。