首页/ 产品/ 句子懂行

产品 · 懂行 · 记忆

句子懂行 · 记忆

把客户资料，沉淀成 AI 员工可用的组织记忆。

句子懂行是 AI 员工的记忆。客户把资料丢进来，归档 Agent 自动拆成记忆单元；体检 Agent 持续找冲突和缺口；检索 Agent 在指定范围内带出处作答。AI 答得准不准，先看记忆是否干净、可追溯。

看两条闭环

句子懂行 · 记忆

组织记忆运行中

素材、问答指引、可发资产、取数路径和检索出处在同一条链路里持续更新。

体检中

多入口接收文件、表格、图片、视频和秒回素材先统一进来。

批次中

拆成记忆单元正文段、问答指引、可发资产各归其位。

归档中

先范围再检索先看绑定范围，再拿出处和原文证据。

带出处

缺口回流待办答不上如实回流，生成补料任务回到入库链路。

可追溯

两条闭环

素材怎么进来，问题怎么被找到。

懂行不是把资料塞进库里就结束。它把入库和检索拆成两条稳定流程：资料进入时先变成可维护的组织记忆，客户提问时再按范围、出处和证据逐层找到答案。

资料入库

资料进来，先分清形态和归属。

一个编排 Agent 统筹整批素材，每份资料由子 Agent 端到端处理，不让表格、图片、视频和历史对话散落在不同链路里。

入库闭环

多入口统一接收文档、表格、PDF、图片、视频、压缩包、秒回素材都进入同一个批次账本。

先判断形态，再批量展开SKU 表这类资料先识别产品名列、属性列和分类依据，再按行列展开成问答指引，避免人工漏项。

资产也进入记忆图片、视频片段、PDF 内嵌图和数据表句柄都保留下来，后续回答需要发素材或取数时能被流程调用。

问题当场进入待办冲突、没把握的归属、需要人工确认的展开结果，在入库现场生成待办，确认后再写入组织记忆。

关键变化：资料不是“存起来”，而是变成带来源、归属、可调用资产和处理状态的记忆单元。

范围检索

问题进来，先看范围再找证据。

检索 Agent 不直接全库语义搜。它先进入机器人绑定的范围，拿到带出处的候选，再判断证据是否足够。

检索闭环

先匹配问答指引候选连同出处交回模型，作为行动指引，不直接当标准话术甩给客户。

证据不够再深度检索先看索引，确认范围内有什么内容和数据表；再收窄到文件夹或标签。

按问题类型取证一般问题走语义检索，型号和条款走关键词，取数问题先看表结构再定向取数，必要时读整份原文。

答不上就回流找到就给答案、出处和可发素材；找不到就如实说明，并落一张缺口卡回到入库待办。

关键变化：回答不是靠模型猜，而是按范围、索引、片段、原文和表结构逐层拿证据。

三个 Agent

三个 Agent，各守一段组织记忆。

总分结构保持不变：归档负责资料进入，体检负责发现问题，检索负责按范围找证据。每一步都能被看见，也能被人接管。

归档 Agent

判断素材形态和归属，把正文段、问答指引、可发资产、取数路径放到正确范围。

体检 Agent

入库当场查冲突和没把握的地方，长期追踪缺口、过期、重复与表达歧义。

检索 Agent

问题先进入绑定范围，带出处取证，不够再深度检索，答不上就回流成缺口待办。

真实界面

三个 Agent 的关键界面，串起记忆闭环。

从一批素材进入，到一次问题被回答，来源、处理状态、人工确认和命中证据都能看清。

一批素材进来，归档 Agent 先分清形态和归属。

上传后不是简单存文件，而是判断资料类型、建议归档目录、拆出记忆单元。表格、图片、视频和秒回素材都走同一条入库链路。

表格先判形态，SKU 类资料按行列展开成问答指引图片、视频和 PDF 内嵌图保留为后续可发资产

原始素材库

冲突和没把握的地方，当场变成待办。

体检 Agent 把同范围内的真冲突、缺口、过期和重复内容找出来。需要人工判断的，不会静默写进记忆，而是进入任务流。

入库当场只比对刚落的这一批，问题还在用户眼前定位到单元粒度，确认后再重新投影到可用范围

知识体检 · 任务中心

先确定范围，再逐层取证，不把无关材料塞给模型。

检索 Agent 先查范围内的问答指引和出处；不够再看索引、收窄文件夹或标签，最后才读片段、原文或表结构。

候选答案带出处交回模型，不直接当标准话术发送找不到就生成缺口待办，而不是臆造答案

检索调试台

先把组织记忆跑通，
再让 AI 员工上岗。

从一批客户资料开始，归档、体检、检索先跑通；简单角色最快 1 天上岗，复杂角色 90 天。