明略科技推出專有大模型產品線DeepMiner，可信商業數據分析智能體終于能用了！

2025年，智能體已無處不在，但企業級市場仍在期待真正可靠的生產力工具。通用智能體常因“幻覺率高、過程不透明、缺乏行業知識”而難以真正投入使用。而在B2B生產環境中，只有確保智能體輸出結果準確、過程透明且可追溯，才能滿足企業實際應用的前提條件。

基于對企業痛點的深刻洞察，9月20日，明略科技正式推出專有大模型產品線DeepMiner，以“可信智能體模型+可信數據”雙輪驅動，為企業構建AgenticAI時代“可信生產力”。

圖片來源：明略科技

一、破解企業智能體落地難題，DeepMiner定義“可信生產力”

DeepMiner是明略科技面向大模型時代推出的全新產品線，定位為ToB場景下企業可信賴的“核心生產工具”。它并非單一智能體，而是一系列基于真實業務場景構建的Agent集群，聚焦全球商業數據分析與決策領域，全面繼承了明略科技在數據分析與挖掘領域的技術積累與領先優勢。

區別于通用智能體，DeepMiner具備四大顯著差異：

1、企業級人機協同多智能體架構

DeepMiner支持企業根據業務需求，靈活組合新工具、新智能體，構建動態協作的智能體集群，而非局限于單一智能體。同時，強調人機協同模式，通過多輪對話與交互，逐步明確任務目標，摒棄“一句話解決需求”的簡單模式，貼合企業復雜業務場景。

2、對接企業級商用數據源

深度整合廣告、零售、電商等領域數據庫，確保智能體分析數據的真實性與全面性，從源頭規避AI生成虛構內容的風險。

3、支持企業知識挖掘與沉淀

在人機交互過程中，DeepMiner能持續挖掘用戶未顯性化的暗默知識，并將其沉淀為組織記憶，不斷強化團隊整體業務能力，實現知識在企業內部的高效流轉與復用。

4、降低“幻覺”發生率

DeepMiner的核心理念之一是實現“數據相關工作全流程透明化”。從初始的指令輸入到最終的數據分析報告輸出，每個環節的細節均可追溯，用戶能夠在任意環節介入并進行干預。

在過程校驗中，還能提煉用戶的隱性知識，通過“Human-in-the-loop”機制，讓智能體在持續交互中不斷優化能力，大幅降低“幻覺”發生率。

二、三大核心技術，把“可信”寫進架構里

1、多智能體協同架構，提升任務處理效能

DeepMiner并非依賴單一模型獨立完成任務，而是構建了多智能體協同工作系統。系統由一個強大的智能中樞——FoundationAgent統一調度，承擔起各組件協同工作的統籌職責，有效解決企業AI應用中的知識連接難題。

在FA的調度下，不同功能的智能體各司其職、協同配合，如同一個“虛擬專業團隊”高效運轉。企業用戶可通過人機交互機制，隨時介入任務執行過程，調整工作方向、細化任務目標。

基于MoA架構，DeepMiner可針對每個細分業務板塊，均可匹配最優模型進行處理，相比傳統MoE架構，大幅提升了系統優化效率。

2、專有模型支撐，為執行和規劃而生

人工智能從GenerativeAI發展到AgenticAI最大的突破在于，Agent給大模型安裝了眼睛和手腳，讓大模型變成了“千手觀音”，能夠主動執行任務，然而，這也帶來了新的挑戰。由于通用大模型并非為操作軟件而訓練，因此在規劃與操作層面的效果往往差強人意。

為此，DeepMiner自研兩款專有模型：專業靈巧手模型Mano和專業指令推理模型Cito。

專業靈巧手模型——Mano：

打造虛擬世界“靈巧手”，連接全量數據系統

智能體精準的工具調用能力，依賴于BrowserUseAgent（BUA）與ComputerUseAgent（CUA）的性能。

作為DeepMiner的自動化執行引擎，Mano讓智能體真正學會了“看”與“點”，能夠在各類軟件及瀏覽器環境下實現精細化操作。其核心技術突破在于，通過持續強化學習，Mano能夠自主探索并適應全新的平臺與業務流程。近日，Mano已在全球兩大權威基準測試（Mind2Web——BUA基準測試、OSWorld——CUA基準測試）中登頂，均達到行業SOTA（StateoftheArt）水平。

圖片來源：明略科技

Mano模型框架概覽

專業指令推理模型——Cito：

深耕行業Knowhow，優化復雜任務規劃

傳統的大模型在任務規劃時，動作空間巨大，往往難以保證效率和準確率。

作為DeepMiner的分析決策中樞，Cito專為深度推理而設計，它能為復雜商業問題動態構建專業推理鏈路，并實現決策路徑的自我優化與進化，以適應動態多變的市場環境。Cito采用Human-in-the-loop機制，通過人機協作大幅縮小動作空間，讓復雜任務的執行更可控、更精準。

通過FoundationAgent的統一調度，DeepMiner可以將Cito的深度推理規劃能力與Mano的精準執行能力深度融合，從而打通從“商業洞察”到“業務執行”的端到端智能自動化閉環。

3、企業記憶與模板體系，賦能組織能力提升

在企業日常運營中，大量員工的業務經驗僅留存于個人層面，未能沉淀為組織資產。DeepMiner的又一核心價值，在于幫助企業完成暗默知識向顯性知識的轉化。通過多輪人機交互，DeepMiner可逐步提煉暗默知識，形成企業的知識資產。久而久之，企業就會擁有越來越強的組織記憶。

此外，針對企業備受困擾的“幻覺”痛點，DeepMiner進行了系統性優化：從任務分解、工具調用到結果生成，全流程均實現可視化呈現。用戶可清晰查看每一步操作的邏輯，在必要時還能進行人工干預。這一設計不僅大幅降低了幻覺發生率，更讓輸出結果具備了可驗證性。經實際測試，DeepMiner在垂直行業場景中的幻覺率遠低于通用模型水平。

以跨境電商應用場景為例，當用戶提出“調研某品牌手機殼在美國市場的供需情況”需求時，DeepMiner不會直接生成結論，而是通過多輪對話逐步明確任務邊界——例如詢問用戶“目標市場是美國、歐洲還是全球？”“分析周期為幾個月？”“是否需重點關注新品上市初期的市場反應？”等。當用戶確認核心需求后，DeepMiner可自動調用專業商用數據庫，生成包含供需趨勢、競爭格局等維度的市場分析報告。

整個過程實現“多輪人機交互、專業數據源接入、全流程透明化”的閉環，用戶既能獲取最終結果，又能清晰追溯每一步結論的推導過程，充分展現了DeepMiner在商業數據分析與決策中的應用價值。

從大數據到大模型，明略科技憑借近二十年在數據智能賽道的深耕與積累，充分展現了穿越技術周期、引領行業發展的實力。

明略科技創始人、CEO兼CTO吳明輝表示：“此次DeepMiner專有大模型產品線的發布，標志著明略科技在大模型時代的重要戰略布局。未來，我們將基于DeepMiner，推出面向金融、法律、人力資源、制造等垂直行業的專屬智能體。我們堅信，‘可信’將成為企業應用人工智能的核心標準，而DeepMiner的目標，就是打造商業場景中的可信Agentic大模型，以數據驅動可信生產力，創造人機同行的美好世界。”

以上內容與數據，與有連云立場無關，不構成投資建議。據此操作，風險自擔。