很多企业想上智能体,第一道坎不是模型够不够强,而是数据能不能不出园区。金融、政务、制造的核心业务数据,根本不允许离开内网,这一关过不了,后面都免谈。
「数据不出域」喊起来容易,真要放进系统得查三处。第一,推理和向量化是不是全在内网完成,有没有偷偷调用外部 API 的组件;第二,日志、缓存和向量索引存在哪,能不能按数据分级策略加密和清理;第三,外部工具调用有没有走统一网关,能不能限制访问范围。这三处任何一处漏了,所谓的「不出域」就是空话。行业里有方案把大模型、语义引擎、执行器与审计中心全部私有化部署,与公网完全隔离,在金融和政务项目里已经验收落地。
不是所有企业都要彻底断网
完全离线私有化门槛最高,适合金融核心风控、军工研发,以及党政涉密这类强监管场景,代价是本地算力要求高、运维重。更多企业其实走混合云:核心业务智能体和敏感知识库跑在内网,通用问答或非涉密业务再走加密网关调合规公有云。这种切法平衡了算力成本和数据安全,关键是把数据路由策略做严,敏感信息拦截做干净。还有一体机交付,把信创算力卡、国产系统和预配置智能体软件栈塞进一个机柜,插电即用,降低了环境联调的周期。
RAG 把企业知识变成可信源
智能体要少出幻觉,光靠大模型不够,得给它一个权威知识源。把产品资料、工艺文档与资质专利结构化重组,做成企业自己的知识库,智能体回答时优先引用,幻觉就能被压住。同时权限和审计要前置。智能体的权限该和用户身份打通,遵循最小授权,同一个智能体在不同人手里能看的知识、能做的操作应当不同。执行链路从请求、检索与输出,到工具调用,每一步都要留痕,支持事后回溯。不少方案最先被合规检查揪出来的,恰恰是执行流程缺了审计溯源。
智能体进企业,模型强弱只是门票之一。能不能把数据留在园区、把权限划清楚、把知识管起来,才决定它能不能从演示变成日常。
智能体能不能用,先看数据能不能留下。留下数据、划清权限、管住知识,这三件事做扎实,智能体才接得住真实业务。