規劃
路線是在執行中定的
一個追問原因的問題,一次檢索答不了。代理把它拆成子問題,而第一步找到的東西會改變第二步往哪看——而不是照著一條在什麼都還不知道時就定死的鏈條走。
- 問題被拆成子問題,各自帶自己的檢索
- 後面的步驟取決於前面的步驟回傳了什麼
- 子問題彼此獨立時,工作分給多個代理
平台 · 資料代理
聊天機器人給答案,分析師給推導過程。DataFact 的代理是奔著後者做的:規劃這次調查,把找到的東西互相查核,最後交出一份你能在審查會上為它辯護的東西。
一次執行的解剖
每一次執行都可以檢視:它拆出了哪些子問題、每一步走的是哪條通道、花了多久,以及它在哪一步調和了兩個互相打架的來源。
當有人質疑結論時,爭的是證據本身,而不是這台機器能不能信。
正是這些行為,決定了一個東西是被試一次就放下,還是被真正接進日常工作流。
規劃
一個追問原因的問題,一次檢索答不了。代理把它拆成子問題,而第一步找到的東西會改變第二步往哪看——而不是照著一條在什麼都還不知道時就定死的鏈條走。
互證
當報告說一套、表裡說另一套時,取平均是錯的答案。這次執行會把分歧攤開,說明它信了哪個來源,以及為什麼。
釐清
人們打出來的問題有一半是沒說清的——哪個區域、哪套會計年度、含稅還是未稅。猜的結果是一個自信的錯誤答案。代理會帶著它能看到的選項來問,然後從你的回答繼續。
產出
出來的東西有資料、圖表、寫好的結論和一條引用鏈——扎實到可以直接貼進決策備忘錄,下個月還能對著新資料重跑一遍。
觸達
代理被發布到你的人本來就在用的介面上:主控台、嵌進你自己應用裡的元件、給你系統呼叫的 API,或者那個問題本來就會被問出來的聊天工具裡的機器人。
不同的問題需要不同的機器。一個代理只被配上它需要的資源,多一分都沒有——這讓它的答案和它的權限同時收緊。
知識型
綁定到選定的文件集合。回傳正文、表格和圖,並帶頁級引用。
分析型
綁定到一個 schema 和一個分析模型。產出受管的 SQL、結果和圖表。
調查型
兩條通道都綁。先規劃、拆分、互證,然後才寫結論。
輔助型
只有提示詞和技能,用於不該碰公司資料的起草與推理任務。
來自不光鮮那一半的記錄
Product
How should teams connect a DataFact Agent to Slack or Telegram while keeping access and delivery controls separate?
Method
How can teams generate reports from Excel without losing review control?
Category
When should an enterprise question use document RAG, text-to-SQL, or both?
Method
How should an enterprise team evaluate an AI data analyst before rollout?
Governance
How should an enterprise choose between SaaS, private-cloud, on-premise, and isolated-network AI analytics?
Category
Why does enterprise AI keep answering half of my question?