diff --git a/docs/.vitepress/config.mts b/docs/.vitepress/config.mts index e979ae0..52a4ac6 100644 --- a/docs/.vitepress/config.mts +++ b/docs/.vitepress/config.mts @@ -36,7 +36,7 @@ export default defineConfig({ sidebar: { '/guide/': [ { - text: '第一章 智能体平台架构介绍', + text: '第一章 智能体套件架构介绍', collapsed: false, items: [ { text: '1.1 平台简介与架构概览', link: '/guide/' }, diff --git a/docs/guide/data-project.md b/docs/guide/data-project.md index d05d9bf..5e4a0aa 100644 --- a/docs/guide/data-project.md +++ b/docs/guide/data-project.md @@ -18,8 +18,8 @@ next: ![选择目录作为项目](/media/image94.webp) -::: warning 注意 -注意权限设定,选择"**完全访问权限**",过程中不会频繁出现"确认执行"的审批。 +::: warning +**注意**:注意权限设定,选择"**完全访问权限**",过程中不会频繁出现"确认执行"的审批。 ::: ![权限设定选择"完全访问权限"](/media/image95.webp) diff --git a/docs/guide/data-scenario.md b/docs/guide/data-scenario.md index e7df16b..0c8a1a7 100644 --- a/docs/guide/data-scenario.md +++ b/docs/guide/data-scenario.md @@ -31,13 +31,22 @@ next: 该流程存在以下核心痛点: -| # | 痛点 | 说明 | -|:--|:--|:--| -| 1 | **响应速度慢** | 一份常规报表从需求提出到交付通常需要半天至数天,难以满足管理层"即时决策"需求,错过最佳决策窗口。 | -| 2 | **技术门槛高** | 业务人员需掌握 SQL 或 Excel 高级功能才能自主查数;一线销售和管理人员只能被动等待数据部门出报表,自主分析能力受限。 | -| 3 | **报表风格不统一** | 不同 BI 工程师制作的报表格式、图表风格各异,缺乏统一标准,跨部门对比和汇总困难。 | -| 4 | **追问成本高** | 看到报表后想进一步追问某个维度或下钻细节,需要重新提需求、排队等待,分析链路被反复打断。 | -| 5 | **数据价值未释放** | 大量历史销售数据沉睡在系统中,缺乏便捷的探索手段,无法快速发现趋势、异常与机会点。 | + + + + + + + + + + + + + + + +
#痛点说明
1响应速度慢一份常规报表从需求提出到交付通常需要半天至数天,难以满足管理层"即时决策"需求,错过最佳决策窗口。
2技术门槛高业务人员需掌握 SQL 或 Excel 高级功能才能自主查数;一线销售和管理人员只能被动等待数据部门出报表,自主分析能力受限。
3报表风格不统一不同 BI 工程师制作的报表格式、图表风格各异,缺乏统一标准,跨部门对比和汇总困难。
4追问成本高看到报表后想进一步追问某个维度或下钻细节,需要重新提需求、排队等待,分析链路被反复打断。
5数据价值未释放大量历史销售数据沉睡在系统中,缺乏便捷的探索手段,无法快速发现趋势、异常与机会点。
### 智能体可承担的角色 @@ -70,5 +79,5 @@ next: 假设日期为 2026/11/13,当前账号:DigiZZ0001 -- **技能命名示例**:`valve-sales-analysis-skill-2611130001` +- **技能命名示例**:`sales-analysis-skill-2611130001` - **智能体命名示例**:`小型阀体外壳销售数据分析-2611130001` diff --git a/docs/guide/data-workspace.md b/docs/guide/data-workspace.md index 16a484f..e4636a8 100644 --- a/docs/guide/data-workspace.md +++ b/docs/guide/data-workspace.md @@ -49,7 +49,7 @@ next: ::: ::: info 依赖说明 -数据分析场景依赖**鼎捷雅典娜决策智能**,相关 MCP 服务由决策智能提供。 +数据分析场景依赖**鼎捷雅典娜决策智能**,相关 MCP 服务由决策智能提供,MCP 服务已注册到云端平台。 ::: 确认完成后,现在可以开始进行数据分析智能体开发了。 diff --git a/docs/guide/index.md b/docs/guide/index.md index a05da15..a9b7723 100644 --- a/docs/guide/index.md +++ b/docs/guide/index.md @@ -2,17 +2,17 @@ title: 1.1 平台简介与架构概览 --- -# 智能体平台架构介绍 +# 鼎捷雅典娜智能体开发套件架构 -## 鼎捷雅典娜 Agent Builder (IndepthAI 3.0) 简介 +## Digi Agent Builder (IndepthAI 3.0) 简介 人工智能正深度渗透制造业各类核心业务中,但行业普遍面临 AI 应用从"能回答"到"能办事"的转型瓶颈。IndepthAI 企业智能体开发与运行平台,是一款专为制造业打造的工业级智能体平台,致力于帮助企业打破 AI 与业务场景的壁垒,实现 AI 应用的**可治理**、**可运营**,真正让 AI 成为企业业务提效的核心引擎。 -IndepthAI 作为鼎捷面向制造业打造的工业级智能体平台,有别于通用平台的仅输出工具的交付模式,IndepthAI 提供智能体从**开发**、**运行**、**评测**到**发布**、**治理**的一体化平台能力,构建模型、知识、工具、流程一体化的智能体运行环境,破除企业自行集成的繁琐环节。 +Digi Agent Builder 作为鼎捷面向制造业打造的企业级智能体开发的核心产品,有别于通用平台的仅输出工具的交付模式,Agent Builder 不仅提供智能体从**开发**、**运行**、**评测**到**发布**、**治理**的一体化平台能力,构建模型、知识、工具、流程一体化的智能体运行环境,同时亦为鼎捷 **EIOSpace 企业智能运行空间**,提供各领域中专家智能体的构建和运行,打破企业自行集成各类智能体的繁琐环节。 -## 智能体开发平台架构概览 +## 智能体开发套件架构预览 -IndepthAI 架构自上而下划分为清晰的三个层级,各层权责明确,共同构筑制造业专属的企业智能体能力底座。 +Digi Agent Builder (IndepthAI 3.0) 架构自上而下划分为清晰的三个层级,各层权责明确,共同构筑制造业专属的企业智能体能力底座。 1. **用户感知层**(最顶层):直接面向开发人员和终端用户提供交互入口,涵盖专家级智能体开发 IDE,以及全链路运行调试管控前端,满足不同角色的操作需求。 2. **服务能力层**(中间层):整合智能体开发与运行的全品类核心能力。一方面提供两类成熟的智能体服务,适配不同业务场景:面向固定流程场景提供 **Workflow 智能体服务**,支持可视化流程编排;面向**开放任务场景**提供**自主智能体服务**,支持动态任务规划与可控执行。另一方面搭建完善的开发工具矩阵与资源中心,覆盖智能体、Skill、工具、提示词等全品类资产的开发管理,沉淀可复用的行业能力资产,同时提供 **Agent 运行与支撑服务**,保障智能体稳定运行。 diff --git a/docs/guide/scenario.md b/docs/guide/scenario.md index cd2ae13..a068067 100644 --- a/docs/guide/scenario.md +++ b/docs/guide/scenario.md @@ -25,13 +25,22 @@ title: 3.1 智能报价场景说明 该流程存在以下核心痛点: -| # | 痛点 | 说明 | -|:--|:--|:--| -| 1 | **响应速度慢** | 单份报价处理需 3~5 天,难以满足主机厂"快速定点"模式,订单流失风险高。 | -| 2 | **人力成本高** | 报价工程师需兼具图纸解读、工艺、材料标准等多领域知识,培养周期长达 6~12 个月;报价环节人力成本占总报价成本的约 35%。 | -| 3 | **错误率偏高** | 图纸参数提取准确率约 80%,材质牌号对照错误率约 8%,工艺路线映射偏差率约 12%,因报价偏差导致低价中标亏损或高价丢单的年均损失可达数十万元。 | -| 4 | **知识传承断层** | 资深工程师经验难以沉淀,新人上手周期进一步拉长。 | -| 5 | **数据孤岛** | 图纸、工艺卡、报价单分别存储在 PDM、MES、ERP 等系统中,未形成统一关联。 | + + + + + + + + + + + + + + + +
#痛点说明
1响应速度慢单份报价处理需 3~5 天,难以满足主机厂"快速定点"模式,订单流失风险高。
2人力成本高报价工程师需兼具图纸解读、工艺、材料标准等多领域知识,培养周期长达 6~12 个月;报价环节人力成本占总报价成本的约 35%。
3错误率偏高图纸参数提取准确率约 80%,材质牌号对照错误率约 8%,工艺路线映射偏差率约 12%,因报价偏差导致低价中标亏损或高价丢单的年均损失可达数十万元。
4知识传承断层资深工程师经验难以沉淀,新人上手周期进一步拉长。
5数据孤岛图纸、工艺卡、报价单分别存储在 PDM、MES、ERP 等系统中,未形成统一关联。
### 智能体可承担的角色 diff --git a/docs/guide/super-agent-practice.md b/docs/guide/super-agent-practice.md index e0b719a..2070b2a 100644 --- a/docs/guide/super-agent-practice.md +++ b/docs/guide/super-agent-practice.md @@ -4,7 +4,7 @@ title: 2.3 智能报价场景体验 # 2.3 智能报价场景体验 -下面通过一个真实业务场景,完整演示如何使用超级智能体 + 智能报价技能,从一份 Excel 询价单出发,自动完成全流程报价。 +下面通过一个真实业务场景,完整演示如何使用超级智能体 + 智能报价 Skill 技能,从一份 Excel 询价单出发,自动完成全流程报价。 ## 2.3.1 基础设定 @@ -34,7 +34,7 @@ title: 2.3 智能报价场景体验 智能报价过程用到了 ERP 与 CRM 的 MCP 服务,故需要到【设置中心】-【MCP 设置】-【企业提供的】分别找到 `mcp-for-erp-auto` 与 `mcp-for-crm-auto` 服务并开启,若已开启可以忽略。 -![开启 ERP 与 CRM 的 MCP 服务](/media/super-agent-04.webp) +![开启 ERP 与 CRM 的 MCP 服务](/media/super-agent-04.png) ### Step 4:技能(Skill)扩展 @@ -42,7 +42,7 @@ title: 2.3 智能报价场景体验 1. 依次按照下图 ①→②→③ 的操作步骤,进入到安装 Skill 画面。 -![进入安装 Skill 画面](/media/super-agent-05.webp) +![进入安装 Skill 画面](/media/super-agent-05.png) 2. 点击上图"点击选择 Skill 包(.zip)",选择 Step 1 解压资料文件夹 quotation-example 下的 Skill 包(`valve-body-auto-quotation.zip`)。 diff --git a/docs/guide/super-agent-summary.md b/docs/guide/super-agent-summary.md index 4d88d4f..3354460 100644 --- a/docs/guide/super-agent-summary.md +++ b/docs/guide/super-agent-summary.md @@ -4,7 +4,7 @@ title: 2.4 总结 # 2.4 总结 -IndepthAI(Digi Agent Builder)超级智能体的核心价值在于:将复杂的业务流程封装为可一键触发的智能技能,用户只需描述需求,剩下的交给智能体。 +Digi Agent Builder (IndepthAI)中内置的超级智能体,可以将复杂的业务流程封装为可一键触发的 skill 技能,用户只需描述需求,剩下的交给超级智能体来自动完成。 通过智能报价这个实例,我们可以看到: @@ -14,4 +14,4 @@ IndepthAI(Digi Agent Builder)超级智能体的核心价值在于:将复 - **容错不中断**:数据缺失时自动降级,保证流程跑通 - **结果可交付**:直接产出 HTML 报价单和 CRM 存档记录 -这只是一个开始。随着更多业务技能被开发和维护,超级智能体将覆盖越来越多的企业场景——从报价到排产、从合同到报表,让每一位员工都拥有一个懂业务的 AI 助手。 +这只是一个开始。随着更多业务技能被开发和维护,超级智能体将覆盖越来越多的企业场景。然而企业使用 AI 也需要考虑组织分工和安全治理,因此如果从单体智能体的创建开始入手,形成对智能体构建所需要的 skill 技能、知识库、工具调用、效果评测、安全治理等进行全方位了解,我们将从下面的动手课程练习开始,让您从头开始学习开发单体专家智能体,一起驾驭企业 AI! diff --git a/docs/guide/super-agent.md b/docs/guide/super-agent.md index 1835495..f74a060 100644 --- a/docs/guide/super-agent.md +++ b/docs/guide/super-agent.md @@ -4,7 +4,7 @@ title: 2.1 什么是超级智能体 # 2.1 什么是超级智能体 -超级智能体是 IndepthAI(Digi Agent Builder)的核心引擎。它不仅仅是一个聊天助手,更是一个具备自主规划、工具调用、多步执行能力的智能体——你只需用自然语言描述任务,它会自动拆解需求、调度资源、执行到底,并在过程中实时汇报进度。 +Digi Agent Builder (IndepthAI 3.0)核心能力包含内置超级智能体 (Super Agent)。它不仅仅可以完成通用办公助手的功能,更是一个具备自主规划、工具调用、多步执行能力的超级智能体——您只需用自然语言描述任务,它会自动拆解需求、调度资源、执行到底,并在过程中实时汇报进度。 与传统的"一问一答"式 AI 不同,超级智能体能够: diff --git a/docs/public/media/super-agent-04.png b/docs/public/media/super-agent-04.png new file mode 100644 index 0000000..fa15b55 Binary files /dev/null and b/docs/public/media/super-agent-04.png differ diff --git a/docs/public/media/super-agent-05.png b/docs/public/media/super-agent-05.png new file mode 100644 index 0000000..b8f4990 Binary files /dev/null and b/docs/public/media/super-agent-05.png differ