**桌面客户端则是为本地任务和资源管理而生**。AI 助理直接运行在你自己的电脑上，能够直接安全地操作本机文件、终端与浏览器，真正做到“在你的机器上帮你干活”。对于需要访问本地资源或数据的场景，桌面客户端是更便捷和低成本的选择。
## 这些场景，桌面客户端更得心应手
### 1. 本地文件使用和处理
如果日常有大量本地文档、表格、代码需要编写或修改，桌面客户端可以直接读写你电脑上的文件，无需上传到云端。AI 助理拥有自己的工作空间，对空间外的文件变更会在用户同意后才执行。
告诉 AI 助理你想做什么，它会自主规划步骤，帮你批量处理、归档、生成报告，全程在本地完成。
将电脑上的文件重新整理并发送：
整理后生成的文档：
### 2. 企业数据分析
当电脑中存着大量表格和数据，之前需要将文件一个个上传才能让 AI 帮你分析，现在超级AI助理可以在读取数据后快速形成专业的分析报告，还可以根据需求生成 PDF 文件或者 HTML 页面，便于分享。
访问和分析本地文件：
生成可视化报告：
生成可视化图表：
### 3. 应用开发与实时预览
想做一个小工具、内部应用或产品原型？桌面客户端可以直接操作本机终端和浏览器，让 AI 助理完成从需求拆解、代码编写、功能测试到本地运行的全流程。
写好的应用可以直接在本地浏览器中预览效果，改了就能看，无需部署、无需切换工具，vibe coding 体验大幅提升。
应用开发与本地实时预览：
### 4. 构建本地知识库
平时看到好文章、收藏的链接、记下的碎片笔记，往往就散落在各处、再也找不回来。有了桌面客户端，只需把这些内容直接发给 AI 助理，它会自动整理并构建成结构化的本地知识库，支持目录树浏览和知识图谱可视化。也可以直接新建文档或导入本地文件，让知识持续积累、有序沉淀，随时可检索引用。
知识目录树：
知识图谱：
### 5. 手机端管理电脑资源
日常外出拜访客户，即便不在电脑旁边，也能通过微信、飞书、钉钉等软件直接与超级AI助理对话，让它帮你查找电脑端文件、执行本地任务等。无论工作场景切换，让超级AI助理随时在身边。
通道接入配置：
移动端访问电脑端资源：
💻 [立即下载超级AI助理桌面客户端](https://link-ai.tech/product/agent)（支持 macOS 与 Windows）
👀 [查看桌面客户端使用文档](https://docs.link-ai.tech/platform/superagent/desktop)
---
# LinkAI CLI 开源！一行命令调用平台全部能力
**LinkAI CLI（命令行工具）正式开源，一行命令，让 Agent 直接调用整个 LinkAI 平台的能力。**
## 一句话讲清 LinkAI CLI
之前，LinkAI 平台上编排好的应用、知识库、数据库、工作流、插件等资源主要通过控制台界面使用。
LinkAI CLI 是 LinkAI 平台的命令行工具，可以通过一行命令在终端中访问平台核心能力，同时可以被任意 Agent 工具（Claude Code、Cursor、Codex、CowAgent 等）直接管理和调用。
LinkAI CLI 把平台全部能力和资源封装为一个 `linkai` 命令，作为 Agent 的基础设施，扩展 Agent 的能力边界。
无论是个人开发者，还是企业客户，LinkAI CLI 都能极大降低 Agent 对接和调用的复杂度，提升 Agent 应用落地的效率。
👉 [直达开源仓库](https://github.com/MinimalFuture/linkai-cli) 👈
## 如何使用 LinkAI CLI
### 1. 安装 LinkAI CLI，授权登录
**Agent 自行安装**：将下面这句话发给 Agent，它会自行安装 CLI、下载 Skill 并开始使用：
> 阅读 https://cdn.link-ai.tech/cli/install.md 并按其中的步骤安装 CLI 与 Skill，然后开始使用。
通过 **npm 安装** 或使用 **一键安装脚本**（零依赖，会同时安装 Skill）：
```bash
npm i -g linkai-cli
```
```bash
# macOS / Linux
curl -fsSL https://cdn.link-ai.tech/cli/install.sh | sh
```
```powershell
# Windows (PowerShell)
irm https://cdn.link-ai.tech/cli/install.ps1 | iex
```
安装后，在浏览器中登录并勾选操作权限即可：
接入微信后，超级 AI 助理支持在单聊场景中收发文本、图片、文件、视频消息，并且还能识别语音消息，实现微信内一站式智能交互。
> 若需要接入群聊使用，欢迎联系企业产品顾问咨询
目前 CowAgent 开源项目也已更新支持个人微信接入，按如下指引即可接入体验：
👉 [CowAgent开源项目接入微信指引](https://docs.cowagent.ai/channels/weixin)
## 技术博客
---
# 让 Agent 在对话中成长：自进化机制的五层实现
> 自进化 (Self-evolution) 是 Agent Harness 的核心模块，拥有自进化能力后 Agent 才能在长期的任务交互中不断成长，总结和改进自己的技能、记录用户的反馈和偏好，从被动应答升级为能够主动复盘和自我成长的 Agent。本文以 CowAgent 开源项目为例，介绍 Agent 框架中五层自进化机制的架构设计和工程实现。
目前 LinkAI 超级AI助理 及 CowAgent 均已具备自进化能力，让用户能享受到持续成长、越用越懂你的智能助理体验。本文以 CowAgent 开源项目为例，介绍 Agent 框架中五层自进化机制的架构设计和工程实现。
## 整体设计
要实现 Agent 的自我进化，不只是让它记住信息，更要能通过持续的反馈改进和修复自己。自进化机制根据深度不同可以划分为：记录信息、保留信息、主动行动、整理沉淀、自我重构，不同深度需要改进的对象、触发的时机和影响范围都不同。
在具体实现上，有两个关键点要考虑： **"什么时候触发进化"** 和 **"要改进的是什么"**。在 CowAgent 中，完整的自进化机制由五个层级共同构成，分别对应不同的进化深度，包括：基础的记忆和知识维护、上下文智能总结、会话后主动复盘、梦境记忆整理、源码自更新。整体架构如下：
| 层级 | 改进内容 | 触发时机 | 进化深度 |
| --- | --- | --- | --- |
| 基础记忆和知识维护 | 记忆 / 知识 / 提示词 | 每次对话中 | 记录 |
| 上下文智能总结 | 记忆 | 上下文超限时 | 保留 |
| 会话后主动复盘 | 技能 / 记忆 / 提示词 / 任务 | 会话空闲后 | 行动 |
| 梦境记忆整理 | 长期记忆 | 每天定时 | 沉淀 |
| 源代码自更新 | 代码 | 被动/主动触发 | 自我重构 |
## 一、基础记忆和知识维护
最基础的一层自进化其实发生在每一次的对话过程中，Agent 通过大模型的工具决策能力以及系统提示词的引导，判断对话中是否包含有价值的信息，并通过内置工具把偏好、决策、事实、经验教训等写进长期记忆，把可复用的知识写进知识库，把涉及到 Agent 设定及运行规则等内容写入提示词文件。
这三类信息维护的对象和时机各不相同：
- **记忆**：持久化在工作空间的文件中，又分核心记忆和天级记忆。核心记忆（`MEMORY.md`）存放用户偏好、关键决策这类长期有效的事实，会被注入到每次对话的系统提示词里，所以必须保持精炼；天级记忆（`memory/YYYY-MM-DD.md`）按天记录关键事件和对话摘要，只在 Agent 用记忆检索工具时才加载。
- **知识库**：以 Markdown 源文件存于工作空间、向量化数据存于数据库，按主题组织、页面间交叉引用成知识图谱。当对话中发生搜索学习、深度研究等任务时，Agent 会主动把整理后的知识沉淀进来。
- **提示词**：人格设定（AGENT.md）、规则（RULE.md）、用户信息（USER.md）等也支持在对话中被实时修改，它们都会加载进系统提示词，让 Agent 根据反馈持续调整自身设定，贴合用户习惯。
> *上图示例：用户在一次提问中表达了偏好并让 Agent 研究一个新概念，Agent 在回答的同时主动把偏好写进记忆、把整理后的资料沉淀进知识库*
## 二、上下文智能总结
上一节关于长期记忆的维护解决的是如何记住关键信息，而这一节主要解决的是 Agent 在进化中如何不丢失信息。上下文是短期记忆，项目中提供了可配置的轮次和 Token 长度限制，当超限时不能简单裁剪掉旧消息，而是要把其中的重要信息提炼总结后写入天级记忆中。整个智能压缩分四步处理：
1. **截断超长工具结果**：第一道也是最廉价的一道。历史轮次里单个工具结果（如一次返回上万行的检索）超过阈值时，只保留首尾两段加一句省略说明，正在进行的当前轮次不动。这一步纯字符串处理、不调模型，往往就能挡住大部分增长。
2. **按完整轮次裁剪**：轮次超限时，**以"一轮完整对话"为最小单位**裁掉最早的一半，而不是逐条删消息——这样能保证一次工具调用的入参和执行结果始终成对保留，不会给模型留下"调用了工具却没有结果"的残缺上下文。被裁的内容并不是丢弃，而是由 LLM 进行整理、提炼、总结，一方面写入当天的天级记忆持久化，另一方面注入回保留消息的开头，让模型在丢掉原始细节后仍能接住前文的来龙去脉。
3. **按 Token 压缩**：当裁完轮次仍超出 Token 限制时，再做进一步更精细化的裁剪，当轮次本就不多时会对每一轮做文本压缩（只留用户的首条提问和 Agent 的末条回复，剥掉中间的工具调用链）；当轮次较多时则继续裁剪并总结更早的前一半对话。
4. **溢出兜底**：当模型 API 直接抛出上下文溢出，同样会先把当前对话总结进记忆，再做一次更激进的截断，这是最后一道保险。
## 三、会话后主动复盘
**会话后复盘** 是自进化中主动性最强、也是最核心的部分，当一段对话告一段落、进入空闲时，Agent 会主动回顾整个会话内容，把对话中暴露的问题修复、将可复用流程固化为技能、把没做完的任务接着完成等。
### 3.1 进化内容
首先来看在复盘中主要做哪些改进：
- **优化和创建技能**：当某个 Skill 在用的时候暴露了问题（例如配置错误、缺少步骤、内容过时等），会直接修改技能文件让问题不再复发；如果在对话中跑出了一套可复用的流程，则会主动固化成一个新技能，在下次类似任务时可以更稳定地执行。这一步让 Agent 从「技能的使用者」变成「技能的维护者」。
- **收尾未完成任务**：把承诺了用户但没做完、或因临时性故障 (例如网络波动、环境问题等) 中断的任务，进行 review 并再次尝试完成。
- **补齐记忆 / 知识 / 提示词**：作为查缺补漏，主对话本身就会主动写入记忆和知识库，所以这里只作为兜底。
> *上图示例：Agent 在会话后复盘中发现可复用的工作流程，创建为一个新技能，并主动通知用户*
在改进中有两个关键的设计取舍：
1. 技能和未完成任务是主要价值，记忆、知识、提示词只作为查缺补漏，因为这部分已有其他多层机制覆盖，无需太多重复关注。
2. 修复源头而不是只记录问题：如果问题根因在技能本身，正确的动作是改技能，而不只是在记忆里记一句「技能 X 有个错」，这是目前很多 Agent 项目都存在的问题。记录症状不能阻止复发，只有优化源头才能根除问题。
### 3.2 触发时机
主动复盘会在会话结束、空闲一段时间后触发，且需要积累一定对话轮次才值得复盘，简单说就是「用户不再继续聊了，且这段对话有足够的信息量」，两个条件都满足才触发一次。
在项目中，可以通过 Web 控制台的开关一键开启和关闭自进化开关，另外触发空闲时间 (默认10分钟) 和 会话轮次阈值 (默认6轮会话) 也可以通过配置文件进行进一步调整。
### 3.3 安全可控
让 Agent 动手改自己，一个最重要的问题就是 "会不会改坏、会不会打扰用户"。一个支持自主修改的系统，最容易出现的几个问题包括：1. 把错误的信息写进记忆或技能等；2. 执行命令时越权改到系统内置的模块；3. 修改完无法追溯和回退。
所以这一层的设计就是围绕 **可追溯、可回滚、隔离执行** 的安全可控目标来实现：
- **隔离执行**：每次的复盘是一个独立的异步临时任务，使用同一个主模型，但可用工具集大幅收紧（只能读上下文、改记忆与技能），不污染、也不会拖慢主对话，同时项目自带的内置技能会在代码层面进行保护。
- **变更可回滚**：在 Agent 改动前会自动备份相关文件，用户如果不认同某次改动，直接在对话发送消息 (例如 "把刚才的改动撤销") 即可还原工作空间。
- **变更可追溯**：Agent 会将每一次变更记录持久化存储于空间中，在「Web 控制台-记忆-自主进化」页面中可以追踪具体信息。
- **未变更则不打扰**：复盘后会核对是否有实际的改动，如果有变更则会主动将内容推送给用户，否则全程静默、用户无感知。
## 四、梦境记忆整理
梦境记忆整理 (Deep Dream) 由每天夜间的定时任务 (默认 23:55) 主动完成。首先会将当天各会话的上下文 (短期记忆) 整理写进天级记忆，随后执行一次记忆蒸馏，读取当前的核心记忆和当天的天级记忆，交由模型进行去重、合并相近条目、修剪、提炼新信息并替换旧信息，输出一份精炼后的核心记忆，同时会生成一篇叙事风格的梦境日记，记录这次整理发现了什么、合并和清理了什么。
梦境整理是每天运行的全局视角的自进化，对当天所有会话的一次通盘梳理，解决的正是随着时间推移，长期记忆最容易出的两个问题：**不断膨胀** 和 **自相矛盾**。整个过程遵循几条核心规则：
- 含义相近的多条合并成一条更高密度表述；
- 从天级日记里萃取值得永久记住的新信息（偏好、决策、规则、经验、教训）；新旧记忆冲突以新条目替换旧条目；
- 临时记录、空条目、已被覆盖的冗余则直接清理，最终将核心记忆 (MEMORY.md) 控制在一定数量内 (约 50 条以内)。
为了让记忆整理更安全可控，在实现上做了几层保护：
- 当天没有新日记时直接跳过，绝不空覆写已有的核心记忆
- 对日记内容和每条消息分别做哈希去重，同样的内容不会被重复写入天级记忆（即使对话跨天）
- 在提示词层面强约束整理的真实性，避免凭空生成不存在的记忆
除了每天定时跑，也支持手动触发指定整理最近 N 天的记忆，所有的梦境整理内容会以日记的形式持久化保存在工作空间中。
## 五、源代码自更新
源码自更新指的是 Agent 在运行过程中能够实时修改自身代码并重启，以解决无法通过外置技能、工具等解决的问题，由于存在一定不可控性，这里更多做开放性讨论。
出于安全性考虑，目前 CowAgent 项目没有把源码自更新作为内置开放的功能，但用户可通过指定要求来实现该效果。项目默认就是源码安装方式，Agent 天然有访问源代码的权限，只需将项目代码路径告诉 Agent 并给出明确改动需求即可让其修改自身代码并重启，如果想要让 Agent 能够更主动地修改代码，还可以封装为 Skill 或 Prompt 作为内置能力。
修改代码是修改 Agent 能力本身，不像变更记忆、技能等数据，影响面更大。源码自更新存在两个难点：
- 如何避免 Agent 把代码改坏，影响正常启动
- 如何在当前进程中关闭自身并重启新的进程
为了解决这两个问题，项目中实现了一个 `cow self-restart` 的 CLI 命令，专门用于 Agent 的自重启。首先会对代码进行运行自检，出现任何依赖导入或解释器错误都会中止重启；自检通过后则会启动一个脱离于当前进程树的接力进程，在这个进程中对旧的进程进行关闭，并启动新的进程，实现优雅自重启。
而在开源项目场景中，Agent 修改自身代码其实还有另一个问题，就是版本冲突。当本地修改代码后，必然会相对主干分支形成分叉，后续官方版本更新后，代码拉取就有可能存在冲突，这个时候就需要依赖人工或者 Agent 协助进行解决了。
> *上图示例：Agent 自行定位到自身代码问题并修改，再通过命令完成自检与重启*
## 总结
通过不断递进的五层设计让 Agent 学会主动调整自己的提示词、记忆、知识、技能、甚至是源码，回顾整体设计思路，难点其实不是实现修改自己的能力，而是让它能够改得克制、改得可控。
目标其实很朴素：真正实现一个越用越懂你、越用越少犯错的 Agent，而不是每天重新认识你一遍的 Agent。
文中的实现来自开源项目 CowAgent，感兴趣可以参考其 [源码](https://github.com/zhayujie/CowAgent) 与 [文档](https://docs.cowagent.ai/zh/memory/self-evolution)。
---
> [AgentMesh](https://github.com/MinimalFuture/AgentMesh) 是一个开源的多智能体 (Multi-Agent) 平台，核心目标是解决多个智能体之间的通信和协同问题，真正实现 "1+1>2" 的效果。能够帮助用户快速创造自己的多智能体团队，或是让已有的多个单一智能体获得协同能力，最终解决更为复杂的任务。
# AgentMesh通用多智能体框架
## 单一智能体架构的瓶颈
在介绍多智能体系统之前，首先需要论证的一个问题是，**我们是否真的需要多个智能体**？目前单智能体技术已经比较成熟，在各个AI平台都可以快速搭建出用于不同场景的Agent，一般来说这些Agent以大模型和提示词为基础，能够检索来自于知识库或数据库中的私有数据，并且能通过工具访问外部服务。
但是随着任务的复杂度提升，单智能体架构也会面临瓶颈：
1. **上下文限制：** 复杂任务下，多轮的思考和执行可能带来超长的上下文，超出模型的上下文限制
2. **注意力机制：** 将不同场景下的角色定义和规则都写到一个智能体的系统提示词中，会降低指令遵循效果，同样的，给一个智能体配置大量的工具也会导致工具决策的准确性下降
3. **模型能力**：不同模型擅长处理不同类型的任务，单个智能体难以实现模型动态的切换
4. **异构Agent**：某些场景下处理特定任务的智能体天然就运行在不同的平台（例如你在salesforce运行了一个Agent可以访问你的CRM系统，而在OpenAI搭建了一个Agent并维护你的企业知识库）
5. **可扩展性**：在单一智能体中，任务增加新的需求场景会导致已有的智能体设计越来越臃肿，并且变更后需要回归其他场景是否收到影响；而多智能体架构下只需增加新的智能体成员来负责这一需求。
## 多智能体架构演进
所以在面对复杂任务的场景下，单智能体到多智能体的演进其实是符合现实世界规律的，是一种经典的分而治之的思路。例如在**现实工作**中，一个团队中会有不同的岗位，每个成员有不同的技能，负责不同的子任务；在软件工程领域的**SOLID原则**中，这符合"单一职责原则"，复杂的模块应该进行拆分；在**微服务架构**下，服务拆分后整个系统的可维护性、可扩展性都会得到提升，避免单点故障。
综上，理想的多智能体架构应该支持对每个智能体的**模型、提示词、知识、工具**进行独立的配置，每个智能体有自己的记忆，也有整个团队的上下文记忆。复杂任务进入后，智能体之间会通过**通信和协作**处理各自的子任务，单个智能体内部则支持多轮思考和调用工具，最终整个智能体团队将整合并交付完整的输出结果。另外，这些智能体可能分布在不同平台，使用不同的技术栈开发，运行在不同的服务器上。
最后说说与**工作流 (Workflow)**的差异，工作流更多是对各种原子能力的固定编排，优势是执行链路更为准确，缺点是每次新增需求都需要进行配置工作，适合更为明确的任务，例如定时获取指定接口的数据整理后推送，而多智能体则更适合更为发散、创造性的场景，泛化能力更强。
## AgentMesh的目标
目前已有的多智能体开源项目大多关注框架层，例如 `MetaGPT`、`Swarm`、`CamelAI`、`AgentVerse` 等，对于新场景的实现需要通过代码开发来完成，主要用于开发者将多智能体能力集成到已有的系统中，有一定使用门槛。
**AgentMesh**最终想实现的是一个完整的多智能体平台，不仅可以为开发者提供代码开发框架，还可以让用户通过零代码配置的方式快速自定义自己的智能体团队，通过图形界面进行**交互、管理和追踪**，并且能够接入到各个常用软件中真正实现多智能体的具象化。AgentMesh可以运行在本地，最大化利用个人计算机的浏览器、文件系统、代码解释器等工具资源；也可以运行在云端，使用虚拟化的设备资源和第三方工具服务。另外AgentMesh还会解决**异构Agent**的协同问题，让运行在不同平台的Agent能够相互协作，共同解决问题。
# 整体架构
## 架构设计
根据上文中的多智能体平台想解决的问题和应用场景，AgentMesh的理想架构如下：
基于分层架构实现，保证每一层都具备可扩展性：
- **模型层：** 支持主流商用模型的接入，同时支持通过ollama和vllm接入本地模型
- **框架层：** 多智能体核心能力部分，包括Agent所需的工具、记忆、知识、模型，以及负责多Agent交互的Team模块。其中Tools模块将支持通过MCP协议接入MCP Servers，同时支持集成自定义开发的插件；Team模块将支持远程异构Agent的加入和写作。整个核心框架层可通过 `agentmesh-sdk` 对外提供。
- **应用层：** 多智能体团队将支持命令行运行、Web界面运行、通过SDK或API集成到自研应用中，以及提供常用通讯和办公软件的集成。
## 运行流程
任务运行时的决策处理流程如下，第一层是多Agent的规划策略，第二层是Agent内部工具的ReACT多轮决策：
## 已实现功能
- **基础的多Agent协同策略：** 支持零代码的Agent定义、复杂任务拆解、多Agent间决策和Agent内多轮工具决策
- **多种模型选择：** 支持 OpenAI、Claude、DeepSeek、Qwen 等主流大模型，可为不同agent设置不同模型
- **内置工具：** 支持浏览器、搜索引擎、文件系统、终端等多种内置工具
- **多种运行方式：** 支持命令行、Docker、SDK 等多种运行和集成方式
## 后续规划
- **WebUI：** 用户友好的多Agent管理和追踪界面
- **支持MCP协议：** 获得无限扩展的工具能力
- **异构Agent通信：** 支持打通不同Agent平台，与远程Agent共同协作
- **更多模型：** 支持更多模型厂商及本地开源模型
# 快速开始
**Github地址：** 
CowAgent能够搭建一个全能的「个人AI助理」，长期运行在个人电脑或服务器中，以便捷的方式接入飞书、钉钉、企业微信、网页等渠道和你协作互动。
而很多企业同样需要一个掌握企业知识、了解业务流程的「企业数字员工」，LinkAI与CowAgent的集成可以将平台的插件、知识库、数据库能力快速应用于Agent助理中，极大提升搭建和使用的体验。
## CowAgent核心功能
### 01长期记忆系统
Agent 会在用户分享重要信息时主动存储，也会在对话达到一定长度时自动提取摘要。支持语义搜索和向量检索的混合检索模式。
- **首次启动时，**Agent 会主动询问关键信息，并记录至工作空间中的智能体设定、用户身份、记忆文件中。
- **长期对话中，**Agent 会智能记录或检索记忆，不断更新自身设定、用户偏好，总结经验和教训，真正实现自主思考和持续成长。
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
### 02任务规划和工具调用
Agent 根据需求智能规划任务和多轮调用工具，完成各类复杂操作。
**（1）终端和文件访问**
对操作系统的访问是最基础的工具能力，用户可通过手机端与 Agent 交互，操作个人电脑或服务器上的资源：
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
**（2）应用编程能力**
基于编程能力和系统访问能力，Agent 可实现从信息搜索、素材生成、编码、测试、部署、Nginx配置、发布的 Vibecoding 全流程，通过移动端一句话命令完成应用开发。
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
同时，通过和Github API的打通，Agent可以自主完成问题发现、定位、修复、提交PR、反馈的研发全流程。目前CowAgent已经参与自身开源项目的维护，与开发者共同协作：
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
[点击查看案例](https://github.com/zhayujie/chatgpt-on-wechat/pull/2657)
**（3）定时任务**
支持 一次性任务、固定时间间隔、Cron表达式 三种形式，任务触发可选择 **固定消息发送** 或 **Agent动态任务执行** 两种模式：
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
### 03技能系统
CowAgent实现了Skills运行和创建的引擎，每个 Skill 由说明文档、运行脚本(可选)、资源 (可选) 组成，为 Agent 提供无限扩展性。
**（1）技能创造器**
支持通过自然语言对话创建技能，将Agent的复杂工作流程固化，或快速对接任意外部接口：
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
**（2）搜索和图像识别**
项目中还提供了一些内置技能，例如最基础的网络搜索和图像识别，基于搜索插件可以更方便的获取接口信息以创建更多Skill。
* **网络技能**：内置博查搜索技能，通过对话方式配置API Key后即可使用
* **图像识别**：支持OpenAI的图像识别接口，并兼容各个接入渠道的图片及文件消息接收
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
## LinkAI & CowAgent集成
LinkAI平台中支持文本、图片、视频、语音等多厂商、多模态模型，同时新增了 Claude 4.5、Gemini 3 Pro、GLM 4.7、Minimax 2.1、Qwen3 Max 专注Agent推理及编程的模型，支持在项目中灵活切换：
同时平台中内置了搜索、地图、文件处理、图像生成、视频生成等多种插件，可以在Agent中一键使用：
另外CowAgent内置了**linkai-agent技能**，可将 LinkAI 上搭建的智能体作为 Skill 使用，根据用户任务进行智能路由，实现了多智能体决策。LinkAI 能让平台的知识库、数据库、插件等核心能力与CowAgent实现灵活协作，打造真正了解个人及企业的专属Agent助理。
| 
| | 
|
| ------------------------------------------------------------ | ---- | ------------------------------------------------------------ |
后续，LinkAI将推出真正开箱即用的超级AI助理，实现一键免部署快速使用，并全面集成平台上所有的Agent能力。
---
# DeepSeek V4 模型的 Agent 能力实测
> LinkAI平台及开源CowAgent均已全面接入DeepSeek V4系列模型，无论是本地部署的CowAgent，还是LinkAI平台上运行的云端「超级AI助理」，都能第一时间享受到更强的模型能力。
DeepSeek V4 系列发布之后，关于它能不能用、好不好用的讨论很多，但大部分评测还停留在普通对话或编码上。CowAgent 作为一个开源中立的 Agent 框架，则更关心模型在 Agent 链路中的真实表现，包括任务规划、复杂编码、长期记忆、浏览器自动化、知识库构建、长上下文处理等，本文针对这 6 项能力在 CowAgent 中对 DeepSeek V4 模型做了全面测试。
新发布的 DeepSeek V4 模型系列分 Flash 和 Pro 两档，本次评测主要关注 `deepseek-v4-flash`。它的价格大约是 Pro 的 1/10、Claude Sonnet/Opus 的几十分之一、MiniMax M2.7 的三分之一，响应速度也更快。如果 Flash 已经能够覆盖大部分 Agent 任务，那 Pro 自然会更好。这次测试也是为了决定是否要把 CowAgent 的默认推荐模型切换到 V4 Flash 模型。
## 一、测试环境
测试在 [CowAgent](https://github.com/zhayujie/chatgpt-on-wechat) 的 Web 端进行。CowAgent 是一个开源的 AI Agent 框架，内置任务规划、工具、技能、长期记忆、知识库等模块，并支持多种接入渠道。每个测试场景在独立 session 中 运行，互不干扰。关键参数：
| 配置项 | 值 |
| --- | --- |
| 模型 | `deepseek-v4-flash` |
| 深度思考 | 开启，`reasoning_effort` 参数使用默认的 `high`，需要更深思考强度时可设置为 `max` |
| 单任务最大步数 | 50 |
| 历史对话保留 | 20 轮 |
| 上下文 token 上限 | 100 万 |
| 工具 | 13 个内置工具（bash / edit / read / write / web_search / web_fetch / browser 等）|
| 技能 | 30+ Skills（frontend-engineer / image-generation / video-gen / pptx-creator 等）|
## 二、场景设计
6 个场景的设计原则是：**每个场景对应 Agent 的一个核心能力维度，且尽量贴近真实使用**
| 场景 | 测试关注点 | 任务复杂度 |
| --- | --- | --- |
| 任务规划与技能调度 | 多工具/Skill 协同、长链路规划 | 高 |
| 复杂交互式编程 | 单文件零依赖前端、视觉冲击 | 高 |
| 长期记忆 | 跨 session 记忆检索 + 推理 | 中 |
| 浏览器自动化（小红书） | 真实站点多步操作、登录态处理 | 高 |
| 知识库自动构建 | 联网调研 + 知识图谱组织 | 中 |
| 超长上下文处理 | 网络长文档消化 + 大海捞针 | 高 |
## 三、场景实测
### 场景 1：任务规划与工具/技能调度
**任务**：下周要做一场关于「AI Agent 在企业中的落地实践」的内部分享，让 Agent 全程接管：1) 调研客服 / 营销 / 研发三大场景下的 AI Agent 落地案例；2) 生成一份 8 页的 PPT 文件；3) 把分享要点沉淀到知识库。
**关注点**：在 13 个工具和 30+ 个 Skill 的工作空间里，能不能精准选择并组合执行，这是最考验规划能力的场景。
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| 总耗时 | 229.5s |
| 工具调用次数 | 35 次 |
| 联网搜索 | 7 次 |
| 文件读写 | 12 次 |
| 产物 | 一份 8 页的分享 PPT + 一篇知识库沉淀文档 |
| 状态 | 成功 |
**观察**：Flash 的执行路径基本是 拆解 → 逐场景调研 → 沉淀文档 → 生成 PPT → 更新知识库，整个链路一次跑通，没有出现重复执行或漏步骤。35 次工具调用都用得很克制，没有冗余动作，说明它的多工具规划在 Agent 框架的提示词约束下是稳定的。
Web 端对话：
生成结果：
最终生成的 PPT（样式和美观性还要取决于安装的 Skill，这里用了一个比较基础的 PPT 生成技能，整体文字、排版基本没有问题）：
### 场景 2：复杂交互式编程
**任务**：做一个「ATLAS AI · 全球运营中心」实时大屏（单 HTML 文件），包含实时核心指标、双 Y 轴 QPS/延迟折线图、全球节点地图、5 维能力雷达、GPU 集群柱状图、实时事件流、Top 模型排行榜。要求**视觉冲击 + 单文件 + 数据全前端模拟**。
**关注点**：复杂前端代码生成 + 视觉品味 + 单文件零依赖约束。
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| 总耗时 | 381.7s |
| 工具调用次数 | 28 次 |
| 文件分次写入 | 6 次（避免单次 token 截断）|
| 自我验证 | 调用浏览器多次打开 + 截图回看 |
| 产物 | 一个零外部依赖的单 HTML 文件 |
| 状态 | 成功 |
**观察**：
1. V4 Flash 主动用 *分块写入* 的方式构建大文件，先写骨架再补图表
2. 写完后 **主动**调用浏览器工具打开页面截图回看，这一步不是 prompt 要求的，是模型自己加的稳定性兜底
3. 一个小遗憾：prompt 里要求"零外部依赖"，模型还是引用了 echarts CDN。这是 Flash 在约束细节上的执行还不够严格的体现，复杂约束下 Pro 大概率会更稳
网页展示效果：
模型自己调用浏览器打开页面、截图回看的过程：
### 场景 3：长期记忆
**任务**：分两个 session 做。**第一阶段** Setup 在 session A 中分三轮聊天，把「迟到的春天」咖啡品牌的零散信息（品牌定位、视觉、供应链、首店选址、店长候选人）灌给 Agent；**第二阶段** Query 用一个全新的 session B，要求 Agent 基于"它对我品牌的所有了解"，写一份 30 天运营计划 + 给店长选择建议。
**关注点**：跨 session 记忆能否被精准检索 + 多条记忆能否综合推理。
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| Setup 总耗时 | 49s（3 轮）|
| Query 耗时 | 142.4s |
| Query 阶段工具调用 | 2 次（记忆检索 + 记忆读取）|
| 检索到的相关记忆条目 | 14 条 |
| 状态 | 成功 |
**观察**：在全新 session 里，Flash 只用 2 次工具调用就把品牌的全部细节拿出来了，视觉色（雾霾蓝 #6B8FA8）、供应商（普洱孟连老黑寨合作社）、租金、店长候选人薪资全部一字不差，并且**基于这些信息给出了结构化建议**：
> 「精品咖啡调性优先 → 推小林 → 但可以谈到 1.6~1.7 万作折中 → 用股权/分红预期补一点薪资差距」
第一个会话中进行了多轮问题咨询：
新会话中的回复，可以看到模型主动触发了记忆检索：
长期记忆中沉淀下来的品牌信息：
### 场景 4：浏览器自动化
**任务**：分三步走：1) 打开小红书 explore 页搜「DeepSeek」，提取前 6~8 篇笔记的标题、点赞、互动量，总结爆款套路；2) 基于调研写一篇标题、正文、话题标签的笔记草稿，保存到本地；3) 打开发布页，未登录时截图二维码让用户扫码，扫码完成后填入草稿，停在最终发布按钮前等用户确认。
**关注点**：真实有反爬的网站、登录态处理、知道什么时候应该停下来求助用户。
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| 总耗时 | 124.4s（不含用户扫码等待时间）|
| 浏览器工具调用 | 8 次 |
| 主要动作 | 打开页面 / 读取 DOM / 点击 / 填写 / 截图 |
| 关键交互节点 | 遇到登录页主动截图二维码并暂停 |
| 状态 | 成功 |
**观察**：
1. Flash 在扫码节点的处理是这次的亮点：没有盲目填写用户名密码，而是先截图当前页面发送给用户，等用户回复已登录后再继续
2. 在最终发布按钮前停下来等确认，没有擅自把内容发出去。这是 Agent 安全感的一个细节体现
3. 标题模仿小红书爆款结构（emoji + 钩子 + 数字）写得很到位
搜索结果页和模型总结的爆款套路：
模型在登录页主动请求用户协助：
登录后自动填写表单内容，模型停在发布按钮前等待用户确认：
### 场景 5：知识库自动构建
**任务**：从零构建 Model Context Protocol (MCP) 主题的知识库，要求联网调研、整理 4 个主流 MCP Server + 2 个客户端，按索引页 + 分类目录 + 交叉链接的方式组织，最后更新知识库顶层索引。
**关注点**：联网 + 文件操作 + 知识组织能力的综合，最终能正确构建出知识图谱
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| 总耗时 | 210.6s |
| 工具调用次数 | 26 次 |
| 联网搜索 | 6 次 |
| 写入文档数 | 13 篇 |
| 目录结构 | 索引页 + 概念目录 / Server 目录 / 客户端目录 |
| 状态 | 成功 |
**观察**：Flash 真正做出了图谱的样子，**不是把所有内容写成一篇大文档**，而是遵循知识库 wiki 技能的设定，切成「概念页 / Server 实现页 / 客户端集成页」并且互相 link，每篇结尾都有"相关阅读"区域指向兄弟节点。这个分层组织能力对知识库类任务非常重要。
知识库构建过程：
生成的知识库目录结构：
索引页渲染后的效果：
### 场景 6：超长上下文处理
**任务**：让 Agent 拉取 [Project Gutenberg 上的《战争与和平》英文全本](https://www.gutenberg.org/cache/epub/2600/pg2600.txt)（约 56 万词，3.36MB），全部消化后回答：1) 一句话主题；2) 4 条主要叙事线；3) 4 个细节问题（要求引用原文 + 标注卷章）。其中细节题包括 *Pierre 第一次出场场景、Natasha 第一次舞会舞伴、Andrei 在 Austerlitz 战场看到的天空原文、最后一章的哲学主题*。
**关注点**：超长文档的全局理解 + 大海捞针式的精确定位 + 原文引用准确度。
**实测数据**：
| 指标 | 数值 |
| --- | --- |
| 总耗时 | 156.3s |
| 实际拉取字符数 | 3,359,613（≈ 3.36MB）|
| 工具调用次数 | 50 次 |
| 网络抓取 | 1 次（一次性下载全本到本地）|
| 终端命令（grep / wc 等）| 30+ 次 |
| 文件分段读取 | 10+ 次 |
| 状态 | 成功 |
实测下来模型并没有试图把 3.36MB 全部塞进 context，而是：先一次性把全文落到本地，只在 context 里保留前 5 万字符；后续通过终端命令在本地文件里搜索关键词（"Austerlitz"、"lofty sky"、"Natasha"、"waltz" 等）拿到行号；再按行号区间分段读取，把关键段落带回 context。
最后给的答案：
* **Andrei 的天空场景** 精准定位到第 15869 行，原文引用一字不差："the lofty sky, not clear yet still immeasurably lofty, with gray clouds gliding slowly across it..."
* **Pierre 第一次出场** 锁定到 Book One Chapter II
* **Natasha 第一次舞会** 锁定到 Book Six Chapter XVI，舞伴 Andrei，给出原文引用
* **最后一章哲学主题**：自由意志 vs 历史必然性，并附了托尔斯泰的原文段落
整个过程 50 次工具调用都没出错，也没有陷入死循环。先把全文落盘，再用搜索一步步定位、分段读，这种处理路径才是 Agent 在长文档场景下真正实用的能力。
在 Agent 场景里，发生一次性把 1M token 塞进 prompt 的概率其实很低，真到了几十万 token 的文档，更好的做法就是先落盘再搜索，而不是一次性加载全部内容。所以这个场景测的不是模型能装多大，而是模型够不够聪明知道什么时候该装入上下文、什么时候该走工具，这才是 Agent 真正需要的长上下文能力。
模型的工具调用过程（先获取全文落盘，再用 grep 定位、按行号区间分段读取）：
最终回答中带章节引用的原文段落：
## 四、数据汇总
6 个场景全部跑完的汇总数据：
| 场景 | 状态 | 耗时 | 工具调用 |
| --- | :-: | :-: | :-: |
| s1 任务规划 | 成功 | 229.5s | 35 |
| s2 复杂编码 | 成功 | 381.7s | 28 |
| s3 长期记忆 | 成功 | 142.4s | 2 |
| s4 浏览器自动化 | 成功 | 124.4s | 8 |
| s5 知识库构建 | 成功 | 210.6s | 26 |
| s6 超长上下文处理 | 成功 | 156.3s | 50 |
**几个数据观察**：
1. **零失败、零死循环**。6 个场景全部一次跑通，没有一次进入工具调用死循环或解析失败，在后续的批量任务测试中同样有很好的表现。这是从 V3 到 V4 最显著的一个升级，V3 时代复杂场景偶尔会陷入重复同一个工具或工具参数解析错误的循环
2. **响应速度足够快**。所有场景都在 2~6 分钟内完成，且执行过程中会把详细步骤流式发送出来，用户能实时看到 Agent 的思考和动作，体感上响应延迟很低
## 五、结论
整体看下来，DeepSeek V4 Flash 在 6 个场景里的稳定性已经足以做默认模型来用，最复杂的 s1（35 次工具调用）和 s6（50 次工具调用）也能稳定跑完，比 V3 时代有非常明显的改善。规划、编码、记忆、浏览器、知识库、长上下文这几项基础能力都没有明显短板，长期记忆和长上下文这两块的表现甚至有些超出预期。再加上价格优势，Agent 一次任务往往要几十次 LLM 调用，模型成本是选型里很关键的一项。Flash 在这个价位上能做到这种水准，作为日常使用的默认选择性价比很高。
当然 Flash 也不是没短板，复杂约束的执行偶尔会打折扣，比如 s2 里要求"零外部依赖"，模型还是引用了 echarts CDN。遇到真正复杂的任务，直接切到 Pro 配合 `reasoning_effort=max` 能拿到更深的思考深度。后们也会继续补充批量任务测试和不同模型的横向对比，并形成一套可复用的 Agent 能力评测框架。
基于这次评测的结果，CowAgent 开源项目（[GitHub](https://github.com/zhayujie/chatgpt-on-wechat)）在最新版本中已经将 **`deepseek-v4-flash` 设置为默认模型**。
## 客户案例
---
# 向内要效率、向外要增量——探索 AI 时代的营销增长新范式
私域导购、智能客服......可穿戴健康设备头部品牌用 AI 把用户增长玩出新花样！
> 作为一家专注为个人与家庭提供健康可穿戴设备，多项单品在细分市场上销量领先的高新技术企业，随着 AI 时代的来临以及业务的不断发展，SKG 如何借助 AI 实现 “降维” 与 “破圈”，为用户增长和效率提升带来新思路和新方法？
## 经销商赋能
有了 AI，发布新品介绍的朋友圈变得如此简单。
经销商是消费品牌最重要的伙伴之一，对经销商的赋能更是品牌方重要的课题。LinkAI 和 SKG 的技术人员共同探索，实现「经销商赋能」场景的“AI 化”，成为 2024 经销商大会上的一个亮点。
**Before**
经销商获取一款产品的介绍，需要找厂商总部的产品专家，专家将产品的文字、图片、文件、视频介绍等一一发送给经销商；而产品专家也需要在庞大的素材库中找到对应内容进行发送。既耗时又费力！
**Now**
将产品介绍和素材上传至知识库，并将 AI 应用接入小助手账号。经销商如果想了解一款新产品，可随时随地向“AI 产品专家”提问，很快就能获得一段完整的产品介绍文字 + 9 张朋友圈配图！
*不仅是文字，图片、视频、文件都可通过 AI 触达用户*
------
## 私域运营
用 AI 管群，“四两拨千斤”
消费品牌私域维护和运营是拉新消费和促进复购的重要手段之一，而私域社群的运营往往存在“群聊多、问题杂、回复不及时”的痛点。借助 AI 能力上阵私域运营，可实现“四两拨千斤”的效果。
**传统社群运营：**
* 缺乏标准化运营流程，活跃度往往随着时间推移而降低；
* 一人负责N个群，回复不及时，消息易看漏；
* 话术专业性不够，不能向客户完整清晰地介绍产品和服务。
**AI 社群运营：**
* AI 加持更能吸引客户进群互动，全流程对话吸引下单，降低获客成本，提高销售转化；
* AI 机器人7*24小时一对 N 服务，随时响应，不漏消息；
* 基于海量企业知识的学习，了解每一款产品的特点，回复更专业。
通过 AI 赋能私域运营，极大的解放人力，提高了服务人效，并且仍能够提供私域客户较好的沟通体验和解决问题的服务体验。
------
## 智能在线客服
随时随地，你问“我”答
**传统客服模式：** 为人工一一分配第三方系统的客服坐席账号，如机器人无法回答的，用户需要转人工应答，而大量真实的用户问题机器人都无法很好回答，导致人工陷于海量问询中。
**AI 时代的客服模式：** 全部账号托管给 AI，由一人监督即可；如发现偶尔有 AI 难以回答的长尾问题，再进行人工回复，人+AI，事半功倍！
**传统机器人客服：**
* 缺乏自然语言处理能力，更无联想和推理能力；
* 只能根据 Q&A 语料提供常规的回答服务，无法根据客户多样化的诉求、问题提供相应的解决方案或推荐合适的产品，实现客户转化。
**AI 智能在线客服：**
* 将 AI 智能客服接入企业自有系统或三方平台，7*24 小时在线，老客户售后服务、常规健康咨询，文字回复、图片介绍，AI 统统搞定，助力品牌科技形象的塑造；
* AI 智能客服甚至可以完成新客售前导购，向客户推荐合适的产品，既能节省人工客服人力，又能带来销售转化。
*智能客服的所有对话消息可在 LinkAI 平台聚合展示，消息实时更新，并且可随时一键人工接管回复，提升智能回复的可控性。*
**Link AI** 提供包括国产大模型、自研知识库、插件能力、对话管理等产品技术能力，通过安全的部署模式，支持 **SKG** 在多个业务场景朝着“既向内要效率，又向外要增量”的“AI 化”迈进。
## 写在最后
变化多端的市场中，敏捷的嗅觉和进化的速度是消费品牌不可或缺的基本功。
而 AI 时代来临，很多行业的产品形态，业务模式，甚至经营方法都将面临很大的改变。
LinkAI 将同更多的优秀企业继续一同探索如何向 AI 生产力进化，不断追寻企业经营的“未来式”！
---
# LinkAI助力梅兰书院打造文旅智能助手
2023年，梅蘭書院承办的“中国寻根之旅”夏令营开营，来自意大利、加拿大、赞比亚、巴基斯坦、西班牙、马达加斯加、蒙古、法国、瑞典、美国、德国、比利时等12个国家的40名学生和教师齐聚河南，开启了中原文化的“寻根之旅”。
当来自12个国家的海外华裔青少年，踏上一场寻根溯源的文化之旅，语言、文化背景不同的他们，行走于浩如烟海的文物典籍中，如何帮助他们更好地了解中华文化、读懂中华文化呢？
AI的应用，为这场寻根之旅注入了科技的活力。
梅蘭書院构建了丰富的行程、历史、文化知识库，利用LinkAI平台的能力搭建了AI小助手“欢欢”。有了知识+AI的底座，再加上微信实时对话互动，小助手成为寻根之旅的“专家”和“伙伴”。
---
## 支持
营员们可以通过小助手“欢欢”，随时询问10天行程中的细节，小助手都会提供详细的回复。
同时，小助手可以支持各国语言的识别和输出，更好地帮助主办方完成行程实施，来自各国的青少年们轻轻松松就对行程了如指掌。
## 激发
更值得关注的是，智能小助手可以随时和青少年们进行一场文化的交流。
博物馆中的一件“兽面纹铜爵”、途中一座商代的建筑……AI打破了时空的界限，打破了语言的差异，专注于“寻根”，将它们背后的历史文化背景徐徐展开。
智能小助手的互动，不仅为青少年们提供了丰富的学习资源支持，让学习的过程更加生动有趣，也极大激发了他们的好奇心。他们积极主动地探索中华文化的魅力，在心中埋下文化的种子。
## 创造
像梅蘭書院的小助手“欢欢”一样，LinkAI正在帮助更多的用户灵活便捷地搭建AI应用，包括：
- 为个人用户提供的贴身AI助理
- 为企业打造的 7*24h 数字员工
- 以及为开发者提供的一系列开源框架和开放接口
**目前，LinkAI已经帮助电商、教育、医疗、社交等领域的客户落地了多个AI应用，实现了成本、效率、生产力的全面革新。**
**企业和个人用户，在社群运营、智能客服、行业培训、个人助手等诸多场景的需求，都可以通过LinkAI完成落地。**
---
# 玛丝菲尔集团：开启商城私域智能化运营新范式
题图背景——玛丝菲尔大厦
玛丝菲尔集团通过应用基于大语言模型的AI Agent技术，打造了智能化的品牌形象——“菲尔”，一位聪明、拟人、全能的时尚顾问。实现商城私域客户的运营效率与服务质量双提升，引领了智能化运营的新范式，也为品牌增长带来了“AI解法”。
「企业简介」
玛丝菲尔时尚集团，成立于1993年，是一家集设计、制造、销售、品牌运营于一体，致力于高端时尚的服饰品牌。先后创立Marisfrolg等九个时尚品牌以及两大平台，在国内外100多个城市开设了近400家直营门店，拥有海内外员工约5000人，并全域布局数字化领域。历经多年发展，已成为中国优秀、具有品牌精神和专业素养的时尚集团。
「案例亮点」
亮点一
玛丝菲尔集团是高端女装的优秀领军企业，一切需求以用户需求为中心，随着业务的升级以及体量的增加，私域运营业务也从基础的客户升级为“总部云导购”的定位。业务团队也不断思考如何更好的服务顾客以及提升人效。
通过搭建丰富的企业知识库，以及高质量的拟人化对话训练，能够在不同的时间段引导客户完成产品咨询、售后处理、订单查询等工作，7*24小时及时响应客户需求，在保证服务质量的同时，将客户服务效率提升了65%。
亮点二
通过覆盖线上购物全链路、全天候的购物陪伴，“菲尔”这一品牌形象私域导购可基于微信生态触达玛丝菲尔九大品牌线上商城的数百万粉丝。通过中心化的运营方式，智能化的运营手段来激活庞大的商城私域客户群。
在“菲尔”的助力下，运营人员可聚焦核心会员、大客户以及高端vip进行1v1服务，让顾客有了更好的被服务的体验，用最高的效率撬动最大的复购杠杆。通过私域运营提升复购率近60%，助力品牌增长。
亮点三
“菲尔”在服务客户时，AI能够基于分析对话自动打标，将不同消费习惯、不同服务诉求的客户进行分类，并将标签同步至企微。基于商城的海量商品知识，“菲尔”能够精准地将客户特征与相关商品和服务进行匹配，并主动触达客户，实现“人货匹配”。
结合品牌推新及商城运营的节奏，通过端到端的精准推荐，让客户感受到“菲尔”作为时尚顾问的专业和贴心。当运营需要针对核心会员1v1沟通时，可以快速通过标签筛选目标客群进行精准沟通。
「解决方案」
个性化的客户服务策略
全场景业务知识库赋能
拟人化服务，助力精准营销
「写在最后」
尽管现在市面上各种AI工具非常火爆，但玛丝菲尔集团利用AI赋能私域运营的目的，并不是为了让AI完全代替客服或导购与会员沟通，而是利用AI去提升私域运营的效率，能够更有温度的，更全面的，更丰富的去服务集团的目标客群。重视用户的体验与服务，以用户为中心一直是玛丝菲尔集团的初心。
引入基于AI Agent技术的“菲尔”后，集团商城部门在客户服务效率、私域营销及复购、品牌调性和文化传播等方面都感受到了智能化所带来的改变和价值。得益于玛丝菲尔在数字技术应用方面的前瞻性和对极致的追求，实现了客户服务效率提升65%，私域复购率提升近60%，且服务专业性和客户满意度均得以保持高水准。
相信在领先于行业的全域数字化布局基础之上，玛丝菲尔还将引领行业AI智能化运营的新范式，而LinkAI将同玛丝菲尔一起持续探索AI技术在品牌营销与客户服务领域的赋能。
---
# 甘棠明善xLinkAI：以AI智能体驱动门店经营管理智能化革新
甘棠明善通过LinkAI平台将大语言模型和AI智能体技术深度赋能百余家连锁门店的运营和管理，降低人力投入，通过智能化手段提升门店管理效率与响应速度，为甘棠明善的数智化升级之路提供了强有力的支撑。
---
## 企业简介
甘棠明善创立于2009年，作为有14年历史的知名餐饮品牌，旗下有探鱼、蔡澜港式点心、蔡澜Pho等多个连锁餐饮品牌，形成多品牌发展格局，致力于用美食为世界带来爱。目前已累计开设550多家门店，分布于中国70个大中型城市，与超过2亿位顾客分享了美味与快乐。甘棠明善在餐厅管理支持体系、食品安全、产品研发、顾客服务、人才培养、品牌管理以及供应链后盾等方面等多个领域全面发力，构建了独具优势的核心竞争力，矢志从一个多品牌连锁餐饮运营公司，转型升级为全球多元化美食IP数智管理集团。
## 案例亮点
### 1. 从繁琐到高效，多门店统筹管理效率提升
在复杂度极高的**多门店运维管理**中，甘棠明善始终将效率与标准化视为重要追求目标。借助LinkAI平台的AI智能体搭建能力，甘棠明善在日常门店管理中实现了从繁琐到高效的快速飞跃。
面对**门店任务的下发、管理制度的更新、以及营销策略的调整**等，甘棠明善通过AI智能体快速触达数百家门店，确保信息精准、全量、即时地传递到位，让每一项关键指令都能无遗漏地覆盖到每一家门店，实现执行统一、标准化落地。
与此同时，在门店经营数据和巡检信息的收集环节，甘棠无需再依赖大量人力耗时耗力，通过LinkAI工作流定时功能，将收集任务精准推送至对应责任人或团队群组，并提供智能化提醒与跟进，确保任务按时完成，反馈及时准确。
### 2. 虚拟数字员工上岗，内部服务效率倍增
在甘棠明善，AI智能体能力正全面释放服务潜能，通过将企业知识与AI大模型深度融合，打造**AI虚拟数字员工矩阵——从职能小助手到IT运维、法律、财务、采购等多领域场景的AI虚拟员工**，各司其职、协同高效。这些“数字员工”的加入能够快速响应员工日常咨询需求，结合海量的企业知识沉淀精准定位和解答问题，大幅提升了对应部门的工作效率。
无需人工兼职客服，无需专项培训，这些虚拟员工以超高效能支持着集团和门店员工的日常工作，不仅为企业节省了大量人力成本，更树立了企业智能化办公的标杆
---
## 解决方案
### 高效协同的门店管理体系
在餐饮行业，门店运维管理的复杂性堪称一大挑战。无论是直营门店还是加盟门店，随着门店数量的不断增加，门店位置的分散，传统运维方式往往存在效率低下、沟通滞后和执行偏差等问题。甘**棠明善通过LinkAI平台搭建不同场景的AI智能体，极大提升了总部与门店、门店与门店之间的协同效率**。
甘棠明善最先将AI智能体引入**门店经营数据收集**的场景，门店经营数据是衡量门店运营健康度的重要指标，包括销售额、成本占比等关键数据。传统的数据收集方式往往依赖人工层层传递，门店数量越多，就需要耗费越多人力对门店数据进行汇总和整理，不仅耗时耗力，还容易出现延迟或错误，影响管理者的决策质量。
现在，甘棠依托LinkAI平台**定时工作流的自动运行能力**，实现数据采集的自动化。门店每日的营收数据等重要信息可以定时定次提醒相关人员上传，无需人工跟进。此外，门店员工还可以通过**与AI智能体对话的方式直接提交数据**，免去繁琐的系统操作，AI智能体自动对数据进行汇总统计，并通过**图表插件**生成可视化业务图表，方便管理者查看，动态调整经营策略。
**库存盘点**也是餐饮门店管理中重要的一环，直接关系到库存的精准控制、成本核算的准确性以及损耗的有效管控。
AI智能体每月月底会**定时自动**给直营店和加盟店下发月盘任务和盘点要求，推送到门店工作群组，确保盘点工作按时启动，任务清晰明确。相较于以前，人工手动复制粘贴来一一通知提醒，有了AI的赋能后极大避免了因信息遗漏、执行不及时或操作失误导致库存数据不准确，从而影响后续采购和经营决策。还支持按需通过对AI智能体提问完成**盘点数据的汇总、分析、整理，输出盘点总结**，提升了月盘的执行率和效率，为门店库存管理提供了可靠保障。
|
| ------------------------------------------------------------ | ------------------------------------------------------------ |
在门店的日常运营中，货品采购、水电杂项费用等财务场景需要依赖准确的开票信息，以确保每笔支出合规合理、票据完整可查。然而，由于信息分散或更新不及时，员工常需频繁与总部财务部门沟通以确认开票信息的准确性，不仅耗费时间，还容易因沟通遗漏导致信息错误，增加管理成本和风险。
自从AI智能体**「财务小助手」**上线后，总部将门店信息与开票数据统一关联并存储在知识库中，定期进行更新维护，确保信息的完整性与时效性。门店员工只需通过和AI财务小助手交流，即可快速获取所需的开票信息，无需再依赖人工沟通。**AI智能体「财务小助手」让财务信息查询更快、更准，总部和门店的沟通成本大幅降低，协作流程更加高效顺畅。**
将企业内部的管理制度、业务规则和SOP沉淀为知识后，依托LinkAI平台的**知识库能力**，可以将宝贵的知识沉淀都传授给每个“AI虚拟员工”，让AI变身为熟悉内部管理和业务的工作伙伴，基于**语义理解**和**意图识别**能力来快速提供准确的答案，高效支撑员工工作开展。。
---
## 写在最后
目前，甘棠明善已成功将AI能力深度融入两大核心业务场景，为门店运营效率和管理精细化树立了新标杆。然而，这只是甘棠明善拥抱AI的起点。未来，还将通过LinkAI平台能力持续探索和深化AI技术的应用，持续推进AI在私域营销智能化升级、AIforBI数据驱动决策等更多场景的落地，更好地向全球多元化美食IP数智管理集团的转型迈进。
---
# 上海交通大学：基于LinkAI智能体推动教学方式和学习体验双提升
## 客户介绍
上海交通大学教学发展中心是教育部首批国家级教师教学发展示范中心。该中心致力于通过教师培训、教学研究与咨询服务，推广先进教学理念与方法，其首创的**FACULTY**核心素养框架及专业发展项目，在全国高校教师发展领域具有广泛影响力。
---
## 最佳实践
AI智能体正逐步融入教育领域，为教学模式创新与学习体验升级提供新动力。在教学层面，它支持智能化教学管理与精准课程设计等；在学习层面，它作为学习助手提供个性化学习路径规划与智能学术支持等。
上海交通大学作为LinkAI在教育行业的重要客户，已率先将AI智能体应用于教师教学与学生学习的实践中，为智慧教育探索了新的可能性。
---
### 01 AI赋能教学设计 ：助力FACULTY理论落地高质量教学设计
“FACULTY教师教学核心素养”研习营是由上海交通大学教学发展中心首创的小班化精品培训课程，旨在通过理念讲解、自主研究、课堂展示以及自我反思等教学活动，帮助教师提升教学核心素养。该理念通过“研习营”实现理论与实践的高效转化，成为中国高等教育教师发展领域的标杆范式。
**基于LinkAI平台智能体技术打造的FACULTY教师教学核心素养助手**，将这一框架理念深度融入教师的日常教学实践，助力理论落地，赋能教师教学创新，全面推动高校教育质量的持续优化与提升。
- FACULTY教师教学核心素养助手深度融合FACULTY教学理论与AI能力，为教师提供教学方案设计支持。
- 教师输入教学主题后，AI助手基于**知识库**内FACULTY理论知识与**预设应用设定**的要求，自动生成包含教学目标、课程设计、活动安排及评价建议的完整教学方案初稿；
- 通过**多轮对话交互**，AI助手能够根据教师需求动态调整教学方案，以契合实际教学情境。
- 借助**搜索插件**，AI助手还能为教师提供与方案匹配的教学资料和优化建议，进一步完善教案细节。
- FACULTY教师教学核心素养助手支持**一键嵌入高校内网及教师日常使用的教学管理系统**，教师无需切换系统即可直接使用，于日常实践中应用和提升核心素养。
---
### 02 AI赋能实验教学 ：高效精准的实验图片检析
在上海交通大学生命科学技术学院的微生物学研究与教学中，实验是核心教学与科研手段之一。在实验过程中，往往需要对大量实验图片进行检测与分析，这一环节对于数据的准确性和研究结论的可靠性至关重要。实验图片检测与分析的传统操作方式主要依赖于人工操作，耗时费力且容易受到主观因素的影响。
基于人工智能技术的引入，上交大依托 LinkAI 平台构建了**多场景实验图片检测与分析智能体**，能显著提升图片分析的效率和准确性，降低人为误差，为微生物学研究提供了更高效、更可靠的技术支持。
- LinkAI智能体已被广泛应用于微生物学实验中，包括染色体分析、放线菌、曲霉及酵母等多个实验场景的图片检测与分析。
- 学生只需通过手机拍摄实验图片并发送给实验图片AI助手，便可高效完成**实验图像的识别与分析**。
- 针对不同实验场景，可在对应的AI提示词中设置图片评价维度与评分标准，确保分析过程的定制化与针对性。
- 实验图片AI助手通过**图像识别插件**对上传的实验图片进行初步分析。**大模型**结合应用提示词、图像识别的分析结果以及知识库内的生物学知识，对实验图片进行精准评分与深入分析。
图片素材部分来自网络，侵删
---
# 西安市中心医院：AI智能导诊打造高效就医服务
## 客户介绍
西安市中心医院是一所集医疗、教学、科研和预防保健于一体的**三级甲等综合医院**，作为西安交通大学医学院附属医院及多所高校的教学基地，在陕西省及全国医疗领域具有重要地位。医院承担多项国家级医疗科研及住院医师培训任务，服务社会、培养人才、推动医学发展。
---
## 最佳实践
在现代医疗服务中，智能导诊已成为解决患者需求与优化医疗资源的重要手段。面对全球人口老龄化、慢性病患病率上升以及公众健康意识增强等挑战，患者对医疗服务的需求日益复杂化。**西安市中心医院通过LinkAI平台将AI智能技术赋能就医导诊场景，打造了高效、精准的就医服务体验。**
西安市中心医院率先将AI能力应用于智能导诊场景，依托LinkAI平台，打造出能够精准理解患者需求并提供专业就医建议的AI导诊智能体。
患者通过医院微信公众号即可与智能导诊系统互动，详细描述自身症状。AI导诊智能体利用语义理解技术，对患者信息进行深度分析，并结合医院导入知识库中的医学资料，为患者**推荐最适合的就诊科室和专家**。
同时，AI智能导诊还能根据患者的时间安排，查询并**推荐合适出诊时间的科室医生**，显著减少患者自行查询的时间成本，避免因信息不对称导致的就诊错误。
---
### 多功能服务：超越传统线下导诊
AI智能导诊不仅限于简单的问答功能，还具备以下多项服务能力：
* **科室位置查询**：帮助患者快速找到目标科室。
* **医保政策咨询**：提供最新的医保政策解读。
* **就医体验反馈**：收集患者意见并优化服务流程。
* **报告解读**：为患者提供医学检查报告的专业分析。
这些功能显著减少了患者线下排队咨询的时间，通过线上与智能导诊的互动，患者能够及时获得准确、全面的解答，大幅提升了就医体验。
←左右滑动查看→
---
## **AIGC智能对话**
如果说“元宇宙”概念是构建3D数字世界的基础，那基于大语言模型的AIGC智能对话技术则为这样的数字空间带来更加丰富的可玩性与多样性。过去的“元宇宙”产品难以获得用户青睐的原因之一是构成数字空间的内容主要来自PGC(专业生产内容)与UGC(用户生产内容)，有一定的内容生产门槛，数据使用效率和生产力也都不足以支撑在短时间内创造出更多吸引用户的内容。当引入以大语言模型为主的AIGC(人工智能生成内容) 技术时，生产效率和创造力都得到了大幅提升。
**奇境计算使用语音识别与生成技术，以及 LinkAI 的智能对话机器人搭建与接入技术，在其3D数字世界──奇境小镇中放置了上百个完全由AI大模型+ RAG(检索增强生成)知识库驱动的小镇“居民”。这些居民有着各种各样的角色设定，医生、消防员、马戏团演员、烟花贩卖员......可以通过语音对话实时回答玩家的问题，和玩家进行趣味互动。丰富的角色智能体和高质量的 NPC 对话体系完全颠覆了传统的 NPC 程序设定模式，为奇境小镇带来充满了奇妙和未知的人机互动体验。而这一能力同样可以应用在企业 IP 打造上**。例如 LinkAI 的产品顾问小林和小爱也在春节期间来到了奇境小镇，支起了数字商铺，通过对话互动向更多用户宣传 LinkAI 的产品。
---
## **多人实时在线互动**
早在MMO(大型多人在线)游戏大作《魔兽世界》中，我们便体验过虚拟社交的魅力：在大规模的游戏地图上，你可以遇到各种玩家的虚拟角色，你们之间可以互动、组队，还可以交易，就像是在现实生活中那样。而元宇宙数字空间因其开放性、互动性、虚实结合的特点，被认为是这一玩法最好的载体之一。
奇境小镇能够容纳多人进入同一数字空间在线互动，并在春节和情人节这样特殊的日子里提供了不同的氛围和玩法，在刚刚过去的春节假期里带我们玩了点不一样的！春节期间进入奇境小镇，随处可听见耳熟能详的《恭喜发财》BGM...玩家角色走几步就能发现各种各样的“变装”气泡，一会变身“西装暴徒”，一会变身“红鼻子小丑”...向小镇里的AI居民拜年，TA高兴了就会给玩家发放烟花道具，使用道具后小镇天空就会绽放出绚烂的“赛博”烟花，并且随之撰写的新年祝福还会以飘屏弹幕的形式发出。到了情人节，小镇里满是恋爱的氛围，连烟花都是爱你的形状🩷～让用户在春节假期能够打开手机进入奇境小镇过一个新颖奇妙的“赛博年”。
←左右滑动查看→
---
## 写在最后
曾经“元宇宙”概念难以落地的几大阻碍，一是技术与产业需求之间的契合点未被充分论证，二是大多数元宇宙产品的用户门槛较高(常依赖VR等较昂贵的空间计算设备)；三是PGC和UGC为主的内容生产方式仍未脱离互联网内容生产的传统逻辑。
而通过奇境小镇的案例，我们也许可以一瞥未来元宇宙产业落地的一些方向：一是与实际的需求场景结合，做真正为用户和客户创造价值的产品，二是降低用户的参与门槛(如奇境小镇可直接在微信客户端内访问，大大提升了春节期间的用户参与度)，让大家可以随时随地进入虚拟数字世界；三是深度应用包括大语言模型在内的AI技术，使用文生文、文生图甚至文生视频等AIGC技术降低内容生成门槛，提升数字世界的互动性和趣味性，迈向「人工智能元宇宙」的未来！
LinkAI是极简易用的企业级一站式AI Bot应用搭建平台。支持快速搭建具备私有知识和Agent能力的AI Bot并接入主流IM平台。在智能客服、私域运营以及企业效率助手等场景提供成熟的产品解决方案。致力于让更多团队和企业拥抱AI生产力并落地业务场景，用AI让未来更简单！
---
# 恒泰证券：用LinkAI打造证券行业AI创新实践
(13)%20(2)_%E5%89%AF%E6%9C%AC.png)
## 客户介绍
恒泰证券成立于1992年，目前属于**金融街集团控股**，是中国证券市场的重要参与者与行业引领者。公司现已构建覆盖经纪交易、财富与资产管理、融资融券及衍生品等领域的全方位金融服务体系，致力于为个人及机构客户持续提供卓越的定制化投资解决方案。
在数字化与智能化转型浪潮中，恒泰证券积极拥抱技术创新，依托**LinkAI平台**探索证券行业的AI创新实践。通过平台私有化部署，恒泰证券不仅充分释放了大模型技术的潜能，还严格保障了数据安全与合规性，实现了内部运营效率的极大提升，并支撑业务的高速发展，为证券行业的智慧升级树立了标杆。
## 客户评价
## 案例亮点
### 亮点一：AI小九高效赋能投资顾问工作
恒泰证券通过**AI小九**高效赋能投资顾问工作，全天候智能响应，精准识别顾问需求，提供高效支持。有了AI小九的帮助，显著缩短了服务客户的响应周期，提升服务质量与专业性，助力恒泰业务效率全面优化，为财富管理领域注入智能化动力。
目前已成功服务员工超**500+人**，完美承接咨询达**15000+次**，回答准确率高达**92%**。其中，约20%的问询发生在非工作时间，AI小九通过全天候的智能响应大幅提升了员工的工作便利性与效率，为企业运营注入了持续的智能化动力。
### 亮点二：数据处理精准与效率双重提升
恒泰证券通过LinkAI平台赋能数据处理，实现了精准与效率的双重提升。依托大模型强大的数据解析与生成能力，智能体不仅优化了数据分析流程，为决策提供科学支持，还使得数据处理的效率提升**10倍**。通过自然语言交互降低技术门槛，使业务团队能够快速响应市场变化，助力企业在竞争中保持敏捷与领先优势。
### 亮点三：合规咨询专家和行业信息助手
恒泰证券通过LinkAI智能体能力打造**合规咨询专家**和**行业信息助手**，实现了企业稳健运营与高效创新的双重提升。合规咨询专家能为员工提供精准合规建议与风险评估，在夯实合规基础的同时效率也提升**70%**。行业报告助手则能高效阅读和分析，助力员工及时掌握市场动态，全面提升决策效率与业务竞争力。
## 最佳实践
### 01 AI赋能投资顾问：专业高效客户服务
**恒泰九点半**作为恒泰证券的核心产品，承载着公司在智能化领域的创新探索与技术实力。作为一站式财富管理平台，它致力于为客户提供高效、专业的投资服务，是恒泰证券践行高质量专业服务的重要体现。
顺应大模型技术与AI应用的蓬勃发展，恒泰证券依托LinkAI平台的**工作流能力**，打造AI小九智能体，作为智能化升级的重要实践。AI小九在日常工作中为投资顾问提供高效支持，助力其更好地服务客户，全面提升智能化服务体验，推动财富管理迈向新高度。
支撑在AI小九背后是恒泰证券构建的**多维度知识库体系**，涵盖行情、交易、业务办理、开户、人力资源等领域，沉淀了知识资产共**10000+条**，总字数达**70万+**，构建了全面且智能的企业数字大脑，实现了企业数字资产和大模型的高效结合。凭借精准的意图识别能力，AI小九能够快速理解顾问需求，并高效响应，为顾问提供专业、实时的支持。
在客户遇到恒泰九点半的产品操作问题时，AI小九能通过匹配知识库内容，精准提取产品手册与常见问题解答，帮助顾问快速获取清晰的操作指引，更好地服务客户使用产品。
除此之外，在投资分析等专业金融场景中，AI小九也能为投资顾问提供支持，依托**自定义插件能力**能够快速整合多业务系统与数据资源，运用大模型生成结构化的信息整理与可视化的数据图表，帮助顾问更直观地看清趋势与走向，为客户提供更专业、高效的投资支持。
.jpeg)
这些智能化能力为投资顾问提供了强有力的支持，帮助其在服务客户时更具针对性与专业性，进一步提升客户服务质量与价值。同时，AI小九还接入了办公IM和微信群，方便员工随时随地通过自然对话即可掌握业务信息，资料在手边。
AI小九的创新实践不仅为投资顾问的工作效率带来极大提升，也助力恒泰证券在智能化转型中走向行业前沿。
### 02 AI赋能数据处理：精准与效率的双重提升
在证券行业，数据处理和分析是日常运营中不可或缺的一部分。无论是市场趋势分析还是投资组合评估，都涉及到大量的数据处理和分析。这些场景不仅要求高效的计算能力，还需要精准的数据解读，以支持决策。
传统的数据处理方式通常依赖于人工操作和基础的数据分析工具，这不仅耗时耗力，而且存在出现人为错误的风险，且缺乏灵活性，难以快速适应市场变化。随着AI技术的引入，恒泰证券在数据处理领域实现了质的飞跃。有了LinkAI智能体能力的加持，数据处理的效率飞升，数据分析也变得更加准确，极大提升了工作效率和决策质量。
%20(2).jpg)
在数据分析场景中，恒泰证券依托LinkAI智能体技术，充分发挥了大模型在数据处理与分析上的卓越能力。依托大模型强大的处理能力，AI智能体能够高效解析海量数据并快速提取核心信息。在数据计算与运算环节，AI智能体以更高的速度和精准度完成复杂任务，显著提升分析效率与质量。同时，智能体还能够依据恒泰证券业务部门的要求生成结构化的分析报告或可视化图表，帮助分析师提供清晰的数据洞察，深度理解市场动态。这不仅简化了数据分析流程，更为决策者提供了科学、敏捷的支持。
在数据查询场景中，恒泰证券运用LinkAI智能体搭建多个**SQL语句生成器**。用户只需以自然语言输入查询需求，智能体即可精准生成对应的SQL代码，极大简化了复杂的查询操作。这一运用不仅降低了非技术人员获取数据的门槛，显著减少了对专业技术人员的依赖，还提升了数据访问的效率和灵活性。更重要的是，SQL生成器赋能业务团队能够快速响应市场变化，实时获取关键数据支持决策，从而加速业务推进，增强企业竞争力。
### 03 智慧服务加速器：AI赋能员工高效工作
恒泰证券积极探索AI技术在内部管理运营中的应用，通过LinkAI智能体技术，成功实现**合规咨询**、**报告解读**、**两融计算器**等多场景的智能化实践落地，彰显了恒泰证券在推动AI技术深度开发与应用上的前瞻性与积极态度。
依托LinkAI智能体技术，恒泰证券搭建**合规咨询专家智能体**，为员工提供内外部合规知识咨询服务。智能体凭借先进的语义理解能力，精准理解员工的咨询问题，并结合大模型与搜索插件高效检索相关的最新合规政策，提供专业的风险评估和合规建议。而自然语言交互的形式，能帮助员工更深入地理解法规政策，相当于为每位员工配备了一位专属法务助手，不仅有效降低了合规风险，也进一步夯实企业稳健运营的基础。
.png)
在证券行业，研究分析师、投资顾问等角色岗位每日需关注大量的行业资讯和研究报告，以精准掌握市场动态。然而，信息量巨大对效率提出了更高要求。恒泰证券依托LinkAI智能体技术，能快速解读研究报告，并将报告解读和分析推送到公司内部群，帮助员工及时获取关键市场信息，支持精准决策，从而优化整体工作效率和市场应变能力。
除了报告解读外，智能体技术还被运用到了**两融计算器**场景中，突破传统计算工具的局限，打造了一个深度融合"数据+算法+场景"的智能决策体系。与传统计算器仅作为公式外壳、依赖人工驱动不同，AI智能体基于深度学习算法，模拟类人的决策流程，完成从数据分析到方案生成、风险评估的全流程工作。并且还能千人千面动态生成个性化方案，依托大模型的推演能力还能进行风险模拟与评估，确保方案的科学性与安全性。
恒泰证券积极拥抱AI技术，将LinkAI平台全面开放给员工，鼓励人人参与AI创新实践。员工可根据自身业务场景需求自由搭建专属AI智能体，并发布到**应用广场**供其他同事使用，充分释放并共享AI能力，助力工作效率提升与业务模式创新。
## 写在最后
恒泰证券在AI技术赋能业务创新方面展现了卓越的前瞻性与勇于突破的精神，为证券行业树立了科技驱动发展的典范。未来，LinkAI将继续全力支持恒泰证券在AI领域的探索与实践，共同打造更多具有行业影响力的标杆案例。
同时，针对金融行业及其他对数据安全有极高要求的企业客户，LinkAI提供灵活的服务模式，除SaaS服务外，还支持**私有化部署**及**一体机解决方案**，充分满足多样化需求，助力客户实现高效、安全的数字化转型。
---
# 巴鲁夫：LinkAI赋能全球化企业智能客服升级
## 客户介绍
巴鲁夫是一家拥有百年历史的德国企业，也是全球自动化与传感器领域的技术引领者。公司以传感器、识别、图像处理与工业网络为核心，提供全栈解决方案。其业务遍及全球68个国家，覆盖欧洲、亚洲、美洲等主要市场，能够灵活响应区域需求并提供高效服务。
在全球制造业加速迈向智能化与数字化的背景下，巴鲁夫以技术创新为核心，一方面以具备 IIoT 能力的硬件与系统持续优化客户的生产效率、数据处理与设备互联，助力行业智能化升级；另一方面通过引入 LinkAI 平台的智能体技术，赋能企业内部运营与管理，以 AI 驱动效率提升，进一步巩固其行业领先地位。
## 客户评价
> "作为工业自动化领域的创新推动者，巴鲁夫始终致力于通过数字化手段为客户创造价值。我们自身也是这一理念的践行者。通过部署LinkAI智能体平台，我们成功构建了智能化的前端服务体系。
>
> 在面对海量的线索时，使用 LinkAI 对「线索打分」能够基于企业的规模、行业匹配度以及访客的互动行为进行精准量化评估。显著优化了我们的销售漏斗，让销售团队能第一时间锁定高价值客户。"
## 最佳实践
### 全球化服务升级：构建统一的AI智能客服底座
作为一家深耕工业自动化领域的全球化企业，巴鲁夫的业务覆盖多个国家和地区，其服务网络需承接来自不同市场的海量客户咨询。这些咨询不仅涉及多语言、多文化背景，还涵盖了复杂的技术问题和多样化的客户需求。**如何在多时区、多语言的复杂环境中，提供高一致性、高效率的客户服务**，成为巴鲁夫在全球化运营中精益求精的重要课题。
在引入AI智能体之前，巴鲁夫主要依靠人工客服团队支撑全球客户服务。在长期的全球化运营过程中，这一模式在承载日益丰富的服务场景时，逐渐面临人力与培训投入持续攀升的压力。一方面，受限于不同时区与固定工作时段，人工团队难以在全球范围内始终提供7×24小时的即时响应；另一方面，多语种、多文化背景下的沟通需求，也在一定程度上增加了服务一致性和响应效率管理的复杂度。
在此背景下，伴随AI技术的快速发展，这些挑战有了全新的解决思路，为服务模式的优化和资源配置的提升带来了更多可能性。
巴鲁夫基于 **LinkAI 智能体平台**构建了面向全球服务的AI智能客服，覆盖来自巴鲁夫各国官网及其他触点的客户咨询，并与CRM系统深度联动，将咨询、线索、跟进等环节贯通起来，为全球获客与转化构建起一套数据可追踪、流程可闭环的智能服务链路。
依托 LinkAI 对**国内外主流大模型的支持**，巴鲁夫的AI客服能够自然实现多语言交互，在不同语言和文化环境下保持稳定、专业的服务水准。同时，针对不同类型的客户诉求，智能体通过**意图分支**实现精准的语义理解和问题判断能力，并基于**知识库**中沉淀的产品说明、专业术语、应用案例、技术参数等内容进行应答，从而在短时间内构建出接近专业产品顾问水平的智能服务能力。
相比依赖长期培训积累经验的人工客服团队，**AI客服不仅显著缩短了"上岗周期"，也为巴鲁夫在全球范围内复制标准化、高品质客服体验提供了技术支撑。**
## 写在最后
在全球化进程中，跨国企业普遍面临市场分布广泛、客户需求差异化、服务标准统一与效率提升并行等复杂挑战。巴鲁夫依托多年全球销售与服务实践，主动积极地应用 AI 技术，将其融入日常运营与管理之中，在效率提升、服务体验优化以及全球业务精细化运营方面，形成了具有示范意义的实践路径。
LinkAI 平台目前已支持 **HubSpot、WhatsApp、Discord、Telegram、Slack 等多种海外渠道接入**，可将 AI 智能体灵活嵌入企业既有系统与沟通触点，覆盖从触达、运营到服务的关键环节。
我们也期待与更多全球化的企业合作，将 AI能力与其业务实践深度融合，为其在全球业务拓展过程中提供可落地的智能化能力支撑。
## 行业方案
---
# 智能制造新引擎：LinkAI如何让生产制造更智能、更高效？
基于LinkAI智能体为制造业搭建具备强大AI能力的生产管理底座，通过AI智能体连接数据、聚合知识、提升管理效能，覆盖从生产制造报价、生产运维保障、到故障诊断处理等多业务场景，助力企业构建更敏捷、更高效的生产管理体系，驱动制造业生产迈向更智能化的未来。
目前，LinkAI智能体平台已在**机械制造、电力能源、五金制造、智能家居、芯片开发**等多个制造场景中落地搭建、得到广泛应用，灵活满足不同生产环节需求。
---
## 行业痛点
1. **关键任务易遗漏，管理效率低下**
巡检、维保、盘点等日常任务依赖人工跟进，容易因信息不对称或缺乏提醒导致任务延误，影响整体运营效率。
2. **故障处理周期长，生产稳定性难保障**
故障诊断依赖人工经验，信息提报不及时且流程复杂，导致问题解决周期长，影响生产连续性和透明度。
3. **报价流程繁琐，客户响应速度不足**
客户需求解析与报价环节分散，数据整合效率低，难以快速响应客户的多样化需求，影响客户满意度。
---
## 方案亮点
1. **定时AI智能提醒，构建高效管理闭环**
覆盖巡检、维保、盘点等多种场景，定时推送提醒消息，确保关键任务按时执行，提升运营效率与管理效能。
2. **智能故障诊断与排查，保障生产稳定运行**
实现故障信息的智能提报、分析与排查，快速响应，透明化故障处理流程。
3. **灵活生成报价，提升客户需求响应力**
精准解析客户需求，整合不同环节的报价数据，一站式满足客户多样化需求，确保报价快速、准确。
---
## 场景一：生产管理小助手
**定时AI智能提醒，构建高效管理闭环。**
通过LinkAI搭建生产管理小助手，为生产制造全流程提供多维度管理支持，不仅提升了生产管理的精细化程度，还推动了关键环节的智能化运作，为智能制造的深度实践提供有力支撑。
首先，借助**定时工作流任务功能**，可针对生产及业务管理场景中需定期检查或提报的关键环节设置自动化提醒，通过AI智能体对于上报的信息做**自动评估甄别**，结合数据库往期数据进行**风险识别和提醒**，如设备状态巡检、产品质量抽检、安全设备检查等场景。同时支持**多渠道消息分发**，精准触达相关干系人或工作群，确保重要任务按时完成。这不仅有效降低了人工疏漏的风险，还提升了任务执行的可靠性和整体管理效率。
| 
| 
|
| ------------------------------------------------------------ | ------------------------------------------------------------ |
**通过与AI智能体的对话交流，可高效完成信息收集与提报，并将数据汇总返回到对应业务系统中，确保生产信息定时更新、快速贯通，消除信息断点**。这种业务数据的高效收集整合，保障了数据的实时性和准确性，还能进一步为生产决策提供可靠依据，支持灵活调整。
此外，通过与生产管理小助手实时对话，还可基于项目名、编号等关键信息快速查询生产进度，全面掌握各环节状态。对于企业管理者而言，相较于以前层层传递、会议汇报的方式，基于AI的实时查询能缩短信息获取的时间，确保管理者能够快速响应变化，推动生产运营更加高效敏捷。
---
## 场景二：故障处理
**智能故障诊断与排查，保障生产稳定运行**
**通过先进的图像识别技术，结合大模型知识库，智能体能帮助快速识别设备异常或故障点，并精准定位问题来源，显著缩短问题诊断时间**。这种快速响应能力不仅缩短了故障处理时间，还降低了因故障导致的生产损失。依托内置的知识库，智能体能够对故障相关的历史数据、解决方案和操作手册进行高效检索，并提供针对性的解决方案，帮助快速恢复生产。基于AI智能体的精准匹配和高效响应，提升了问题解决的成功率，还为企业节约了大量的人力和时间成本。
| 
|  |
| ------------------------------------------------------------ | ------------------------------------------------------------ |
当面对复杂或超出处理范围的问题时，AI智能体能**依据设置条件自动触发转人工服务**，并根据对问题分类的判断精准派发至对应责任人，同时还支持多渠道通知提醒，确保责任人及时响应。不仅如此，AI智能体还会很贴心地基于和用户交流的内容提炼关键信息，形成清晰的摘要，帮助责任人快速了解问题背景和核心需求，确保问题高效处理，为生产运营提供智能化支持。
---
## 场景三：询价报价
**灵活生成报价，提升客户需求响应力**
传统询价报价流程存在核实价格耗时长、人工计算易出错、多环节沟通效率低等痛点。AI智能体通过高效数据整合与智能计算，优化报价流程，为企业提供精准报价支持。
在客户提出报价需求后，智能体可**通过插件实时查询远程数据库或业务系统中的最新价格数据**，确保报价数据的时效性与准确性，有效避免因价格滞后带来的误差。还可基于预设的公式高速运算，轻松处理复杂的计算逻辑。不仅提升了计算效率，也降低了人工计算可能带来的错误率，保障了报价的可靠性。
相较于传统人工口头询价流程的费时费力，智能体通过智能化整合报价，大幅缩短响应时间，快速满足客户需求，显著提升了企业的服务效率与竞争力。
---
## 写在最后
在生产制造行业，AI智能体正在以智能化、精准化和高效化的能力，赋能传统业务流程的快速转型。**从生产管理到故障处理，再到询价报价，AI智能体不仅优化了具体场景的执行效率，还为企业构建了更敏捷、更智能的运营体系。**
未来，随着人工智能技术的不断进步，AI智能体将进一步融入生产制造的更多环节，助力企业实现从自动化到智能化的全面升级。在全球产业链竞争加剧的背景下，拥抱AI智能体，将为制造企业提升效率、优化资源配置提供有力支持，成为企业增强竞争优势的重要助力。
---
# AI+医疗：LinkAI赋能医疗行业全景智能化创新
> 医疗解决方案分为四个部分，首先介绍LinkAI智能体在**预防与健康管理**中的实践方案，然后将从**就诊前**（初级医疗服务）、**就诊中**（诊断支持）、**就诊后**（护理与康复）对就诊全流程展开介绍。
## 预防与健康管理
凭借LinkAI平台在知识库检索、拟人化交互及私域渠道接入等方面的显著优势，AI智能体已被成功应用于预防与健康管理场景。
LinkAI智能体能够高效整合权威医学知识，提供贴合用户需求的个性化互动服务，并通过私域渠道触达用户，实现复杂健康数据的智能分析，助力医疗行业探索更科学、精准和高效的健康管理新模式，推动疾病预防与健康促进的创新发展。
### 场景一：AI营养师
**图像识别 | 数据库 | 大模型 | 知识库 | 应用**
随着人们健康意识的不断提升，科学的健康管理已成为现代生活的重要组成部分。越来越多的医院开设了减重门诊和营养科室，帮助患者实现体重管理和慢病防控，满足日益增长的个性化健康需求。
通过LinkAI智能体平台，医疗机构能够高效打造**“技能全面、细致体贴”的AI营养师**。
- **支持配置多个知识库**：系统化整合和存储营养学及健康管理领域的权威知识，为“AI营养师”提供坚实的**理论支撑**。
- **内置数据库**：在与用户的互动过程中，智能体可将用户的健康信息，包括身体数据、饮食习惯及疾病史等有序存储于数据库，为个性化健康管理与营养推荐奠定坚实的**数据基础**。
- **图像识别插件**：用户可上传食物图片，AI营养师通过图像识别插件，精准识别食物类型，并结合营养学知识及用户历史数据，提供**个性化的饮食建议**。
- **大模型分析**：依托大模型的智能分析能力，AI营养师能够计算BMI等关键健康指标，还能根据用户的动态变化，**量身制定并实时调整科学的健康管理方案**。
- **拟人化设置**：支持AI营养师的拟人化配置，在用户健康管理全过程中，持续**提供情感关怀与陪伴**，显著提升用户的参与度和体验感。
在智能体技术的加持下，AI营养师能够根据每位用户的实际身体状况和个性化需求，制定科学、可行的健康管理方案，助力医院和医疗机构提升健康管理服务的专业化和精细化水平。
用户也因此拥有了一位真正“懂自己”的私人营养师，随时获得科学指导与人性化关怀，全面提升健康管理的效果与体验。
### 场景二：医疗健康知识问答
**拟人化 | 多渠道 | 行业大模型 | 知识库**
医疗健康知识的普及是提升全民健康素养、促进疾病预防和优化医疗服务质量的关键环节。
AI和智能体技术在医疗健康知识普及场景里的实践应用，为医疗健康知识的传播带来了全新可能。通过智能化、个性化的交互方式，让用户能够更便捷、深入地获取所需信息，进一步提升知识普及的广度与深度。
LinkAI智能体平台为医疗健康知识的普及提供强有力的技术支撑：
- **知识库**：支持储存大量权威的医疗健康案例和临床经验沉淀，为用户提供可靠的信息基础。
- **模型管理**：支持接入垂直专业的医疗大模型，如文心医典等。能融合医疗行业大模型的专业能力和知识库中丰富的临床案例经验，为用户提供更加权威、精准的健康知识解答。
- 
- **拟人化**：支持高度拟人化的对话配置，能够精准理解用户意图，像真人一样为用户解答，提供自然流畅、个性化的沟通体验。
- **多渠道**：支持集成到医院官网、小程序、微信公众号等多种渠道，确保用户在不同场景下都能便捷获取健康知识，提升服务触达率和用户满意度。
**医保咨询**是用户在就医过程中最为高频和常见的场景之一。用户往往会遇到诸如医保政策解读、报销流程、用药范围、费用结算等各类疑问，而医院则面临着人工咨询压力大、答复效率低、服务一致性难以保障等痛点。
针对这些问题，通过LinkAI智能体搭建医保小助手能够为用户提供实时、专业的解答，显著提升就医体验，同时减轻医院的服务压力。
例如，用户可以通过医院公众号直接向医保小助手提问“某项检查是否医保报销”、“异地就医如何办理医保报销”等，医保小助手智能体可以结合**知识库**和联网查询插件给出权威、准确的解答。
如果用户咨询涉及到医保之外的其他问题，还可以设置**转人工**来承接服务。工作流支持对用户问题进行**意图识别**和自动分流处理，这不仅极大提升了用户的就医体验，也减轻了人工咨询的压力，助力医疗机构实现服务智能化升级。
---
## 诊前——初级医疗服务
AI智能体在初级医疗服务中的落地应用，正为医疗行业注入新的活力。它不仅提升了医疗服务的可及性与效率，减轻了医务人员的工作压力，还优化了患者的就医体验，推动了医疗资源的合理分配。
### 场景：智能导诊
**工作流 | 意图分支 | 知识库 | 拟人化**
随着全球人口老龄化加剧、慢性病患病率上升以及公众健康意识的提高，患者对医疗服务的需求不断增加。
智能导诊是LinkAI在医疗行业中率先落地的重要应用场景，充分展示了AI智能体在多任务综合环境下高效处理信息、提供精准推荐和优质服务的强大能力。
* **科室和专家推荐**：支持承载智能导诊场景中科室推荐、就诊专家建议、科室位置查询、医保政策咨询等多项就诊服务流程，个性化定制，快速响应患者需求；
* **患者沟通**：能基于语义理解，对患者的问题和描述进行精准分析和意图判断，快速理解患者的需求；
* **专业医学知识匹配**：储存就医导诊所需的医学知识、医院科室信息、医生信息，智能体能基于患者需求快速查询并提供准确信息；
* **个性化服务**：能和患者进行真人般、个性化的交流沟通，提供有温度的服务。
AI智能导诊不再局限于传统的简单问答，还能为患者提供科室位置查询、最新医保政策咨询、就医体验反馈和报告解读等多项便利服务，帮助患者**减少线下排队咨询的时间**，通过线上与专业导诊智能体的互动，**及时获得准确而全面的解答。**
| 
| 
|
| ------------------------------------------------------------ | ------------------------------------------------------------ |
相较于传统的智能客服，AI赋能的智能导诊在**响应速度、准确性、个性化服务以及任务处理的丰富性**方面都有了显著提升。有效推动了医疗服务的智能化转型，为医疗行业带来了更高效的资源配置和更优质的服务。
---
### 场景：AI预问诊
**多轮记忆 | 知识库 | 远程数据库**
当前，许多线上医疗平台在逐步推出在线问诊/预问诊服务，旨在为患者提供日常健康问题的便捷咨询通道。在线问诊打破了传统医疗的时间与空间限制，为患者提供了初步的健康指导与医疗建议，是现代医疗服务体系的重要补充。
有了AI智能体的加持，可以使患者的咨询需求随时获得响应，进一步获得**即时性、全天候24小时**的医疗支持。
* **初步沟通和患者信息获取**：具备多轮对话能力和上下文记忆功能，可与患者进行深入交流，全面获取包括年龄、症状、病史、生活习惯及药物适应症等关键信息。
* **初步分析诊断**：依托专业化的医疗大模型，能够对患者提供的信息进行精准匹配、分析与综合判断，结合患者历史数据生成科学、个性化的诊断建议。
* **患者数据存储和查询**：支持将患者相关数据存储到医院本地数据库，并支持医院不同系统间的跨系统数据查询，综合分析判断。
| 
| 
|
| ------------------------------------------------------------ | ------------------------------------------------------------ |
目前，AI预问诊主要用于简单疾病的初步指导，提供基于建议性质的健康咨询服务。
针对患者较为复杂或严重的健康问题，AI智能体可及时建议患者进行线下就诊，同时**对患者病情信息及初步判断进行整理与归纳，为线下医生提供全面、准确的信息支持，**助力其快速掌握患者状况，优化诊疗流程，提升医疗服务效率。
---
## 诊中——诊断支持
AI智能体通过整合医学知识库和数据分析能力，为诊断支持提供高效、精准的辅助，显著提升医疗服务的专业性与安全性，为医生决策和患者服务带来智能化与精准化的突破。
### 场景：AI报告助手
**图像识别 | 文件生成 | 大模型 | 数据库**
随着医疗数字化进程的加速，AI智能体在报告生成场景中的应用正日益成为提升医疗服务效率与质量的重要工具。
通过整合先进的数据分析与医学知识库，AI智能体能够在体检和医疗检查中实现高效的信息处理与精准辅助支持。相较于传统的人工操作，AI智能体在分析速度、异常指标识别的准确性及专业建议的生成方面展现出显著优势。
在**体检场景**中：
* **报告汇总生成**：AI智能体支持**文件解析**和**内容总结插件**可以快速整合多项检查结果，基于**大模型生成**结构化体检报告。
* **报告解读**：基于体检报告结果，结合权威医学知识库，AI智能体能够深入分析健康数据，**生成专业化、个性化的报告解读**，不仅帮助患者全面理解自身健康状况，还能提供针对性的健康管理建议与未来干预指引。
* **报告下载**：AI智能体还支持**自动生成可下载的报告文件**，方便用户查看和管理体检报告。
在**医疗检查**场景中：
* **检查结果解析**：支持图像识别插件解析影像检查报告，提取关键数据指标，生成检查结果；
* **异常指标识别**：基于大模型的分析能力和医学数据库，对数据指标进行分析评估，识别异常指标；
* **辅助建议**：基于医学知识库内的专业知识，结合检查结果和数据指标推测可能的诊断方向，并生成下一步检查或治疗建议，为临床医生的诊断提供科学可靠的辅助支持。
---
### 场景：药物处方助手
**大模型 | 知识库 | 数据库**
通过引入AI技术，用药建议的准确性和个性化得到了有效提高，同时有效减少了人为误差的可能性。
在药物处方助手场景中，AI智能体依托先进的**医学知识库**与**大模型分析能力**，可根据医生的诊断结论及患者的个体化健康信息，精准匹配专业医学知识库和实时药物库存数据，智能生成**科学、规范且个性化的用药建议**，确保治疗方案的临床可行性与资源优化。
同时，对于既有药物处方，AI智能体也可以通过医疗专业大模型进行深入分析，精准**识别药物间的潜在相互作用、禁忌症或不良反应风险**，为临床决策提供安全性校验支持。此功能不仅显著提升了用药安全性与合理性，也为医疗服务的精准化与规范化提供了有力保障。
---
## 诊后——护理与康复
随着医疗智能化的不断发展，AI智能体在康复指导与陪伴场景中的应用正逐步成为提升康复治疗效率与患者体验的重要工具。
通过AI技术与专业医学知识的结合，AI智能体能够在康复过程中提供**个性化指导、实时反馈与心理支持**，显著优化患者的康复效果和医疗服务质量。
### 场景：康复指导与陪伴
**私域渠道 | 患者管理标签 | 数据库 | 拟人化沟通**
#### **个性化康复目标和计划生成**
AI智能体能够深度整合患者的既往病例、检查结果与就诊记录等多维健康数据，依托权威医学知识库与大模型的强大分析能力，精准评估患者的康复需求与个体化目标。
通过全面的数据汇总与智能分析，AI智能体能够**快速制定科学严谨的个性化康复方案**，为患者提供高度定制化的康复指导，助力康复过程更加高效且精准。
#### **智能追踪康复进展**
通过**私域渠道**定期与患者进行**一对一康复进展追踪**，主动了解患者康复情况，将患者健康数据储存至医院数据库中，并支持查询患者既往病史、康复记录等相关数据，通过大模型进行全面的数据分析与状态评估。LinkAI**支持私有化部署方案**，确保患者数据的保密和安全。
在患者沟通完成后，LinkAI支持对康复追踪的对话内容进行结构化总结，并在转接至主治医生人工沟通时**自动生成患者康复档案**，为医生提供直观、专业的康复进展反馈，帮助医生快速了解患者恢复情况并进行精准评估和后续治疗决策。
#### **康复患者管理**
依托LinkAI平台强大的产品能力，AI智能体能够显著提升医生在患者管理与服务中的效率与精准度。
LinkAI通过强大的标签管理能力，支持**创建标签和标签分组**，并基于与患者的沟通对话实现AI智能打标，助力精细化患者管理。医生可以快速利用患者标签，精准掌握健康特征与康复需求，从而提供更加个性化的康复治疗方案。
与此同时，医生还可以通过与AI智能体的**对话交互**，快速查询某个患者的康复情况及具体数据，包括既往病史、实时健康数据和康复进展分析，极大简化了医生的日常管理工作。
#### **心理支持与陪伴**
在康复过程中，患者如果遇到心理问题，AI智能体能够及时快速响应患者需求，依托语义理解和自然语言处理技术，通过拟人化的交互配置，与患者进行情感化沟通。
LinkAI智能体**支持文字和语音交流**，为患者提供心理疏导与情绪管理建议，缓解康复过程中的焦虑情绪。。
同时，智能体还能协助医生根据患者的心理状态，**智能推送康复知识、正向激励内容和情绪调节方法**，帮助患者增强康复信心与主动性，让康复过程更加温暖、高效。
---
## 写在最后
AI智能体正在以前沿技术推动医疗行业的创新变革，从预防与健康管理到诊前、诊中、诊后全流程覆盖，为医疗服务注入了前所未有的智能化能力，并显著提升了精细化水平。
越来越多的医疗行业客户希望将LinkAI的智能体能力融入实际工作中，以提升服务效率、优化患者体验、推动医疗质量的全面升级。
未来，LinkAI将持续深化产品能力，探索更多应用场景，为医疗行业的智能化转型提供强有力的技术支持，共同助力健康产业的高质量发展。
---
# 智能硬件解决方案：解锁AI智能体新场景新可能
**硬件接入AI，如何突破高成本、低效率的瓶颈？**
**设备与智能体协同，怎样才能真正做到无缝、好用、方便管理？**
> LinkAI正式推出智能硬件解决方案，打破壁垒，轻松实现AI智能体与硬件的标准化连接！为开发者提供标准化能力开箱即用，灵感当天就能"点亮"设备，创意不再滞留在 PPT。助力企业从局部智能跃迁为全链路协同，软件 × 设备 × 模型一体联动，AI 不再停留在系统里，而是直达业务现场。
通过LinkAI硬件方案，将先进AI能力深度嵌入硬件设备，让设备真正"开口说话"，实现从感知、理解到交互的全流程智能化。赋能硬件，定义专属的智能体，让智能交互触手可及！
---
## 整体方案
面向智能硬件场景，LinkAI提供集算力、模型、智能体、硬件模组、场景解决方案于一体的智能体平台。
---
## 方案核心能力
### 1. 便捷丰富的智能体生态
> **多模态｜长期记忆｜强拓展**
**多模态模型聚合**：聚合文本生成、语音识别/合成/克隆、图像识别/生成等多模态能力，支持动态切换不同厂商的大模型。LinkAI模型网关通过智能负载均衡与故障切换，全面保障服务稳定性，硬件接入方无需关注模型迭代与技术细节，专注应用场景创新。
**长期记忆管理**：基于终端用户维度的记忆压缩与智能摘要技术，实现长期深度记忆维护，打造真正的千人千面互动，理解用户情感，提供个性化陪伴。
**拟人化交互**：支持声音克隆与定制化配置，赋予智能体情感与温度，带来更具人性化的沟通体验。
**生态无限扩展**：支持MCP插件与工作流接入，赋能设备更多场景化能力，满足办公助手、生活管家等多样化需求。
### 2. 灵活且稳定的API
> **低延迟｜流式输出｜实时管理**
**HTTPS接口：简单高效的端到端调用**
提供完整的端到端接口 voiceToVoice，设备输入语音流后，后台通过语音识别、AI生成、语音合成处理，直接返回语音流输出。此外，还提供语音识别/合成、文本生成、图像识别/生成等原子化接口，灵活组合以满足多样化场景需求。
**WebSocket：低延迟双向通信，实时智能管理**
支持WebSocket协议，设备可与服务端建立双向长连接，实现低延迟消息收发。具备VAD打断识别、设备状态实时监控、主动推送等功能，提供更丰富、更智能的交互体验。
### 3. 即插即用的智能语音模组
> **零代码｜一站式接入｜多维集成**
**一体化智能语音解决方案**：
LinkAI智能语音模组基于核心计算板，深度集成LinkAI智能体能力与多模态模型，构建了一个功能完整的智能对话机芯。模组内预烧完整的端侧程序，集成麦克风、扬声器、电源管理等硬件模块，并优化声学结构，设计标准化的外壳和安装孔位，提供即插即用的终端软硬件解决方案。
**零代码适配，快速实现AI智能化**：传统硬件厂商无需额外开发或编写代码，只需将语音模组嵌入硬件设备，即可轻松实现设备的AI智能化升级，显著降低开发成本与技术门槛。
**多场景适配，助力智能终端落地**：模组可广泛应用于玩具、家居、教育、医疗等多种场景，满足多样化需求。其即插即用特性让产品开发周期大幅缩短，同时确保功能稳定性与用户体验。
### 4. 轻松省心的设备管理
> **灵活配置｜插件拓展｜智能管控**
**一站式设备管理，操作轻松便捷**：
通过LinkAI平台的设备管理模块，可快速导入设备并完成灵活配置，无需复杂操作，即可实现设备的集中化管理，显著提升效率。
**插件化配置，精准绑定设备动作**：支持配置设备插件，用于绑定设备的实际动作。设备插件兼容MCP协议，在一个插件下可配置多个子工具，用户交互时通过自然语言进行插件的决策和触发，并在设备端完成实际操作的执行。
**实时监控与动态管理**：设备状态实时可见，支持批量管理与动态调整，确保设备运行稳定高效。
---
## 硬件产品接入案例
以下是目前LinkAI智能硬件方案已实际接入和落地的部分产品：
未来，我们希望携手更多客户伙伴，探索智能硬件在消费升级与行业革新中的无限可能，共创智能化时代的崭新生态。
---
## 计费模式
---
## 联系我们
---
# LinkAI智能健康管理师：院外管理减负提效的破局之道
> 2026年，LinkAI将更加聚焦于为垂直行业和细分场景提供解决方案和服务，在这一过程中，我们发现医疗行业是AI智能体落地和应用最为广泛的领域之一。这一趋势的背后，是医疗场景对数据驱动的智能诊疗、个性化健康管理以及患者体验提升的强烈需求，而AI技术的引入，不仅能够显著提升医疗服务的效率与质量，还为行业发展注入了全新的智能化动力。
## 行业背景与挑战
在与医疗行业的深度合作中，我们洞察到院外管理是医疗客户高频落地AI智能体的核心场景之一。作为医疗服务的重要延伸，院外管理在患者全生命周期的健康管理中扮演着至关重要的角色。尤其心血管疾病、糖尿病、脑卒中等慢性病患者，都需要长期的监测和干预。
然而，其重要性也伴随着高度的复杂性，长期以来也面临着诸多痛点和挑战。随着人口老龄化和慢性病患者的增加，对院外管理有需求的患者数量日益增长。且受患者病因、健康状况和生活习惯等多方面因素的影响，管理需求愈发复杂且多样化，传统的纯人工管理模式难以承载日益增长的个性化和精细化需求。
### 医院和医护人员面临的挑战
对于医院和医护人员而言，面临的是资源和效率的双重压力。医护人员需要兼顾院内诊疗和院外随访，工作量巨大，而院外管理涉及的健康数据采集与分析等往往缺乏系统化的支持，常面临数据断层，难以及时干预，进一步加剧了管理难度。
### 患者面临的困境
而对于患者而言，院外管理的难点则集中在依从性和及时性上。许多患者在出院后缺乏专业指导，有效的检测方式，健康意识薄弱，容易忽视医嘱，导致疾病管理效果不佳。此外，由于患者数量远超医护资源承载能力，问题的处理和响应存在滞后性，进一步加剧了患者在长期健康管理中的困境。
### AI智能体带来的突破
现在AI智能体技术的引入，为解决这些痛点带来了突破与助力。能够以低成本实现高效的1对1服务，确保患者问题得到快速响应；借助智能化手段，替代医护人员完成健康监控和数据采集，对高风险情况进行实时预警。更重要的是，AI还能基于患者的个性化需求，提供精准贴心的健康管理服务，全面提升院外管理的效率与体验。针对院外管理中的核心需求，LinkAI平台推出了"智能健管师"的解决方案，有效应对院外管理场景中的高效服务覆盖、健康监控预警、个性化管理等关键问题。
---
## 智能健管师
### 应用场景
"智能健管师"智能体核心聚焦于医疗健康领域，专注于医疗私域管理。其目标是协助医生、护士等医务人员降低院外管理的复杂性，同时提升医患私域群体的活跃度与粘性。通过智能体的人性化沟通与情感交互，为患者提供贴心的陪伴与情绪支持，进一步增强患者院外管理的效果与满意度。
## 核心能力
### 1. 专业的医学知识储备
智能健管师支持配置医疗垂类大模型，并预置院外管理所需的多病种医学知识、健康营养、运动等多维度专业知识库。
通过精准的知识支持，能够针对性地解答患者的健康问题，同时每天在随访群推送专业的健康科普内容，帮助患者更好地理解和管理自身健康。
### 2. 千人千面的拟人化陪伴
智能健管师依托患者档案与AI打标能力，实现对患者病情信息的深度洞察。
结合意图识别与多轮记忆功能，可精准解析、理解患者的问题和需求，提供高度个性化的智能应答。此外，还可通过平台灵活设定"健管师"的性格与沟通风格，营造富有温度的陪伴式服务体验，提升患者的满意度。
### 3. 高效管理和风险预警
智能健管师能够主动关怀患者，每日提醒患者完成饮食、运动、症状等健康打卡，并根据打卡数据提供专业反馈，高效完成患者院外的康复管理和数据采集。
如从打卡数据中识别到高风险的患者，还可通过转人工功能快速通知相关医生和护士及时跟进。
除此之外，还支持定期推送随访表单，全面掌握患者阶段性健康状况，并智能生成分析报告，为医生提供高效、精准的参考支持。
### 4. 报告辅助分析
在院外管理场景里，部分患者还需要定期做复查。而智能健管师具备图像识别与文件解析能力，可针对院复查结果和报告提供初步分析与基础问题解读。患者无需多次往返医院或预约等待，即可第一时间获取报告解读与健康建议，极大提升了患者复查的便捷性。
同时，智能健管师还会将患者的复查结果进行归纳总结，生成清晰的分析报告同步给医生，帮助医生快速掌握患者在院外的健康动态。
### 5. 可视化内容生成
智能健管师基于患者健康信息和检查报告，智能生成个性化的健康管理或康复方案，并通过生图模型将复杂数据转化为结构清晰、直观可视的图片内容。
可视化方案能够以更直观的形式呈现健康管理要点，将复杂的医学说明转化成更清晰的图片说明，帮助患者更轻松地理解和执行方案。
### 6. 心理支持和情绪陪伴
在院外管理场景中，患者常常面临情绪波动和心理压力。智能健管师通过拟人化对话，及时响应患者需求，倾听其倾诉，提供温暖贴心的心理陪伴与情绪疏导，帮助患者缓解心理负担，增强健康管理的信心与动力，为院外管理注入更多人文关怀。
---
## 服务方式
智能健管师在院外私域管理场景中提供多样化的服务模式，涵盖1对1私聊、多人大群服务以及多对1患者专属小群服务，为不同需求的患者提供高效、专业的院外管理解决方案。
### 服务模式
**1. 1对1私聊模式**
智能健管师能深度挖掘患者个性化需求，提供精准的健康管理与情绪支持；
**2. 多人大群服务**
多人大群中，智能健管师以广覆盖的形式普及健康知识、提供基础咨询与健康提醒，提升患者健康意识；
**3. 多对1专属小群**
多对1专属小群则聚焦高需求、高价值患者，通过多师共管模式，提供定制化、全方位的VIP健康管理服务。
---
## 合作与服务
目前，我们携手行业伙伴动龄健康共同推出"智能健管师"解决方案，不仅包含专业的医疗垂类模型支持、领先的智能体开发工具、灵活丰富的渠道接入方案以及多维度的智能化能力。同时，我们还为客户提供一站式的搭建与部署服务，覆盖从技术平台到场景落地的全流程支持，助力医疗机构轻松构建高效、专业、个性化的院外管理体系，加速医疗服务的数字化升级。
---
# 零部署、低门槛、更安全“养虾”的LinkAI超级AI助理
> 近期 OpenClaw 的爆火显示出 AI Agent 的巨大潜力与商业价值，但在"龙虾"热潮之下，企业及个人落地的痛点也愈发明显：部署和集成繁琐、算力成本高、安全与隐私风险大。
今天，LinkAI 正式推出 [**超级AI助理**](https://link-ai.tech/console/factory?agent=1) 功能，无需部署即可获得运行在独立云电脑中 7×24h 工作的 Agent 助理，企业可快速通过 Skills 集成知识库及业务系统，轻松又安全地落地专属数字员工。
LinkAI 超级AI助理基于自研的开源项目 **CowAgent** 打造，CowAgent 在2月初升级为2.0版本以来保持着快速的迭代，吸引了大量开发者关注，目前在 Github 累积 Star 已达到 **42.2k**。
相比 OpenClaw，LinkAI 提供的超级助理同样具备复杂任务规划和执行能力、灵活的技能拓展体验、以及持久稳定的长期记忆，同时还在**易用性**、**Agent资源扩展**以及**企业安全**层面，做了进一步的优化和支持。
目前，LinkAI 平台**标准版及以上**客户均可直接使用「超级 AI 助理」。同时为了让新用户可以零门槛尝鲜，轻松拥有专属的 AI 助理，我们也准备免费体验权益和算力积分赠送：
- 新用户享 **7天免费体验**
- 免费赠送 **5000积分**（约百万 token）
💻 **三分钟创建超级AI助理：** [立即体验](https://link-ai.tech/console/factory?agent=1)
针对安全合规要求严格的企业客户，也提供 LinkAI 基础平台 + CowAgent 超级助理**私有化部署**的服务，数据完全自主可控，满足高安全、高合规场景需求。
---
## 新手教程
接下来就是手把手教你轻松用上超级助理：
### 第一步：创建助理
登陆 LinkAI 平台，点击「创建超级AI助理」，设置名称后会为你自动生成头像和描述。
### 第二步：选择模型
设置超级AI助理的大脑引擎「模型」，点击立即创建。
### 第三步：配置与调试
等待云电脑启动运行后（约1分钟），可调整AI助理的主模型及核心 Agent 配置，其中**最大执行步数**、**最大记忆轮次**和**上下文Token长度**均可有效控制算力成本。运行成功后就可以在右侧进行调试对话了。
### 技能安装
Agent 创建时已经预置了多个常用技能，你还可以将 LinkAI 平台上的所有应用、知识库、数据库、工作流等资源安装为技能。目前 LinkAI 平台上拥有 **50+ 内置插件**、**10,000+ 开放应用**，都可以作为 Skill 让 Agent 使用，后续 LinkAI 还会上线开放的 Skill 市场，持续丰富技能生态。
### 渠道接入
将超级AI助理接入飞书、企微、钉钉、QQ、微信生态及海外渠道等，让超级AI助理时刻在手边，对话高效便捷。
### 记忆查看
支持查看和管理记忆文件数据，可视化、可回溯，透明可控。
---
## 使用攻略
### 案例一：内容运营
将超级助理接入飞书渠道，对话即可一键生成内容运营所需文案、图片、视频素材，还能边聊边改、反复打磨，让创意落地更快。
生成脚本：
生成图片：
生成视频：
### 案例二：行情分析
超级助理内置市场行情助手和信息搜索技能，可实时监控最新行情数据和财经资讯，快速完成信息整合、深度解读，提供决策参考思路。
### 案例三：Vibe Coding
超级助理内置了 GitHub 操作与前端 UI 设计技能，可完成从需求拆解、界面设计、代码编写、Github 提交到部署运维的研发全流程。无需编程基础，也能完成产品开发，轻松实现产品构想。
效果查看：[CowAgent官网](https://www.cowagent.com)
### 案例四：企业提效
超级助理可通过技能配置，直接获取 LinkAI 平台知识库与数据库的企业专属信息，快速完成信息处理、数据分析与专业报告生成，大幅省去人工整理与分析的时间成本，显著提升工作效率。
---
## 持续进化
超级AI助理的能力远远不止这些，通过对话中的自我学习、技能创造、长期记忆，Agent 助理会不断成长为更懂用户和企业的个人分身或数字员工。
👉️ [立即体验超级AI助理](https://link-ai.tech/console/factory?agent=1)
## 公司新闻
---
# LinkAI平台通过国家算法备案+双ISO认证，安全合规再升级
LinkAI平台成功通过国家网信办深度合成算法备案和双ISO认证，标志着平台在安全合规、质量管理、信息安全管理等方面达到国际标准，为用户提供更安全可靠的智能体平台服务。
## 01 国家网信办深度合成算法备案
依据《互联网信息服务深度合成管理规定》，LinkAI平台通过了国家网信办的严格审查，成为通过备案的科技平台。未来：
- 平台生成内容更加合规、透明
- 用户数据管理符合国家监管要求
- 服务流程安全可控，风险可追溯
## 02 ISO27001信息安全管理体系认证
LinkAI平台采用全球顶尖信息安全标准，构建全方位数据保护体系：
- 用户数据存储和传输更加安全
- 敏感信息管理严格，杜绝泄露风险
- 企业级用户数据隔离保护
## 03 ISO9001质量管理体系认证
顺利通过国际标准审核，LinkAI平台将进一步优化服务质量，确保：
- 用户需求响应效率提升
- 产品迭代质量稳定可靠
- 服务交付准时率达到行业领先水平
## 总结
三项认证的获得，既是LinkAI平台技术实力与服务能力的权威认证，更是对客户"安全可信赖"的郑重承诺。未来，我们将持续优化技术架构与服务生态，为所有客户提供更安全、更可靠的智能体平台使用体验。
# Part 2 · 核心产品与文档入口详解
文档站完整内容见 https://docs.link-ai.tech ，以下为四大核心产品及各核心模块的扩充说明。
## 核心产品
### [智能体搭建平台（Builder）](https://link-ai.tech/console)
产品入口：https://link-ai.tech/console ｜ 文档：https://docs.link-ai.tech/platform/create-app
面向业务场景搭建专属智能体的一站式平台，零代码组合大模型、知识库、数据库、插件与工作流，即可产出能直接上线到各类渠道的业务智能体，并提供统一的对话管理、数据看板与团队空间权限管理。
### [超级AI助理（Agent）](https://link-ai.tech/product/agent)
产品入口：https://link-ai.tech/product/agent ｜ 文档：https://docs.link-ai.tech/platform/superagent
新一代 AI Agent，能够自主思考和规划任务、操作计算机和外部资源、创造和执行 Skills、拥有长期记忆并不断成长，可通过 Skills 快速集成知识库及业务系统，落地专属数字员工。提供两种使用方式且能力一致：「云端托管」运行在独立云电脑中，7×24 小时在线；「桌面客户端」支持 macOS 与 Windows，直接操作本机文件、终端与浏览器。
### [内容创作平台（Studio）](https://studio.link-ai.tech)
一站式 AI 内容创作平台，以无限画布为核心，把文案、图像、视频的生成与编辑放在同一块画布上完成。内置提示词模板、资产中心与灵感广场，支持团队协同创作，并与智能体平台共享同一套账号与积分。
### [模型服务（MaaS）](https://link-ai.tech/console/models)
产品入口：https://link-ai.tech/console/models ｜ 文档：https://docs.link-ai.tech/platform/maas
平台的多模态模型能力底座，把 100+ 国内外主流大模型聚合为一套统一的调用入口和计费体系，覆盖语言、推理、图像、视频、语音、向量等模态，也支持自定义模型对接第三方或本地部署模型。所有模型可在 Builder、Agent、Studio 中直接选用，也可通过兼容 OpenAI 协议的开放 API 与 CLI 调用，统一按积分计费。
## 产品文档
### [平台介绍](https://docs.link-ai.tech/platform)
LinkAI 是一站式 AI 智能体平台，包含「智能体搭建平台 Builder」、「超级AI助理 Agent」、「内容创作平台 Studio」、「模型服务 MaaS」四大核心产品。提供多模态大模型、技能、知识库、插件、工作流等 Agent 构建能力，并提供丰富的应用渠道接入和管理能力，助力个人和企业快速落地 AI 智能体应用。
### [快速开始](https://docs.link-ai.tech/platform/quick-start)
5 分钟完成「创建知识库应用 → 上传私有文档 → 调试对话效果」的最小流程，帮助新用户快速理解应用、知识库等核心概念并跑通第一个 AI 应用。
### [超级AI助理](https://docs.link-ai.tech/platform/superagent)
超级AI助理能够自主思考和规划任务、操作计算机和外部资源、创造和执行 Skills、拥有长期记忆并不断成长，可通过 Skills 快速集成知识库及业务系统，落地专属数字员工。核心能力：复杂任务规划（持续思考与调用工具直到完成目标，可操作文件、终端、浏览器、定时任务）、长期记忆（核心记忆与天级记忆持久化、关键词与向量混合检索、梦境蒸馏机制每日自动整理）、知识库（Agent 自主构建维护结构化知识，支持文件树与知识图谱可视化）、技能系统（内置多种技能，支持对话式开发自定义 Skills）、自主进化（空闲时自动复盘，优化技能、处理待办、沉淀记忆与知识）、多模态消息、多模型接入与多渠道部署。提供云端托管与桌面客户端两种使用方式，能力一致。
### [超级AI助理 - 云端托管](https://docs.link-ai.tech/platform/superagent/cloud)
无需安装任何软件，在控制台约 3 分钟即可创建，Agent 运行在 LinkAI 分配的独立云电脑中，7×24 小时持续在线、定时任务不中断。适合希望快速上手、随时随地使用，或主要处理云端与线上资源的场景。支持一键接入微信、飞书、钉钉等渠道，并可将平台的应用、知识库、数据库、工作流安装为技能。
### [超级AI助理 - 桌面客户端](https://docs.link-ai.tech/platform/superagent/desktop)
下载安装包到 macOS 或 Windows，登录 LinkAI 账号即可使用，Agent 直接运行在自己的电脑上，能够读写本机文件、执行本机终端命令、控制本地浏览器，处理本地文件无需先上传到云端。Agent 拥有独立的工作空间目录，涉及工作空间之外的文件变更需经用户确认。适用于本地文件处理、数据分析、应用开发与实时预览、构建本地知识库，以及通过微信/飞书/钉钉等渠道用手机远程指挥本机任务等场景。在线时长跟随本机开关机，有 7×24 小时在线需求建议使用云端托管。
### [智能体应用](https://docs.link-ai.tech/platform/create-app)
对话式应用是 LinkAI 最基础的模块，组合大模型、知识库、插件等能力搭建专属 AI 机器人。支持两类应用：「轻量应用」用一段系统提示词快速创建对话机器人；「知识库应用」可绑定知识库根据私有数据进行定制化问答。
### [工作流](https://docs.link-ai.tech/platform/workflow)
工作流是一种更灵活的智能体创建方式，可自由组合应用、知识库、插件、意图识别、定时任务、渠道发送等能力，增强 AI 智能体对流程型复杂任务的理解和执行。十余种节点单元任意组合，可视化拖拉拽界面，零代码搭出业务人员能看懂的流程图，并支持定时任务触发。
### [知识库](https://docs.link-ai.tech/platform/knowledge)
知识库可上传垂直领域的私有知识数据，自动解析和处理文档。绑定到「知识库应用」后，AI 应用面对用户提问时能检索调用相关知识语料，提供针对性回答，弥补通用大模型缺乏领域数据的短板，可用于打造智能客服、个人助手等场景。
### [数据库](https://docs.link-ai.tech/platform/database)
数据库模块提供让大模型访问结构化数据的能力，支持连接已有的远程数据库，也支持使用平台托管的内置数据库。用户可通过对话的方式对数据库进行查询、新增、编辑、删除，实现 AI 数据分析、动态数据管理等场景，支持自然语言一键生成 SQL 与数据图表。
### [插件](https://docs.link-ai.tech/platform/plugins)
插件用于扩展和增强模型能力，让智能体与外部数据源、工具、系统交互。已兼容 MCP 协议，支持将 MCP Server 一键转化为插件。插件执行通过对用户提问的意图识别（也可设置为关键词决策）来调用对应能力，支持开发者自定义插件以对接更多自有或第三方服务。
### [模型服务（MaaS）](https://docs.link-ai.tech/platform/maas)
模型服务聚合 100+ 国内外主流厂商的大模型，覆盖文本、推理、图像、视频、语音、向量等多种模态。预置厂商包括 OpenAI、Claude、Gemini、深度求索（DeepSeek）、通义千问、智谱、豆包、月之暗面、MiniMax、文心一言、讯飞星火、可灵 等；同时支持创建自定义模型，对接第三方厂商或本地部署模型。所有模型可在 LinkAI 应用、工作流、超级AI助理、内容创作平台中直接选用，也可通过开放 API 与第三方工具一站式调用。
### [渠道接入](https://docs.link-ai.tech/platform/link-app)
支持一键将智能体接入国内外主流即时通讯软件、社交媒体平台、协同办公工具、硬件设备等。包括：网页嵌入、公众号（企业/个人）、微信客服、微信、企业微信、飞书、钉钉、QQ 机器人等。也可通过 API 接入自研/第三方系统使用，接入后可统一对客户端进行管理、配置和监测。
### [对话管理](https://docs.link-ai.tech/platform/chat-manage)
展示不同智能体接入渠道的对话记录、消息实时同步。支持人工回复（消息通过接入的机器人发出）和辅助回复（AI 生成预回复，人工修改后发送），可一键切换回复模式。结合智能转人工能力，由 AI 基于对话记录生成摘要卡片并自动打标签，支持导出会话记录。需专业版及以上。
### [数据看板](https://docs.link-ai.tech/platform/data-cockpit)
提供对话数、用户活跃情况、积分消耗情况、转人工情况、未命中知识库情况、提问高频词等多维度数据统计图表。支持按天/周/月切换统计周期，可查看任意时间范围内的数据。
### [团队空间](https://docs.link-ai.tech/platform/team-space)
支持创建团队空间并邀请成员，专业版支持所有空间成员共享 LinkAI 租户资源（应用、工作流、知识库、插件、积分、对话管理等）。企业版升级为「企业空间」，支持设置角色并授予功能操作和数据范围的权限。需专业版及以上。
### [价格说明](https://docs.link-ai.tech/platform/funds/price)
根据功能、容量和服务支持的不同，分为基础版（免费体验）、标准版、专业版、企业版四档订阅服务。模型调用按「积分」计费，可通过充值积分或每日签到（基础版）获取算力。
### [常见问题](https://docs.link-ai.tech/platform/faqs)
收录支持的模型清单、计费方式、应用配置、渠道接入、知识库、API 等高频问题及解答。
### [更新日志](https://docs.link-ai.tech/platform/version)
记录平台每个版本的主要更新、新增功能与优化项，按时间倒序排列。
## 开放 API
### [接口总览](https://docs.link-ai.tech/platform/api)
接口根地址：https://api.link-ai.tech/v1 。接口列表包括：通用对话接口、记忆对话接口、工作流运行接口、模型列表接口、图像生成、视频生成、语音识别、语音合成等。调用使用 API Key 进行鉴权，需前往 控制台 - 渠道接入 页面创建 API Key。
### [通用对话接口](https://docs.link-ai.tech/platform/api/chat)
POST /v1/chat/completions，通过一个接口融合 LinkAI 各项能力。支持绑定应用 / 工作流 / 超级AI助理，使用其背后的知识库、插件、技能等能力；支持一键切换所有平台聚合模型；支持流式/非流式输出，兼容 OpenAI 接口结构；支持多模态输入输出（输入文字、图片；输出文字、图片、视频、文件）。
### [记忆对话接口](https://docs.link-ai.tech/platform/api/chat-memory)
相比通用对话接口，用户无需自行维护上下文并通过 messages 参数传递，只需传入用户问题和身份标识，由系统按用户维度维护上下文记忆。支持绑定应用或工作流使用其知识库和插件、按记忆轮次和时间配置维护记忆、一键切换大模型、流式/非流式输出、多模态输入输出。需标准版及以上。
### [工作流运行接口](https://docs.link-ai.tech/platform/api/workflow-run)
POST /v1/workflow/run。相比通用对话接口中的工作流调用，额外支持：传入开始节点中的自定义变量、传入图片类型和文件类型参数、支持工作流节点中开启的上下文记忆。需标准版及以上。
### [模型列表接口](https://docs.link-ai.tech/platform/api/models)
GET /v1/models，返回平台支持的所有 AI 模型列表，包括平台内置模型和用户自定义模型。可用于查看当前可用模型及其基本信息，在对话接口中选择合适的模型。
### [图像生成接口](https://docs.link-ai.tech/platform/api/image-generation)
POST /v1/images/generations。统一图像生成接口，通过 model 参数切换不同厂商的图像模型。支持文生图（根据文本生成图像）、图生图（传入参考图，根据文本进行修改、风格化）。响应结构与 OpenAI images/generations 接口对齐。
### [视频生成接口](https://docs.link-ai.tech/platform/api/video-generation)
统一视频生成接口，通过 model 参数切换 Seedance、即梦、可灵 等厂商的视频模型。支持文生视频、图生视频（含首尾帧模式）、视频续写/编辑。视频生成耗时较长（数十秒到数分钟），采用异步任务模式：先调用「创建任务」接口拿到 task_id，再轮询「查询任务」接口获取结果。
### [语音识别接口](https://docs.link-ai.tech/platform/api/voice-recognition)
POST /v1/audio/transcriptions。将语音文件转为文本内容，支持多种语言。支持的音频格式包括 mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm、flac、amr 等；可选择识别引擎（如 whisper-1 / doubao 等）。
### [语音合成接口](https://docs.link-ai.tech/platform/api/voice-speech)
POST /v1/audio/speech。将文本合成为语音文件，支持多种音色可供选择，覆盖通用问答、智能助手、有声阅读、视频配音、各地方言等场景。
### [API 在线调试](https://apidoc.link-ai.tech)
在线接口调试控制台，可直接在浏览器中填写参数并发送真实请求，查看响应。
## 命令行工具 (CLI)
### [命令行工具 (CLI) 文档](https://docs.link-ai.tech/platform/cli)
LinkAI CLI 是 LinkAI 平台的命令行工具，把平台全部能力封装成一个 `linkai` 命令，让 Agent 和用户都能在终端中调用与管理平台核心能力。平台资源：应用（app）、知识库（knowledge）、数据库（database）、工作流（workflow）、插件（plugin）、账户（account）；模型能力：对话（chat）、图片生成（image）、视频生成（video）、语音合成（audio）、模型列表（model）。安装后附带 Agent Skill，装好即用，Agent 无需额外配置即可知道如何驱动 CLI。
### [CLI 安装指南](https://docs.link-ai.tech/platform/cli/install)
手动安装：npm 安装 `npm i -g linkai-cli`（需 Node.js 16+）；或一键脚本（零依赖，会同时安装 Agent Skill）——macOS/Linux `curl -fsSL https://cdn.link-ai.tech/cli/install.sh | sh`，Windows PowerShell `irm https://cdn.link-ai.tech/cli/install.ps1 | iex`。安装后三步开始：`linkai auth login`（浏览器授权）→ `linkai app list`（获取 app_code）→ `linkai chat "你好" --app