汉得灵猿 AI 中台1.9版本迎来升级！汉得灵猿 AI 中台致力于帮助企业快速落地 AI，提供多模型对接能力，内置对话应用、可自配置的多分类智能企业知识应用、提供智能体与 Agent 应用编排能力，帮助企业低门槛地应用 AI，提供向量管理与应用能力、私有模型训练与应用能力。本次更新聚焦企业智能体落地痛点，数字员工工作台、个人与业务智能体、知识检索能力全面进化。低门槛搭建、高可靠运行、强权限管控，让 AI 真正嵌入业务流程，助力组织快速落地智能化场景。一起来看看本次升级的主要亮点吧！汉得灵猿 AI 中台数字员工工作台焕新当前企业 AI 能力以零散 AI 工具形式存在，来回跳转、反复切换不仅操作繁琐，也拉高了员工的使用门槛。汉得 AI 中台1.9版本对数字员工工作台进行了全场景重构，将 AI 数字员工使用、任务管理、能力复用等整合到统一入口，常用功能汇聚一处，左侧菜单清晰直达，让你少找一步、少切一次，更快开始工作。会话打开就能聊，沟通更顺畅新版的工作台将新建会话和历史会话集中呈现，发起新需求、接着上次聊，都更顺手。待办和历史该做的、做过的，集中查看数字员工查找有入口，新建不绕路数字员工新建入口与查找员工结合，查找、选择、新建更加顺畅。能力中心所需能力，快速触达能力中心常驻左侧导航，需要时直接进入查找，少花时间找工具，更快开始处理工作。我的文档资料入口在手边，查阅更方便对话之外需要查阅文档？左侧菜单直接进入，资料查阅与日常交流衔接更自然。定时任务告别逐个查，任务集中管定时任务集中管理，把需要按时开展的工作提前安排好，方便随时查看任务计划、调整执行安排。汉得灵猿 AI 中台新增个人与业务智能体在企业 AI 落地过程中，常常陷入两难：一线员工需要灵活自主的能力扩展，而业务团队则要求标准化的执行口径与统一的能力沉淀。本次版本正式推出个人智能体与业务智能体，精准匹配个人效率提升与组织级业务落地两类核心场景，让 AI 既能灵活适配个性化探索需求，又能深度承接标准化业务流程，兼顾个体灵活性与组织统一性。个人智能体面向个人使用者打造，主打自主性与灵活性，是员工探索 AI、提升个人效率的核心载体。个人智能体支持智能规划模式，大模型自动解析用户需求，拆解为可执行的子任务；同时支持用户单独配置工具、Agent 、Skill 与 MCP，自主性更强。业务智能体面向业务、团队与部门打造，核心定位是固化业务能力、承接标准化流程、沉淀组织经验。业务智能体将成熟的业务处理方法、标准流程统一沉淀，由后台配置集中管控，确保业务执行标准一致、服务体验稳定。它承载的是组织验证过的业务能力，让优秀的工作方法可以被全员复用。汉得灵猿 AI 中台新增LLM Wiki与Agentic RAG企业积累了大量文档，面对复杂问题，找到相关资料只是第一步。该如何组织知识、补齐依据、核对出处呢？AI中台1.9版本引入LLM Wiki 与Agentic RAG，分别从知识整理与问答检索两端发力，彻底重构企业知识问答的精准度与体系化能力。LLM Wiki把分散资料整理成知识百科传统知识管理往往是 “文档堆积”，资料零散、关联断裂，使用者找到原文却难以快速建立完整认知。LLM Wiki 通过 AI 深度梳理全部资料，自动规划多级目录，并在知识页之间自动建立关联链接，形成一部结构清晰、可交叉跳转的企业知识百科。Agentic RAG根据问题持续寻找依据面对复杂问题，传统 RAG 仅做一次检索就生成答案，极易出现信息遗漏、理解片面的问题。Agentic RAG 由 Agent 主导整个查找过程：先分析需要哪些依据，再调度检索工具，从 Wiki 和原文中多路并行查找信息，并主动判断现有依据是否充分。 如果信息仍有缺口，可以自动调整关键词、切换查找范围，或沿着 Wiki 链接继续延伸查找，直到信息完备，最终生成带有明确引用出处的答案。汉得灵猿 AI 中台新增智能体记忆在企业日常协作中，项目推进、业务处理往往跨越多天、多轮对话。如果智能体只能记住当前会话，都需要重新交代细节，既增加沟通成本，也影响工作衔接。新增的智能体记忆功能在原有短期会话记忆基础上，新增中期每日记忆与长期分层记忆，让数字员工接得住当前对话、找得到历史线索、用得上业务经验。短期记忆承接即时对话，支持连续追问与任务调整。例如完成报表分析后提出“再按月份拆开”，智能体即可结合前文接续处理，让本轮任务顺畅推进。中期记忆中期记忆以每日记忆的形式，自动提取值得留存的业务事实，支持检索同一应用内当前用户近30天的跨会话记忆。智能体可调取相关记忆，帮助用户接续工作，减少重复交代业务背景的沟通成本。长期记忆长期记忆面向更长周期的业务积累，分为用户记忆摘要、Agent 记忆摘要和数字员工记忆摘要，让业务经验有序沉淀、按需复用。用户记忆摘要：自动提炼持续交互中的关键信息，留存项目背景、工作习惯与偏好要求，帮助智能体在后续对话中延续理解，减少重复沟通。用户记忆在同一租户内归属个人，支持跨应用复用。编排记忆：为单个编排提供独立记忆空间，沉淀可复用的业务约定、处理逻辑与已验证经验。自动生成的记忆条目审核后生效，可供同一租户下使用该编排的用户共享，提升同类任务的处理效率。数字员工记忆：摘要围绕具体数字员工对应的应用，积累业务背景、团队协作约定与服务经验，支持单独查看和管理。自动提炼的共享记忆同样需审核后生效。汉得灵猿 AI 中台平台体验持续优化除核心模块外，AI 中台1.9版本围绕智能体执行、内容创作与知识管理持续优化，让业务能力更易复用、复杂任务处理更顺畅。智能体优化从直接对话办理业务，到在编排中推进复杂流程，智能体都需要把工具、资料与专业方法衔接起来。1.9 版本围绕智能体应用与编排中的 AutoAgent 节点，共同升级 Harness 智能执行引擎，在原有任务规划与工具调用基础上，扩展能力接入、专业技能、记忆和执行管理，让 AI 更好地承接日常工作与业务流程。智能体应用：在对话中衔接业务与内容创作，围绕采购、销售、风控等业务关键节点，筛选高价值应用场景，确保 AI 技术直击业务痛点AutoAgent节点：让专业能力融入业务编排，AutoAgent 在原有节点工具、子编排和 MCP 调用基础上，新增专业 Skill 与业务本体能力接入。本体工具使用节点选定的业务对象、动作与函数等资源范围，为查询业务信息、调用业务操作提供支撑，让智能体围绕配置好的业务能力推进流程。专业技能与沙箱工具协同：拓展任务处理方式，智能体按需加载技能说明，复用专业工作方法，并结合已启用的文件读写、脚本与命令执行等工具处理资料和文件。智能体应用结合应用配置与用户已启用的分配确定相关内置工具范围，AutoAgent 则支持节点级禁用配置，具体可用能力取决于配置与运行环境。调用前先校验，执行安排更有序：工具执行前，系统会按已声明的参数规则进行校验；发现参数不符合要求时，将错误反馈给模型重新规划，避免直接带着错误参数执行。执行时再按工具的并行能力组织批次，可并行的工具在同一批次处理，不可并行的工具独立执行，并补充工具超时处理与取消检查。长对话管理更细致，异常反馈更清晰：请求长度估算、历史压缩与工具结果裁剪等优化，并为指定工具保留完整结果。新增每日记忆与长期记忆接入，按各自的上下文、作用域和开关配置辅助理解任务；AutoAgent 还可在节点中配置记忆召回数量、匹配阈值及压缩触发阈值。对部分模型瞬时故障提供有限重试，达到规划轮次上限时生成停止说明，让任务进展与未完成情况更容易理解。新增多人协作对话：智能体应用支持多人协作对话。成员可以在同一会话中补充信息、参与讨论，AI 则结合现有任务上下文持续辅助处理。消息对应到具体发送者，创建者可以邀请或移除成员，受邀者也可退出协作。所有相关人员围绕同一项任务、同一套上下文共同推进，信息对齐更高效。执行过程展示优化：智能体执行过程支持分批折叠、按需展开，默认优先呈现任务主线与各步骤的核心结论，日常使用页面清爽直观，降低理解门槛。需要核验或排查问题时，用户可以进一步展开查看检索关键词、资料来源链接和原始执行日志，全链路信息完整可追溯，兼顾日常阅读体验与专业核验需求。内容创作中心优化◈ 新增“ AI 找文档”内容创作中心新增 AI 智能查找，融合语义理解与图像特征识别，支持以文搜文、以图搜文档及图文联合检索。看到一张参考图、一份截图素材，直接上传即可匹配内部相似文档与素材。用户还可以指定知识库范围、筛选检索类型，更快定位历史文档与参考素材。◈ 新增网页/原型类型适用于品牌介绍、产品宣传、活动专题、招聘落地等场景，无需代码基础，输入内容即可生成可在线浏览、自适应多端的精美网页。◈ 新增报告类型整合原始数据资料，自动组织结构化分析内容，智能搭配可视化图表与规范排版，并支持在线预览、多人分享及 PDF 导出。◈ 新增多图生成功能支持系列图片生成、缩略图切换、图片详情查看与单图下载，满足主题配图、系列展示等创作需求，提升内容生成的连贯性及效率。文档库&知识库优化◈ 文档权限独立配置文档权限支持对预览、问答和管理三类权限分别配置。每类权限均可独立设置继承或覆盖。系统提供全层级及同层级两种覆盖模式。用户可根据业务需求灵活控制权限的作用范围。◈ 父级权限继承管理文档和目录新增父级权限继承开关，并展示继承来源。导入文档时可按需选择是否继承父级权限，快捷方式则自动继承，满足不同添加方式下的授权需求。对继承权限进行修改后，可保留调整结果。重新启用继承时，系统会同步父级权限，方便文档或目录恢复到统一的权限管理规则。◈ 问答应用支持选择知识分类将分类结构引入问答场景，让知识内容的引用更加完善。面对不同业务领域、主题或用途的知识，用户可以结合分类查找和选择所需内容。汉得灵猿（大圣）AI 中台1.9版本的发布，是我们在深化智能应用、提升业务协作体验道路上的又一次迈进。每一项能力升级，都立足企业实际需求，致力于让 AI 更好地融入日常工作。未来，我们将持续倾听用户声音，深耕技术研发，不断拓展平台能力、优化服务体验，与广大用户携手探索企业智能化的更多可能。还有更多新版本的升级变更，请您点击查看：汉得焱牛开放平台往期文章多端工作入口对接工作端升级，让 AI 成为随时可@的数字同事！汉得灵猿AI中台 | 上新Skill技能库与沙箱管理，构建安全可控的企业级AI能力资产 ！一键生成PPT，从此告别熬夜写稿！携手汉得，共铸硬核竞争力！

近日，IDC 发布《IDC MarketScape: 中国智能体平台厂商评估，2026》，汉得灵猿 AI 中台凭借企业级 AI 智能体平台综合能力入选领导者象限。企业业务有流程知识有权限创作有规范如何让智能体灵活协作的同时，遵守企业流程规范和权限边界，是企业级 AI 融入企业业务广为关注的问题。汉得灵猿 AI 中台如一间“企业智能体工作室”：业务智能体、个人智能体、安全自主 RAG、创作中心。四种能力各有分工，也能共同协作，让 AI 更好地融入企业业务运营管理日常。业务智能体看得见的业务流程导航图一项业务任务，往往不是一句“帮我处理”就能完成。❓ 需要查哪些资料❓ 什么条件下走哪条分支❓ 哪些动作需要确认这些环节，都需要事先想清楚。业务智能体是一张可视化业务流程导航图：将任务拆成节点，把业务规则、工具调用和流转关系连接起来，让团队看得见流程如何走，也能按需要调整和管理。把流程画清楚，不代表模型永远不会出错。通过明确规则、设置检查与人工确认，并结合运行记录持续调优，进一步提升业务执行的可控性与可靠性。个人智能体按需装配的随身工具箱业务智能体是团队共同遵循的流程图，个人智能体则是随身工具箱：面对个人任务，先理解目标，再按需要取用工具。根据需要加载适用的 Skill 和工具，结合任务进行规划与执行。例如，围绕一个研究主题整理资料、归纳要点，再形成可供修改的初稿；也可以协助准备会议材料或创作内容。使用者仍需核对资料与结论。熟悉 WorkBuddy 或 OpenClaw 的读者，可以把它理解为“给个人 AI 助手装上技能、工具和规则安全沙箱，让它围绕目标安全合规的开展工作”。个人智能体的灵活与业务智能体的流程约束协同工作，在提高个人工作效率的同时，提升业务的工作效率，让 AI 融入到个人和企业业务中。IDC 报告指出，汉得灵猿 AI 中台支持两类智能体双向调用，让动态分析、方案生成与预定义业务流程相结合，提质增效。安全自主RAG懂身份权限的安全门禁企业知识库不是一本对所有人敞开的书。同一份资料，谁能看、谁不能看，往往取决于用户身份、所在部门的角色权限。智能体使用知识，需要遵循权限合规边界。Security Agentic RAG 是懂身份权限的安全门禁：先依据角色、用户和部门等授权，将访问范围落实到文档；文档拆分后的知识切片继承相应权限。检索与引用在授权范围内进行，回答时也应支持追溯来源，让使用者能够回到相关资料核对。例如，员工询问一项制度时，智能体应从其获准访问的知识范围中寻找相关内容，而不是因为“能搜索”就跨越权限边界。权限配置、源数据同步和实际部署方式都会影响效果，重要结论仍应回看原文。创作中心有模板有工序的内容工坊从空白页面到一份可用的 PPT 或一张思维导图，真正费时的往往不只是写字，还包括组织结构、选择呈现方式、整理素材和反复修改。创作中心像一座内容工坊：围绕 PPT 、思维导图等形式，结合不同模板与创作流程，帮助使用者从素材出发，逐步完成结构梳理、内容生成和检查完善。模板多样，流程可控，既方便快速起步，也为后续调整留下空间。不同模型各有所长，适配不同模型，结合模板、任务拆解与质量检查，有助于提高输出质量和稳定性。但最终效果仍取决于模型能力、素材质量、任务复杂度和人工审核，不能保证任何模型在所有任务中都产出优秀结果。✅ 一张业务流程图，让业务步骤可设计✅ 一只按需装配的工具箱，让个人任务更灵活✅ 一道安全门禁，让检索与引用守住授权边界✅ 一座内容工坊，让创意更容易变成可交付的成果业务有章法，个人有助手知识有边界，创作有方法让 AI 放手做事，让企业放心使用未来，汉得将继续结合企业业务、技术平台与实施经验，推动汉得灵猿 AI 中台能力在实际场景中持续打磨，与企业一起探索更可用、可控、可持续的智能化工作方式。携手汉得，共铸硬核竞争力！

在 AI 时代，大模型、智能体和智能应用如何快速落地融入企业提质增效受到广泛的关注。工业企业尤其是制造企业流程长、业务场景复杂，在工业 AI 智能化落地难度尤其大。制造企业的管理团队焦虑的核心关注点之一：AI 能不能进入工艺、设备、质量和生产现场，解决一个个具体问题，优化提升工艺质量。汉得深耕制造领域近30年，积累大量制造业客户和行业场景。依托「得·灵」企业级 AI 产品/服务体系，基于企业级 PaaS 平台 H-ZERO 构建的智能制造 HCMs 协同平台，我们把工业数据、业务流程和 AI 模型连接起来，帮助企业构建高效、可靠、可闭环的工业 AI 行业垂类模型和应用。这个专题希望通过一系列工业 AI 真实场景落地案例，把我们在工业 AI 落地中的经验、想法和方法呈现出来，为更多制造企业提供参考。本篇聚焦锂电池负极石墨化。负极石墨化质量预测与工艺优化模型AGPO AI Model锂离子电池通过锂离子在正、负极之间往返来完成充放电。充电时，锂离子从正极经过电解液进入负极；放电时再返回正极，电子沿外部电路流经用电设备，提供电能。▲ 锂电池是怎样充放电的？负极材料可以理解为充电时锂离子的“存放地”。它能容纳多少锂离子、进出是否顺畅，会影响电池容量和充放电表现。人造石墨是常用的负极材料，其层状结构可以容纳锂离子。为获得负极材料所需的结构和性能，人造石墨生产会对适用的碳材料进行高温处理，让内部碳原子的排列更规整、更接近石墨结构，这就是石墨化。以电阻加热炉为例，物料装炉后按工艺要求送电加热，再停电冷却、出炉取样，检测石墨化度和比表面积（Specific Surface Area，SSA）。难点在于，质量结果出来时，送电过程通常已经结束；原料、装炉位置、保温条件和送电方式不同，同样的用电量也可能得到不同质量。季节性 SSA 波动、相关材料使用后的加工变化，以及喷炉样本少等问题，都让现场需要更早的质量研判和更有依据的工艺调整。▲ 负极材料是怎样“石墨化”的？围绕这些需求，构建负极石墨化质量预测与工艺优化模型（Anode Graphitization Prediction and Optimization AI Model，简称AGPO AI Model），按数据规整、质量预测、送电优化逐步推进。数据贯通为每一炉建立完整工艺档案AGPO AI Model 的建设，首先需要把分散的数据准确对应到同一炉次。通过制造执行系统（MES）、质量管理系统（QMS）及设备采集接口，关联物料批次、原料指标、装炉数量与位置、相关材料使用状态、送电曲线、检测结果和异常记录。其中，炉号、炉次、物料批次、装炉位置和样品编号，是连接过程与结果的关键。一炉涉及多批物料、多个位置取样时，需要保留各自对应关系，才能分析不同位置的质量差异。连续曲线也需要结合送电阶段来理解。电流、电压、电阻的变化发生在哪个阶段，是否伴随人工调整，采集时间和单位是否一致，都会影响后续判断。短时缺失可以在适用条件下有限补全，关键异常窗口则应保留原始记录，避免把真实毛刺当作脏数据删除。影响因子分析让工艺调整有据可循面对夏季比表偏高、冬季偏低，直接把原因归结为季节，可能忽略同期原料、装炉和操作方式的变化。分析应先从相近条件的炉次开始。按产品牌号、炉号、装炉量和相关材料使用状态分组，比较质量、周期、产出和能耗，再检查原料指标、送电历程及环境条件的差别。AGPO AI Model 可以结合相关性分析与回归模型，筛选与石墨化度、比表面积和加工表现有关的因素，为工艺人员提供重点核查方向。但统计关联和模型重要性，需要经过工艺复核或生产试验，才能进一步形成调整依据。随着分析积累，企业可以逐步明确：❓ 哪些物料适用现有曲线❓ 哪些装炉或材料状态需要单独评估❓ 哪些条件变化需要触发工艺复核现场经验由此获得可追溯的数据支撑。质量预测让出炉指标提前进入研判质量预测要先明确三个问题：预测哪个指标？对应哪个取样节点？在生产的什么时点给出结果？石墨化度反映结构有序化程度；比表面积（SSA）反映单位质量材料的可接触表面积，也受到粒径、孔隙、表面处理和检测条件影响。两者需要分别建模，不能简单换算。AGPO AI Model 可以采用软测量（Soft Sensing）思路，将物料、装炉信息、送电特征与工艺机理结合起来建立质量预测模型，并与现行经验方法比较验证。这一方法需要尊重实际炉型与传热条件。输入电量不能直接代表物料获得的热量，炉表温度也不能单独反推出炉芯温度。机理模型需要标定，数据模型需要明确适用工况。预测石墨化出炉中间品与预测后续成品，也有不同的数据要求。若目标是后续成品的 SSA，还需关联粉碎、筛分、混配、包覆等加工条件。在约定生产节点，模型使用当时已经获得的数据，输出预测值、预测范围和适用条件。工艺人员据此识别偏离目标的风险，复核物料与工艺适配情况。质量预测为过程研判争取时间，最终放行仍以检验结果为准。送电优化在质量约束下比较工艺经济性有了经过验证的质量模型，送电方案才有条件进入更有依据的比较。围绕不同原料、装炉量和产品要求，AGPO AI Model 可以配合约束优化方法，从已有或经工艺认可的候选曲线中，比较各阶段功率、持续时间与累计电量，并评估对应的质量达标风险。质量预测负责判断候选方案可能得到什么结果，优化方法负责在可行方案中进行取舍。设备电流上限、功率变化及工艺允许范围等条件，需要作为明确约束进入计算。优化建议由工艺人员审核，再通过小范围生产试验验证。历史数据上的预测表现，需要进一步接受曲线调整后的实际质量结果检验。经营评价同样需要明确口径：单位合格产出的电耗反映能源使用效率，用电成本还受到电价时段等因素影响。移峰带来的电费下降，应与实际节电分别评价。异常检测让运行偏离进入复核与处置喷炉事件少，稳定前兆尚需验证，初期建设宜从运行参数异常监测做起。系统按送电阶段和工况建立正常范围，结合电流、电压、电阻的变化率与多信号联动，识别需要关注的偏离。在数据条件允许时，可以评估孤立森林（Isolation Forest）等异常检测方法，补充对复杂变化的识别。异常提醒应保留发生时刻、工艺阶段、关联信号和人工操作，供现场人员回放、核查。参数偏离可能来自工艺切换、传感器故障或其他设备异常，不能直接等同于即将喷炉。随着事件前后曲线与正常炉次持续积累，再验证是否存在稳定前兆，并评价误报、漏报及有效提前量。在这一过程中，模型提供辅助提醒，现场人员负责综合判断和处置，既有设备保护承担其原有职责。喷炉预警与设备保护分别设计，才能明确各自的作用与边界。▲ AGPO AI Model 应用闭环结果回流持续沉淀石墨化工艺模型与知识工业 AI 的价值需要在现场应用和持续验证中形成每一炉的预测结果、实际检验值、送电调整和异常处置，都应回到炉次档案。质量偏差扩大时，需要进一步分析原料、工况、数据采集及设备状态变化，重新评估模型的适用范围。操作记录、维修经验与经过审核的处置方法，还可以通过大语言模型（Large Language Model，LLM）进行整理，并结合检索增强生成（Retrieval-Augmented Generation，RAG）供人员查询，让经验更容易被找到和复用。建设路径也应遵循现场验证的顺序：先完成数据规整，开展炉次分析和基础异常监测；再验证质量预测；再验证质量预测；通过验证后，逐步开展送电优化试验。模型或数据失效时，按经审核的原工艺和既有保护运行。依托「得·灵」企业级 AI 产品/服务体系、H-ZERO 和 HCMs 平台能力，可以进一步把数据接入、质量预测、工艺审核、生产试验与结果回流连接起来，推动 AGPO AI Model 融入制造业务流程。对于负极石墨化，工业 AI 的落地价值在于：✅ 让质量风险更早进入研判；✅ 让送电方案获得可比较的依据；✅ 让异常处置与工艺经验持续积累。在工艺人员、质量检验和生产系统的协同下，把一炉一炉的经验沉淀为可验证、可迭代的行业垂类模型与应用能力。携手汉得，共铸硬核竞争力！