产品 · larkscout

LarkScout

LarkScout 是面向 AI Agent 的企业级知识平台——在多源采集、文档解析、文档预览之上,做断言(Claim)抽取、 知识视图编译、矛盾扫描与经验回流,把企业知识编译成 Agent 能消费、Claim 可溯源的知识资产,避免将未经加工的海量文档直接注入 RAG 导致噪音与幻觉。

LarkScout(Knowledge & Skill Compilation)企业级数字劳动力基础设施架构示意图
LarkScout logo

LarkScout

Knowledge & Skill Compilation面向 Agent 的企业级知识平台

给 Agent 的不是一堆搜索命中,是编译好的、可溯源的知识。

编译
给的是知识,不是搜索命中
可溯源
Claim 级引用
闭环
矛盾扫描 + 人工确认回流
Skill
对齐 agentskills.io

典型痛点

  1. RAG 召回低质量,上下文窗口被噪音填满
  2. 经验沉淀不下来,Agent 反复犯同类错误
  3. 知识更新后 Agent 还在用旧版本

核心价值

Skill、SOP 与规则的统一目录

LarkScout 编译好的 Skill、SOP 与规则集中列在 AULO 内容库里,每条带版本、发布者、可见性和适用的 Agent 分类。

内容库:Skill、SOP 与规则的版本、发布者与可见性

SOP、规则、SKILL 与 Persona 分层归属

内容库把 SOP、规则、SKILL 与 Persona 按归属(我的/部门/全局)分层收纳,已部署到哪些 Agent 与版本一目了然。

内容库:SOP、规则、SKILL 与 Persona 按归属分层,已部署到哪些 Agent 一目了然

内容提升审批与证据留痕

内容从个人向部门或全局层级提升时需经审批,申请理由与运行证据留痕逐条可查。

内容提升审批:申请理由与运行证据留痕逐条可查

多源定时抓取与运行追溯

支持站点抓取、批量导入与定时接入等多种模式,各数据源的抓取进度、产出篇数及失败原因清晰呈现。

采集源与运行记录:定时抓取、站点导入与批量导入的进度、产出与失败原因

核心能力

知识提炼

Claim 抽取从文档 / 网页抽出结构化 Claim(主谓宾),并链接为实体与关系,作为可引用的知识最小单元
知识视图编译把多文档 Claim 按主题编译成带引用的知识视图;检索命中只是候选
矛盾扫描按同一主谓、不同宾语扫描冲突 Claim,标为 contradicted / uncertain,并在视图中提示人工复核
经验回流支持 Agent 学习记录入库,以及经人工确认的 Claim 更正提议

能做 / 不做

能做
  • 结构化 Claim 抽取与知识视图编译:将文档提炼为可引用的最小事实单元
  • 知识矛盾扫描与经验回流:自动识别冲突知识,支持 Agent 经验学习与人工确认
  • 多源企业文档解析与站点策展:支持主流文档格式与语雀/微盘/飞书接入
  • Agent 内容标准化编译:编译 Skill / SOP / Rule,原生兼容 agentskills.io 规范
  • SKILL Bundle 批量导入与三层安全门:格式校验、解压防护与 YARA 进程隔离扫描
  • 受保护段声明与官方 MCP 知识检索:支持 Fork 血缘追踪与 mTLS 鉴权接入
不做
  • 不替代企业既有 Wiki 或内容管理系统(定位于面向 Agent 消费的知识编译加工层)
  • 不直接分发/挂载至 Agent 运行时工作区(编译完成后交由 HarnessServer 按角色下发)
  • 不直接向 RAG 注入未提炼的原始粗糙文本(只输出结构化 Claim 与可溯源知识视图)

按角色看

技术负责人

知识结构化为可引用 Claim 与视图,而不是将未经提炼的文档直接注入 RAG

合规与风控

知识源可追溯;MCP 可开启,经 mTLS 与 NodalOS 受控接入,不是公网无鉴权端点

业务负责人

经验经人工确认后再复用,新 Agent 上线不必从零摸索

集成与依赖

NodalOS 运行时与 mTLSHarnessServer 内容同步与下发AULO 知识面板与预览PrismCouncil 独立交付时自管议事 SKILL,不经本服务注册

相关产品

下一步

SYSTEM READYproduct/larkscout