新闻动态
热点文章
动态 / 2026-09-30Cloudsway AI 连续两年获 NextGen Tech 30 认可，荣获 2026 Momentum Award
小宿科技母公司 Cloudsway AI 连续两年获得 NextGen Tech 30 认可，成为 2026 年 Momentum Award 的五家获奖企业之一。
动态 / 2026-08-05小宿科技与Quote达成合作，智能搜索助力法律AI Agent获取“卷外”信息
近日，上海帧鸣科技旗下法律 AI Agent 协作平台 Quote ，正式接入小宿科技智能搜索。Quote 的 Agent 在执行尽职调查、公开舆情监测、知识产权线索收集等任务时，将直接获取多源公开网络信息，并为每一条引用保留可追溯的来源。
动态 / 2026-07-31小宿科技与RealGreen AI达成合作，以智能搜索赋能可信ESG智能体
从企业ESG报告到互联网公开信息，从识别绿色漂洗到生成可信投资信号，小宿科技智能搜索正在帮助RealGreen AI进一步提升ESG智能体的信息检索与事实验证能力。
动态 / 2025-11-24小宿科技上架阿里云：解锁企业 AI 搜索新可能
小宿智能搜索正式入驻阿里云，依托阿里云强大的技术和全球计算基础设施，帮助AI Agent企业实现高效、稳定的数据获取。小宿智能搜索支持35+语言、多模态搜索和长摘要总结，解决跨地域、多维度数据处理难题。 借助阿里云百炼平台的MCP接入能力，企业无需复杂改造即可将小宿智能搜索无缝集成到现有AI应用中，快速推动AI应用落地，助力企业加速数字化转型，搭建AI生态。
博客 / 2025-11-22小宿科技“三体”系统：驱动 AI Agent 的隐形引擎
AI Agent 正以前所未有的速度改变着商业格局与生活方式，应用场景日益广泛，从智能客服、自动化生产到个性化推荐、智慧城市管理，几乎无处不在，深刻影响着我们的日常生活。 然而，要让AI Agent真正发挥智能并落地为决策，背后离不开稳固、高效的基础设施支撑。小宿科技提供全栈基础设施解决方案，从数据智能到模型调度、智能搜索到云端部署，帮助企业突破技术障碍，加速智能化转型与科技赋能。
博客 / 2026-05-07AI搜索引擎哪个好用？先看你的Agent需要什么
目前很火的AI搜索引擎从Perplexity、谷歌AI Overview到各类新兴的答案引擎，让开发者眼花缭乱。对于正在构建AI Agent的工程师来说，这反而带来了一个新难题：AI搜索引擎哪个好用？这个问题之所以难回答，是因为Agent对搜索的需求和普通人完全不同。用户用AI搜索查个天气、找篇新闻，答案差不多就行；但Agent调用搜索是把它当作一个外部工具来执行具体任务，要求结果稳定、结构清晰、可被代码直接处理。如果不先想清楚自己Agent的调用模式，直接看产品榜单下单，大概率会踩坑。
阅读文章
博客 / 2026-04-21让智能体真正跑起来的核心卡点与解决方案
大模型调用外部工具正在成为国内 AI 应用从对话走向行动的关键分水岭。很多团队已经感受到：模型能写能答，但一进入查数据、读网页、调系统、跑流程、控权限的真实业务环境，就会暴露出不稳定、不可控、难复现等问题。工具调用把大模型与搜索、内部系统和执行环境连接起来，让智能体具备任务闭环能力；同时也显著抬高工程复杂度，倒逼企业从行业视角补齐数据、模型与云基础设施的体系化能力。
阅读文章
博客 / 2026-04-21从原型到交付：如何搭建一个AI Agent的工程路径与基础设施取舍
在国内，如何搭建一个AI Agent正在从原型验证走向工程交付：不再满足于能对话、能演示，而要能稳定完成任务、可复用扩展、可监控审计并满足合规要求。很多团队早期用大模型加对话入口与工具调用即可快速成型，但进入真实业务后问题会集中暴露：数据源不稳定导致结论漂移，外部接口限流与超时引发执行中断，多步任务缺少状态管理与回放，并发与成本难以控制，权限边界与审计链路不清晰。行业从生成式能力走向智能体能力，关键差异不在提示词技巧，而在是否具备可观测、可扩展、可治理的智能体工程体系与基础设施。
阅读文章
博客 / 2026-04-21为什么你的AI Agent看起来很聪明，用起来却总犯错？
如何开发一个AI Agent正在成为国内产品与工程团队的共同课题：大模型能力趋于可用之后，差异化不再来自回答本身，而来自任务能否被拆解、能否调用工具形成闭环、能否在真实业务系统里稳定运行。行业里常见的落差是，Demo阶段看起来足够聪明，上线后却在数据时效、工具可靠性、权限与审计、长任务执行等环节频繁掉链子，最终把Agent做成了难以规模化交付的项目制能力。
阅读文章如何为企业级AI Agent选择基础设施？
AI Agent应用案例在国内加速涌现，企业从概念验证走向生产落地时却常遇到明显落差：在演示环境里，任务拆解、工具调用、闭环执行看似顺畅；一接入真实业务链路，就会被数据接入、模型治理、运行环境、权限与合规等基础环节拖慢。行业呈现出共同规律：场景多、试点易启动；但一旦进入跨系统、长链路、高并发与可审计的生产要求，能否规模化复制，取决于面向智能体的基础设施是否到
阅读文章AI Agent基础设施如何决定规模化上限？
企业AI Agent在国内正从演示走向交付：不再停留在对话式问答，而要在真实业务链路中完成检索、判断、调用工具、执行与回传，形成可审计、可复现的结果闭环。落地难点往往不在概念，而在持续可用的工程能力——同一个Agent在不同数据、不同模型、不同运行环境下，稳定性与成本曲线可能完全不同。行业竞争焦点也随之从单点功能转向系统工程，AI基础设施正在成为企业AI A
阅读文章从如何开发一个AI Agent，到把它真正跑起来的工程路径
如何开发一个AI Agent，关键不在把大模型接进来，而在让它稳定完成任务闭环并可持续运营。国内落地语境正从能聊、能写，转向能查、能做、可追溯；企业侧关注点也从效果演示，转为成本、合规、稳定性与可运维。于是，AI Agent 的开发不再是提示词与对话体验的优化，而是一套覆盖任务编排、数据供给、模型治理与运行环境的系统工程，目标是把不确定的智能能力变成可交付、
阅读文章从行业视角看国内AI Agent公司格局
如今，AI Agent已经从概念走向了普及，企业关注点也因此发生了变化：企业们不再满足于大模型能对话，而是希望把对话能力变成可执行、可交付的业务结果。一个能落地的智能体，通常要具备任务拆解与规划、工具调用与系统对接、数据获取与知识更新、在安全环境中稳定运行，以及可观测、可回溯、可持续优化的工程体系。基于这些要求，国内AI Agent相关公司逐渐形成分层分工：
阅读文章AI Agen难交付？那你应该看看是不是这些问题没考虑到
AI Agent应用场景在国内持续升温，驱动力不只来自模型能力提升，更来自企业交付方式的变化：从回答问题走向完成任务，从单点提效走向跨系统闭环。与此同时，数据分散、系统割裂、成本与合规约束并存，使不少智能体仍停留在演示或试点阶段。行业真正稀缺的，是把智能体做成可持续运行、可度量、可治理的工程化链路，让结果稳定可交付、可复用、可扩展。业务优先：先从可拆解、可度
阅读文章