同思智能体是一套面向企业的一站式智能体平台。
它把模型、知识、工具、审批和业务流程编排在一起，让企业把一线经验、标准流程和系统能力沉淀成可以长期运行的智能体应用。
主要服务那些已经看过足够多 Agent Demo、下一步想让智能体真正进入生产的企业——金融、外贸、工业制造、大型企业内部服务，以及希望搭建统一 AI 中台的组织。
同思智能体解决什么问题
模型越来越强，智能体落地依然难。企业通常卡在这几件事上：
- 流程编排不起来：模型会答问题，没法把多步骤任务一步一步做完。
- 工具调用不受控：一接外部 API、内部系统、数据库，权限边界立刻变复杂。
- 结果不够稳定：同一个任务今天能做、明天失真，业务团队很难信任。
- 业务团队改不动：每加一个流程、每改一个节点都要排期，最懂场景的人反而动不了系统。
- 跨部门上下文断裂：同一个客户、同一份合同，不同智能体看到不同版本，到处在重复维护。
- 没有生产级的运维能力：Demo 跑得顺，上了规模就出问题，没有审计、没有回溯、没有灰度。
同思智能体要填的就是这些坑。
核心能力一览
多模型编排
同时接入 OpenAI、Anthropic、Gemini、Vertex AI、DeepSeek、Kimi、通义千问、豆包、智谱、OpenRouter 等十余家模型提供方。不同任务交给不同模型——长上下文阅读合同交给擅长长文的模型，快速分类走轻量模型，敏感数据走本地部署。模型凭证由平台集中加密管理。
工作流与工具系统
基于 LangGraph 的 ReAct 工作流引擎，支持多步骤任务编排、流式输出、中途重试。工具系统覆盖内置工具（时间、计算、天气、通知）、HTTP 工具（模板化 Headers 和 Query）、数据库工具（PostgreSQL 表级接入）、OpenAPI 自动生成工具。重任务在 e2b 沙箱里隔离执行，可注入文件、收集产物。
知识库与检索
支持文件上传（PDF / Markdown / TXT / DOCX / CSV）、URL 爬取、数据库直连。检索采用递归分块加上下文增强策略，自带召回率和准确率评测。同一套知识可被多个智能体复用，也可以按部门做可见性隔离。
技能库
把指令加工具打包成可复用的技能（Skill），支持组织级、智能体级、模板预设三级定义。组织树的下级部门可以覆盖上级的默认配置。内置前端开发、数据分析、API 集成、文档撰写、代码评审等常用技能。
多智能体协作
任何一个智能体都可以作为工具被另一个智能体调用，带递归深度控制和环路检测。跟单智能体可以调报关智能体，报关智能体反过来让跟单补一份遗漏的原始材料。多个智能体组成一支能相互协作的团队，而不是一堆各自孤立的助手。
三层记忆系统
记忆分三层：组织级（全公司共享的约定）、用户级（某位员工跨所有智能体的长期偏好）、用户×智能体级（某员工和某智能体之间的具体交互历史）。对话中由 LLM 自动提炼，支持人工编辑。下一次对话，智能体记得上次的上下文。
权限、审批与审计
基于关系的访问控制（ReBAC），按组织单元、项目、智能体、知识库四个维度做细粒度授权。权限分三级：owner、editor、viewer。敏感动作前置审批——金额超阈值、涉及外部接口、操作客户数据时必须人工确认。调用、工具执行、模型输出全程留痕，可按用户、智能体、时间段回溯。
定时任务、消息通知与自动交付
三种调度方式：指定时刻、固定间隔、Cron 表达式。调度的可以是单个任务，也可以是多步骤流水线——先让智能体分析、再调 Webhook 触发外部动作、最后把结果推送到飞书群、企业微信或邮件。定时晨报、风险盘点、日结报表、异常预警这些场景都可以由平台自动完成并送到负责人手上。渠道接入覆盖飞书、企业微信、邮件和 Webhook，按关键词、正则、发送者路由到对应的智能体。
两个典型落地场景
外贸 ERP：跟单、报关、核算的全链路协同
一家外贸公司把订单全生命周期放到同思智能体上。跟单智能体读邮件、水单、合同，自动录单并比对历史；报关智能体合并多个业务员的订单、生成报关专用合同、走总经理审批；提成智能体按阶梯规则算每个人当月净利润和提现；对账智能体和用友对齐到款与开票。四个智能体共享客户库、产品库、合同库，共享对"额外销售费用"的统一口径，按角色看到各自该看到的部分。总经理想改提成规则，在管理面板上自己调，上线时间从一周变成十分钟。
金融投研：从数据采集到研报生成
一家金融机构用同思智能体做投研流水线。定时任务每天早晨抓取指定公司的公告、财报、新闻、研报；知识库对内部历史报告做切片和检索；投研智能体按分析师配置的模板生成初稿；审核智能体检查数据一致性和合规红线；定稿经审批后推送到飞书研究群。原来一份深度研报 5 天出，现在常规部分 1 天交付，分析师把时间留给真正的判断。
为什么是同思智能体
比聊天机器人更能干
聊天机器人止步于"回答"。同思智能体直接调用 ERP、CRM、用友、报关系统、内部审批流，在业务系统里落下真实动作——写一行订单、合并一份报关、推送一条通知、发起一笔审批。
比开源 Agent 框架更稳健
开源框架解决的是跑通一个 Demo。企业上线要的是 RBAC、审批链、操作留痕、多租户隔离、密钥加密管理、输出内容审核、并发稳定性、失败回滚——这些同思智能体从第一天就内置。不用拿开源框架再花半年搭一圈外围设施。
比问答更聪明：连接系统、执行、进化
RAG 问答产品解决的是"从文档里找答案"。同思智能体连接真实的业务系统——读写数据库、调 API、发审批、进工作流。执行之后有反馈，反馈沉淀进记忆系统，下一次类似任务处理得更准。记忆、技能、知识库，都是可以随业务演进的资产。
比通用智能体平台更懂你
通用智能体平台给你一块白板加几个通用能力——写合同、做 PPT、整 Excel、客服问答。同思智能体主打的是行业智能体模板加智能体编队：外贸的跟单报关核算链路、工业制造的生产排程和质检链路、金融的投研和审批链路，都是预置好的智能体组合，里面带着行业知识、工具集成和审批规则。开箱即用，平台能力企业自己二次扩展。中小企业和专业细分领域的实际业务问题，比用通用能力一点点拼要快得多。
同思智能体的产品观
取"同思"这个名字，想表达的是：人和 AI 一起思考，组织能力跟着一起长。我们没有去蹭"Claw"这类模型套壳的热点，做的是中小企业和 OPC 公司最真实的那些事——外贸业务员怎么处理水单、工厂车间主任怎么看日报、财务怎么对账、报关员怎么合并单据。
要做到这一步，靠的不是几个 Demo，是回到软件本来该做的事：对业务建模，跟一线、中层、高层谈透，把领域知识、真正的痛点和卡点弄清楚，再把智能体的新能力接进去——既能更高效地处理老问题，也能接住过去根本做不了的新问题。
至于那个常被问到的担心：做智能体平台，是不是把同事蒸馏成一份 SKILL.md、然后把人裁掉？这一定是错误的方向。把重复的执行工作下沉给智能体，让原本做这些事的人升级为智能体的管理者和训练者。重复动作少了，人才有精力去想个人和公司进一步的成长，人与AI协同思考，持续迭代，才是长期保持个人和企业竞争力的可行路径。
同思智能体要做的，是让业务流程长出可控、可落地的 AI 执行力——把这件事做到位，模型、Agent、知识库才真正变成企业的生产资料。
