当前，Agent（智能体）已经 " 入职 " 各行各业，不少企业在实践中发现，Agent 不仅要聪明，还要 " 懂业务 "。企业上下文，即 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 Agent 准确执行工作的前提。这些信息分散在企业各个系统中、格式众多，同一材料经常存在多个版本，Agent 在搜索时容易遗漏信息、误用过时资料，增加业务损失，Agent 亟需高质量的上下文输入。

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，将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 " 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。

图说：TextIn 企业知识服务引擎亮相 QCon 全球软件开发大会

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 "，企业知识服务引擎可对这些文档进行解析、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、生产计划等。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。

图说：企业知识服务引擎精准定位工程图纸零部件参数

此外，企业数据并非一成不变，企业知识服务引擎可帮助 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" 思考时长 "，提升知识更新效率。例如，同一零件，采购清单里写的是中文名称，库存表格文件里标的却是数字编号。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。

持续增长的企业数据也增加了 Agent 建设成本，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。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，浪费资源。企业知识服务引擎通过 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 可共享同一个 " 记忆底座 "，查询客户的合同、账单和回款记录，让数据 " 一次整理、多处复用 "。

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。

声明：本站转载此文目的在于传递更多信息，并不代表赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在 30 日内与本网联系，我们将在第一时间删除内容 , 本网站对此声明具有最终解释权。