越用越贴合你的Agent神经网络
按任务汇集你的依据,越用越贴合你。这些记忆保存在你的电脑上。
按任务汇集依据
把记忆、人设、参考任务、邮件、附件和设计与任务相连,AI回答前先读一遍。
当场记住
对话中定下的决定、禁止事项、修改、文风与格式会当场记为记忆。
常用记忆优先
优先调出最近使用的记忆和同一项目的记忆,用于下一项任务。
按任务汇集你的依据,越用越贴合你。这些记忆保存在你的电脑上。
按任务汇集依据
把记忆、人设、参考任务、邮件、附件和设计与任务相连,AI回答前先读一遍。
当场记住
对话中定下的决定、禁止事项、修改、文风与格式会当场记为记忆。
常用记忆优先
优先调出最近使用的记忆和同一项目的记忆,用于下一项任务。
筛选候选
只挑出可能关联的列
表的角色
区分主数据、交易、历史
两列匹配
对齐名称、格式、含义
确认值重叠
查看实际值是否重叠
判定关系
1:N、N:M的方向与基数
回溯验证
对先前判断重新评分
点击节点可查看详情,右键可跳转探索。
无统计数据
国际公认测试报告书
100%
召回率(Recall)
应当找出的关系一个都没有遗漏。
98.53%
精确率(Precision)
所指出的关系中与标准答案一致的比例。
在本次测试中,模型没有遗漏标准答案中的任何一处关系(召回率 100%),并且额外指出了一处标准答案中没有的关系。按测试规则,这一项被计为误报,因此精确率为 98.53%。
然而真实现场并不存在标准答案。运行了 15 至 20 年的系统从未声明外键,了解这些关系的人也早已离职。此时所需要的,并不是核对文档中已写明关系的能力,而是把从未有人记录下来的关系找出来、摆在眼前的能力。
能够指出标准答案之外的内容,说明模型并非背下了既定答案,而是读懂了数据结构本身。我们认为这一项才是本次测试中最重要的部分,因此不予隐藏,两个数值一并公布。
最终判断由人做出。模型指出的关系会连同依据一并作为待审查项提交,由负责人确认后确定。在遗留系统分析中,多找出来交由人审查,比遗漏更安全。
客户信息、业务数据、运营数据库等敏感企业数据不会用于训练。
先固定你的资料和标准
在生成时注入数据结构、菜单、API、命名规则。
依据设计重新评分
以设计书为标准重新审查生成结果。
没有依据就标记「待确认」
没有依据的值先留空,并询问相关人员。
只读
以只读方式读取生产数据库。
不删除
写入需经审批,不做删除,并保留历史。
保留依据
没有依据时标记为「待确认」。
通过其他路径继续
外部连接中断时,通过其他可用路径继续工作。
左右滑动,比较不同部署方式。
| 个人订阅 | 企业订阅 | 本地部署 | 完全隔离网络 | |
|---|---|---|---|---|
| 工作执行 | 用户电脑 | 用户电脑 | 用户电脑 + 自有服务器 | 自有服务器 |
| 工作文件、对话、代码 | 用户电脑 | 用户电脑 | 用户电脑、自有服务器 | 自有服务器 |
| 记忆、神经网络 | 用户电脑 | 用户电脑 | 用户电脑、自有服务器 | 自有服务器 |
| AI 模型 | ez2AI 连接的外部 AI 模型或个人 AI 账户 | 企业名义的工作用 AI 账号(含在席位中) | 按客户协商或自有模型 | 仅自有模型 |
| 发送给外部 AI 的内容 | 工作指令、结果 | 工作指令、结果 | 生成请求、结果 | 无 |
| 组织上传的资料(Works) | 不适用 | 不适用(仅提供Agent) | 自有服务器(安装Works时) | 自有服务器 |
| 录音、PDF 转换 | 处理后不保留 | 处理后不保留 | 自有服务器 | 自有服务器 |
完全隔离网络需要自有推理模型和GPU配置,将在确认需求后另行报价。