AI 技术引擎 — 大模型调度 · Multi-Agent · RAG · 私有化推理

02 / 技术 AI TECH ENGINE · AI 技术引擎

自研 AI 技术底座，让智能体真正进入业务

从大模型调度到 Multi-Agent 编排，从企业知识增强到私有化推理——迪晨把前沿 AI 工程能力，做成企业可直接使用的生产力设施。

大模型调度与微调

主流大模型统一接入、按场景智能路由，结合业务数据微调，让效果与成本始终可控。

Multi-Agent 智能体编排

角色分工、任务拆解、结果汇聚，多个数字员工像一支团队一样协同交付复杂工作。

RAG 企业知识增强

企业文档与专家经验向量化入知识库，让 AI 回答有据可依、有源可溯、越用越准。

多模态理解与生成

文档、表格、图像、语音统一处理，贴合企业真实业务输入形态，不再只会「打字」。

流程自动化执行

通过 API 与 RPA 连接 ERP、CRM 等业务系统，让 AI 从「给建议」走到「做执行」。

私有化推理与安全

支持企业内网 GPU 推理与权限隔离，数据不出企业边界，全程审计留痕。

SWARMAI · AGENT 运行控制台

$swarm init --org dichen --mode private

✓数字员工集群已就绪 · 36 个智能体在线

$agent deploy 采购合同审查 --to Sophia.Lin

✓已接单 · 比对合规基线 142 条 · 标记风险点 3 处

$workflow run 经营周报 --schedule weekly --notify exec

✓已交付至管理层邮箱 · 全程留痕可审计

$knowledge sync --source 华夏基石方法论 --index rag

✓知识资产更新完成 · 1,284 条业务规则生效

1,284

今日数字员工任务执行

在线数字员工 / 智能体

26s

平均任务交付时长

* 演示环境实时模拟数据，正式环境由 SwarmAI 平台统计输出

智能体推理实况 · 一个任务是怎么被拆开干完的

RUNNING

输入任务 审查《原料采购框架协议》，标出风险条款并给出修改意见

编排器—

任务拆解与分派

识别任务类型 → 拆成 4 个子任务 → 按能力匹配分派给 3 个智能体，可并行的并行跑。

检索—

RAG 向量召回

从企业知识库检索相关条款与历史判例，命中 12 条，每条带出处编号。

审查—

逐条比对合规基线

对照 142 条合规基线与风险清单逐项核验，标记风险 3 处。

复核—

交叉验证高风险项

对 3 处高风险条款换一条推理路径重算，结论一致才放行，不一致转人工。

汇总—

生成审查意见 + 出处引用

每条意见都附上依据来源与原文位置，法务点开就能复核，不是一句「建议修改」了事。

* 以真实合同审查场景还原的推理链路演示。实际任务的拆解方式、调用的智能体与耗时，随场景和数据量而定。

毫秒级向量检索响应

条条可溯源回答附出处与原文位置

按场景路由强模型算难的，快模型跑高频

100%操作留痕可回放

0数据出企业内网

* 以上为平台能力特性与设计目标，实际表现随部署环境、数据质量与业务场景而定。

一套编排，接得住主流模型 按场景智能路由：复杂推理走强模型，高频简单任务走快模型，成本和效果一起管住。

ClaudeGPTGeminiDeepSeek通义千问智谱 GLMKimi豆包Llama私有化自训模型