难点：企业知识格式多样、图文并茂

复杂文档解析、切分、检索、推理、生成准确率保持领先。

基于OCR大模型，突破复杂版面分析、元素识别等技术瓶颈
· 业界首个支持200MB以上超大文档 vs.业内普遍100MB内
· 丰富的文档类型，超过26类 vs.业内普遍 10类以内
· 支持图文混排(多列排版)版面分析、图文表/公式/页眉等元素识别               文档解析业内能力全面，准确率相比传统解析提升30%。

· 结构化的知识散落在企业的各种数据源中，结构化表格往往幅长 (上百列、上万行....)

基于大语言模型的embedding模型，支持8K长切片检索，多文档信息召回率从85%提升到92%；

综合使用摘要检索、关键词检索、向量检索，提升不规则大表格的问答准确率。

小（摘要）找大（表格）：通过检索摘要来获取相关的表格
通过大语言模型对表格进行摘要，通过检索摘要来获取相关的表格。如表格超过了大语言模型能够支持的最大长度，将表格切分为多个子切片，通过子切片的摘要生成表格摘要。

数智人结合腾讯云大模型知识引擎，基于DeepSeek模型+联网搜索+行业领先RAG能力，使其推理、图文问答能力升级，稳定性全面提升，可通过数智人平台直接切换deepseek模型，支持DeepSeekV3&R1（R1版本支持展示思考过程）大幅提升数智人智能程度、企业知识梳理及维护的成本。

定义
集成大模型、代码、插件等各类原子能力的结构化框架，通过低代码可视化画布，编排各类 AI 能力，实现复杂业务流程。

实际业务场景往往由多种条件分支组成。典型场景如“快递费用查询”，包含了收发地确认、寄送物品确认、费用计算，优惠活动等一系列复杂流程。
痛点：
1、涉及业务接口多、模型调试困难。
2、大量问法话术、追问等机械的流程，对话体验较差。

通过可视化拖拉拽的方式编排不同的原子能力（如大模型、知识库、插件等），零代码构建业务流程。

典型场景举例
问题1：已运行过的节点无法回退

场景：挂号场景中，更改过往已提取到的挂号科室。

工作流内置具有全局视野的Agent，负责接管对话、控制节点跳转、识别全局意图。

MCP 兼容 & 插件生态，预置丰富的腾讯内外部插件，开箱即用，同时支持自定义插件快速接入。