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亟须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，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。

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。

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”。