数据散在多个系统
CRM、ERP、财务、OA、文档和接口各自为政，AI 只能看到局部事实。
WHY QUERYOPS
企业 AI 落地的瓶颈不是模型，而是数据、语义、接口和权限没有连成闭环
单点 AI 助手可以提升局部效率，但企业真正需要的是能读数据、懂业务、调系统、留证据、持续沉淀的 AI 数据引擎。
字段不等于业务
表名和字段名无法直接表达客户、订单、回款、履约、风险和责任链。
问完还要人执行
普通问答只能给建议，创建任务、触发审批、更新状态仍然依赖人工切系统。
权限和审计不清晰
企业需要知道谁在用、哪个 Agent 在执行、查了什么、调了什么、结果从哪里来。
AI 信息图：从数据孤岛到数据飞轮
查看精确结构图：没有 QueryOps vs 接入 QueryOps
精确结构图
AI DATA ENGINE
QueryOps 把企业数据、知识、接口和 Agent 组织成数据飞轮
每次问答、每次报表、每次工具调用和每次自动化动作都会留下结构化记录，反过来帮助系统沉淀企业业务模型。
1
三类数据源统一接入
数据库提供事实，知识库提供规则和上下文，企业 API 提供实时系统能力和动作入口。
2
Harness Agent 受控执行
模型、提示词、工具、工作区、权限、Skill、Trace 和校验器一起构成企业任务执行容器。
3
读写闭环和审计留痕
AI 可以查数据、读文档、生成报表，也可以在授权边界内调接口执行动作并保留审计链路。
4
业务模型持续沉淀
系统从语义层、对话、报表、知识库、Skill 和操作记录中抽取业务对象、指标、关系和动作。
QueryOps AI 数据引擎总架构
DATA SOURCES
数据库、知识库和企业 API，是 QueryOps 打通企业数据的三条主线
三类入口分别覆盖事实数据、业务规则和系统动作，组合起来才能支撑真正的企业级 Agent。
业务事实
让 AI 查询企业真实数据库，而不是凭空编答案
数据源、数据切面、语义层和 SQL 校验共同定义查询边界。Agent 根据业务语义生成 SQL，通过受控执行器查询真实数据。
- 限定可访问表、字段和数据范围。
- 把表结构、关系、指标和别名整理为 Agent 可理解语义。
- 执行前校验只读、方言、超时和风险。
AI 问数链路
业务规则
知识库是企业非结构化数据和接口文档的统一入口
制度、SOP、合同、指标口径、接口文档和会议资料进入知识库后，Agent 可以先检索定位，再回读原文形成可信结论。
- 支持文档解析、切片、向量化和混合检索。
- chunk 只做定位线索，关键结论回读原始文档。
- 接口文档也可进入知识库，帮助 Agent 理解 API 参数和错误码。
三类数据源统一接入
执行动作
API 网关让 AI 可以在权限边界内调用企业系统
Agent 通过受控工具和 API 网关访问 ERP、CRM、OA、财务、飞书、企业微信等系统，既能查询，也能执行写操作。
- 用户身份和 Agent 身份共同参与权限决策。
- 支持通知、审批、任务创建、状态更新和回滚补偿。
- 调用参数、接口响应、审批结果和运行 trace 全链路留痕。
API 网关运行时权限决策
READ + WRITE AUTOMATION
QueryOps 不只读数据，也能通过接口执行写操作，支撑 AI 自动化流程
固定规则沉淀为 Skill、审批策略和网关控制；开放式判断交给 Agent。两者结合，形成比传统固定流程更灵活的企业自动化。
STEP 01
查询事实
读取数据库、报表数据和历史记录，确认问题是否真实存在。
STEP 02
读取规则
从知识库回读制度、SOP、接口说明和审批条件。
STEP 03
生成决策
结合业务语义、指标异常和权限边界判断下一步动作。
STEP 04
执行动作
通过 API 网关创建任务、发送通知、触发审批或更新状态。
STEP 05
审计回放
保存参数、响应、审批、回滚和 trace，支撑复盘与治理。
AI 信息图：读写一体自动化闭环
查看精确结构图
读能力 + 写能力矩阵
自动化动作示例
从“问完知道”到“知道后执行”
- 识别异常订单后创建跟进任务，并通知负责人。
- 发现客户风险后触发审批或升级工单。
- 经营日报生成后自动推送到协作平台。
- 审批通过后更新业务系统状态，并记录回滚补偿信息。
- 报表 Agent 结合 Skill 按固定流程稳定生成专题分析。
API GATEWAY
API 网关是企业落地的核心架构，不是附加能力
QueryOps 通过网关把 Agent 请求转化为企业系统可治理的接口调用，让自动化能力符合企业现有组织、权限、审批和审计体系。
AI 信息图：API 网关权限决策
查看精确结构图
企业 API 网关与权限决策
权限决策变量
不是只看用户，也要看 Agent 和工具
维度
问答 Agent
报表 Agent
自动化 Agent
数据
数据切面只查授权表和字段
报表范围按计划绑定数据源
任务上下文按流程限定数据
工具
检索和查询知识库、SQL、图表
制品写入HTML、图表、Manifest
接口动作通知、审批、更新
控制
只读审计SQL 与文档证据
质量校验报表、图表、数据快照
审批回滚人工确认和补偿策略
REPORT AGENT + SKILL
自动报表把高频问数沉淀成可回放、可复用、可审计的业务制品
报表 Agent 负责多步探索、数据查询、图表生成和 HTML 输出；Skill 负责把稳定流程、行业经验和输出规范沉淀下来。
自动报表链路
Harness Agent 执行容器
周期性任务自动运行
日报、周报、月报、经营复盘、风险监控等任务可以按计划运行，生成 HTML 报表和图表制品。
固定经验可复用
用户可以上传 Skill，把报表规范、指标计算、审核清单和 API 调用约束沉淀成能力包。
过程可以复盘
SQL、工具调用、图表、数据快照、错误修正和最终报告统一留痕，便于质量检查和问题定位。
BUSINESS MODEL
业务模型自动沉淀，让 AI 越跑越贴近企业真实业务
QueryOps 会从语义层、知识库、对话、报表、Skill 和操作记录中抽取业务对象、指标、关系、动作和权限，形成企业自己的业务语义层。
AI 信息图：业务模型自动沉淀
查看精确结构图
业务模型自动抽取
企业业务本体沉淀流程
业务实体
客户、订单、产品、合同、工单、区域、渠道、回款、履约、投诉。
经营口径
收入、转化、毛利、履约、风险、投诉率、ROI、留存和责任归属。
业务网络
对象关系、部门协作路径、上下游依赖、异常传播和责任链。
可执行能力
可查询、可通知、可审批、可更新、需人工确认和可回滚的业务动作。
CAPABILITY MODEL
核心能力层 + 企业适配层：既有标准底座，也能贴合企业现场
QueryOps 的产品底座负责通用 AI 数据引擎能力；企业适配层负责把企业现有系统、权限、审批和流程接入这套受控执行架构。
核心能力层
QueryOps 标准底座
提供数据接入、知识库、语义层、AI 问答、自动报表、用户 Skill、API 网关、自动化执行、Trace 和业务模型沉淀能力。
数据源
数据切面
语义层
知识库
AI 问数
自动报表
用户 Skill
Harness Agent
API 网关
写操作
审批回滚
业务模型
企业适配层
按企业现场落地配置
把企业已有组织架构、权限体系、接口规范、审批流程、业务对象、行业指标和专属流程接入 QueryOps 的执行链路。
ERP / CRM
OA / 财务
飞书 / 企业微信
RBAC / ABAC
单点登录
审批策略
幂等控制
回滚补偿
行业指标
专属 Skill
业务对象模型
审计策略
POSITIONING
QueryOps 不是替代所有系统，而是企业 AI 访问数据、理解业务和执行动作的核心枢纽
它可以与 BI、低代码平台、通用 Agent 平台、企业数据平台和自动化系统协同，重点承担 AI 数据引擎和受控执行层的角色。
| 常见方案 | 通常解决什么 | QueryOps 的差异 |
|---|---|---|
| 知识库问答 | 上传文档后问答 | 知识库只是非结构化入口，QueryOps 还会结合数据库、企业 API、原文回读、自动报表和业务模型。 |
| Text-to-SQL | 把自然语言转 SQL | 加入数据切面、语义层、SQL 校验、知识库上下文、图表、trace 和权限边界。 |
| BI 报表 | 固定看板和人工建模 | 既能临时问数，也能自动生成 HTML 报表，并把报表过程沉淀为 Skill 和业务模型。 |
| 通用 Agent 平台 | 搭建 LLM 应用和工具流 | 更聚焦企业数据、业务语义、权限审计、自动报表和 API 执行闭环。 |
| RPA / 工作流 | 固定流程自动执行 | 固定规则与 Agent 动态判断结合，适合开放式业务分析后的自动化动作。 |
USE CASES
适用于任何有数据、有文档、有系统接口、有跨部门协作需求的企业
QueryOps 不绑定单一行业。只要企业存在数据孤岛、重复报表、跨系统操作和业务知识沉淀需求，都可以接入这套 AI 数据引擎。
经营分析
销售、渠道、产品、区域、客户、利润、转化、履约等指标分析。
管理报表
日报、周报、月报、专题复盘、风险预警和经营简报自动生成。
知识问答
制度、SOP、合同、培训材料、接口文档和项目资料查询。
数据团队提效
把反复出现的数据需求沉淀为语义层、报表计划和 Skill。
自动化协作
异常识别后创建任务、发送通知、触发审批和更新业务状态。
企业 AI 建模
从交互和运行记录中抽取业务对象、指标、关系、动作与权限。
AI 信息图：企业价值看板
查看精确结构图
企业价值看板
