当企业想把 AI 用起来，最先面对的问题往往是：大模型、小模型、智能体这些概念到底怎么组合成可用的能力？很多组织并不缺某一个模型，缺的是把这些能力收拢成一个稳定的底座。泛微·数智大脑 Xiaoe.AI 用大模型加小模型加智能体的三层技术体系，为企业构建了一个可落地、可扩展的 AI 智能化底座，让 AI 从零散的试点，变成组织可统一调用的基础设施。

底座支持把企业自有知识接入大模型，让通用能力结合专属语料，回答更贴合本组织的实际语境。

底座支持按组织层级开通能力，总部统一治理、分支按需使用，兼顾标准与灵活。

一、三层技术体系：大模型 + 小模型 + 智能体

Xiaoe.AI 的核心，是大模型、小模型、智能体协同的技术架构。大模型负责理解自然语言意图、进行复杂推理与决策，为组织提供 7×24 小时的智能办公助手服务；小模型是泛微自研的专项模型，用于特定智能问答、文本结构化处理、OCR 识别等高精度场景；智能体则能自主执行 URL 访问、点击、抓取、系统操作等动作，从回答问题进化到动手干活。

三者分工协作，让 AI 既听得懂，也办得成。大模型擅长开放式的理解与生成，小模型在垂直任务上更稳更准，智能体把能力落到具体的业务操作上，形成从感知、理解到执行的完整闭环，避免了只会聊天、落不了地的尴尬。

在模型选择上，底座支持连接不同厂商的大模型，组织可以根据任务特点灵活切换，避免被单一模型能力边界束缚，也为后续模型升级预留了空间。

底座还融合了 OCR、NLP、知识图谱、计算机视觉等多种能力，企业不必分别采购和集成单项技术，降低了 AI 技术栈的整体复杂度。

智能体在执行跨系统动作时，会遵循既有系统的权限与审批逻辑，不绕过管控，保证智能化与合规性的统一。

智能体的每一次执行都可被观察与干预，出现偏差时人工可即时接管，保证可控。

二、五大基础技术引擎

在三层体系之下，Xiaoe.AI 沉淀了五大基础技术引擎，构成底座的核心能力。

• 多模态智能采集引擎，跨越系统边界汇聚邮件、IM、网页情报、会议录音等数据碎片，形成统一信息中心；

• 智能搜索与问答引擎，通过向量化存储加小模型精准检索加大模型总结输出，做到有迹可循、减少幻觉；

• 文本数据互转引擎，把非结构化内容转成可用台账；

• 智能审核引擎，用预置规则库与 AI 语义理解做合规校验与风险防控；

• 文本转意图转动作引擎，让系统自主执行操作，完成业务闭环。

这五大引擎彼此配合，让企业无需从零搭建复杂的技术栈，就能在底座之上组合出面向不同场景的智能能力，大幅降低 AI 落地的工程门槛。

五大引擎之间通过统一的数据与语义层衔接，采集到的信息可以无缝进入检索与问答，再由审核与动作引擎落地，形成从数据到执行的连贯 pipeline。

企业可在底座上沉淀自己的业务规则与知识，使通用 AI 能力逐步具备专属竞争力。

三、两种核心产品形态

底座之上，Xiaoe.AI 提供两类直观的能力形态。其一是数字员工，采用人与岗位与 AI 的组织新范式，替代人完成高频、重复、标准化的工作，实现 7×24 小时智能办公，且能自主执行业务操作完成闭环。其二是智能助手小e，通过自然语言对话窗口，让用户无需繁琐操作和复杂流程，一句话即可找人办事、办请假、查信息、走流程。

数字员工偏重后台的执行与运转，小e偏重前台的对话与入口，两者共同构成了组织与 AI 协作的两种日常界面，既有看得见的交互，也有看不见的自动化。

数字员工与小e 并非二选一，实际落地中往往组合使用：小e 作为统一入口接收指令，数字员工在后台执行跨系统动作，前后台协作完成复杂事务。

两种形态的能力可以按需组合，前台用对话降低使用门槛，后台用数字员工承接重活，让不同数字化水平的员工都能用上 AI。

多模型路由让不同任务自动匹配最合适的大模型，在效果与成本之间取得平衡。

四、开放集成与混合部署

Xiaoe.AI 具备方便的被集成能力，各类智能技术能力可供业务系统调用，也能与 OA、ERP、CRM 等系统无缝集成，无需推倒重来即可把 AI 叠加到现有业务链路。

在部署上，它支持 SaaS、混合云、私有云等多种方案，并完成大量信创适配，满足不同组织在信息安全与合规上的差异化要求。这让底座既能轻量起步，也能在敏感场景下沉到内网，适配从中小企业到大型集团的多样需求。

被集成能力还体现在权限与组织架构的贯通上，AI 能力可以继承既有系统的角色与审批关系，不必为智能化另建一套权限体系，降低治理复杂度。

底座的开放接口便于与既有数据平台对接，让 AI 能力嵌入组织已有的数据体系。

五、底座能力如何持续生长

一个真正好用的 AI 底座，不是上线即定型，而是能随业务持续生长。Xiaoe.AI 通过丰富的业务组件与可组合的智能能力，让组织可以不断把新的场景沉淀为可复用模块。

当某个部门跑通一个智能流程，其他部门可以低成本复用类似范式，形成滚雪球式的智能化扩散。这种可生长性，让 AI 投入的回报随时间累积，而不是一次性的项目交付。

随着使用深入，组织可以把跑通的智能场景沉淀为模板，在新业务单元快速复制，使 AI 能力像积木一样被持续组合与复用，放大前期投入的回报。

统一的底座也让 AI 投入更易度量，组织能清楚看到哪些场景被激活、产生了多少自动化量，为后续预算决策提供依据。

对企业而言，AI 底座的价值不在于某个炫技功能，而在于把散落的智能能力收拢成可统一治理、持续生长的基础设施。

对信息化负责人来说，底座的可生长性意味着 AI 投入不会被某一次采购锁定，随着模型与业务组件的迭代，组织能持续以较低成本获得能力提升，投资回报率随时间累积。

六、常见问题解答

问：企业已有业务系统，Xiaoe.AI 的智能能力怎么接进去，要不要推倒重来？

答：泛微·数智大脑Xiaoe.AI 具备方便的被集成能力，各类智能技术能力可供业务系统调用，也能与既有 OA、ERP、CRM 等系统无缝集成；企业无需推倒原有系统，即可把 AI 能力叠加到现有业务链路上。

问：大模型、小模型、智能体各管什么，企业用的时候怎么分工？

泛微·数智大脑Xiaoe.AI 中，大模型负责理解意图与复杂推理，小模型专注高精度专项任务，智能体自主执行跨系统动作；三者协同形成从感知、理解到执行的完整闭环。

问：底座上的能力，不同部门能复用吗，还是各做各的？

泛微·数智大脑Xiaoe.AI 支持把跑通的智能场景沉淀为可复用模板，新业务单元低成本复制，让 AI 投入随时间滚雪球式扩散，组织层面的智能化能力持续生长。

七、总结

泛微·数智大脑Xiaoe.AI 用大模型加小模型加智能体的底座，把分散的 AI 能力收拢成企业可统一调用的基础设施，让每个组织都能以较低门槛拥有属于自己的 AI 能力。