预约通话

Novaeon Studio · The AI Agent Factory

智能体，为生产环境精工打造。

我们在最复杂的技术栈上设计、构建、发布并运营 AI 智能体，SAP 也不例外。每一次发布背后，都有 22 年以上企业级 SAP 交付经验。

预约 30 分钟智能体战略通话了解我们如何交付智能体

示意图：地平线上的地球，智能体飞船沿轨道穿过四道关口

  • 开放模型发布于 Hugging Face
  • 开源活跃于 OpenClaw 社区
  • 22 年以上Novaeon 背后的企业级 SAP 交付经验
  • 发布纪律SAP 发布与变更管理（ChaRM）

五个舱室，一项使命。

像穿行空间站一样了解这家公司。每个舱室都有独立页面和各自的佐证，并可随时返回。

  1. 工厂每个智能体必经的流水线：想法、构建、发布、运营。
  2. 服务五项服务，从就绪度审计到私有 AI 实验室。
  3. 行业我们有实战经验的八大行业，以及智能体在其中的作用。
  4. 实验室开放模型、上游贡献、数据集与我们自己的发布关口。
  5. 联系预约通话、给我们留言，以及就绪度检查。

我们解决的问题

做一个演示智能体，只需一个下午。而一个能让审计、职工委员会和运维团队都接受的智能体，是一项架构工作：明确的角色、经过测试的技能、清晰的边界、一位负责签批的人，以及一套让您可以放心修改它的发布流程。

智能体如何交付

想法 → 智能体 → 发布 → 运营。

每一次都走同一条路。任何变更都不能只凭热情进入生产。

  1. 01

    想法

    选出智能体值得投入的流程。梳理输入、决策、风险与负责人，并判断哪里用普通工作流更合适。

  2. 02

    智能体

    构建智能体及其技能：工具契约、护栏、提示词注入测试、评测场景，以及人工审批环节。

  3. 03

    发布

    像软件一样逐级发布：有版本、对照固定基线测试、做风险评级、经过审批、可追溯，并且可回退。

    • 评测关口
    • 风险评级
    • 审批
    • 可随时回滚
  4. 04

    运营

    在生产中监控质量、单次操作成本与漂移。按发布节奏持续改进，而不是临时热修提示词。

进入工厂

我们构建什么

四件事。为长期运行而建，而不是为了演示效果。

AI 智能体

多步骤智能体：一个清晰的角色、限定范围的工具、硬性边界，以及向人工上报的路径。用评测场景衡量，而不是凭第一印象。

  • 角色与边界
  • 工具范围限定
  • 人在回路

技能

智能体调用的确定性构建块：查询、校验、创建、过账。小巧、经过测试、有版本管理，这正是智能体可靠的来源。

  • 确定性
  • 经过测试
  • 版本化

集成与自动化

ERP、CRM、API、文档。我们打通智能体所需的系统，也把根本不需要智能体的工作直接自动化。

  • MCP 服务器
  • API
  • 工作流

私有化与主权 AI

当数据不能离开您的基础设施时，使用本地和自托管模型。智能体运行在您的硬件上，由您掌控。

  • 本地大模型
  • 本地部署
  • 数据留在欧盟

内部 · 智能体运维

这座工厂，我们自己先用。

在为客户构建智能体之前，我们先在自己的公司里运行它们，采用与交付给客户相同的发布关口。

  • 43每次更换模型的确定性关口用例
  • 2 / 8通过关口的候选模型
  • 95%任务分派正确率，60 项任务路由基准
  • 90%模型档位正确率，同一基准

Novaeon 智能体工厂

  • 更换模型成了一次发布：8 个候选构建中，2 个通过关口，6 个在进入生产前被拦下。
  • 一个受测模型声称要重启服务器，而它根本没有执行重启的工具。这个问题暴露在关口中，而不是在生产环境中。
  • 在我们的 60 项任务基准测试中，路由的任务分派正确率为 95%，模型档位正确率为 90%；在本地硬件上，一次路由决策约需 1.5 秒。
方法
  • 一个协调智能体把任务分派给专业智能体（工作室、运维）；五项及以上的独立工作会分流到并行的工作通道，返回附带引用证据的结构化结果。
  • 路由器为每项任务做三个决定：由谁处理、用哪一档模型、是否开启推理；由两个独立的评判器把关，一旦存疑就上报给更强的模型。
  • 每次更换模型都要过回归关口：43 个确定性测试用例，不用 LLM 作评判。通过标准：得分不低于基线减 2、工具调用零回归、请求零错误。现在每次更换模型还会生成一份发布档案，并记入通过哈希值串联的审计日志。
  • 所有公开内容都会对照来源进行事实核查，并在上线前由另一个不同的模型再次检查。

自有基准测试，2026 年 10 月。路由基准使用 60 个贴近真实的请求，配有固定的参考标签（测量于加入运维用例之前）。

在上游公开协作

复杂技术栈

面向 IT 容不得出错的环境。

Novaeon 背后是 22 年以上企业级 SAP 交付经验，以及我们自己日常运行的智能体技术栈。

过往履历：已交付

  • SAP S/4HANA
  • SAP ERP 6.0 / ECC
  • Solution Manager 7.2
  • ChaRM
  • CTS+
  • cCTS
  • SAP HANA
  • SAP BW/BI
  • SAP CRM
  • SAP APO
  • SAP Fiori
  • SAP Hybris
  • Oracle
  • AIX

我们的智能体技术栈：日常使用中

  • Claude
  • MCP
  • A2A
  • Python
  • TypeScript
  • Node.js
  • 本地大模型
  • 评测框架
  • Docker
  • Linux
  • Cloudflare
  • Astro
  • Hugging Face
  • 基于 Git 的发布流程

八大行业，找到您所在的行业。

这些行业的系统环境我们都有实战经验。每个页面说明哪些智能体适合在该行业落地，以及需要具备哪些前提条件。

全部行业与领域

实践笔记

我们在写什么。

在 LinkedIn 阅读更多文章

常见问题

第一次通话之前。

你们只服务 SAP 客户吗？

不是。SAP 是我们发布纪律的来源，也是智能体最难做好的地方；但我们在任何技术栈上构建智能体、技能与集成，包括完全自托管的模型。

我们的 SAP 系统是本地部署的，能用 Joule 吗？

目前，本地部署的 S/4HANA 或 ECC 还没有标准的 Joule 路径；SAP 将其与云版本及特定合同绑定。就绪检查会告诉您，在您的系统环境中哪些可行，以及哪些智能体无需等待 Joule 就能构建。

“AI 发布管理”在实践中意味着什么？

对智能体的每一次变更，无论是提示词、模型、工具还是数据源，都要经过版本管理、固定评测基线、风险评级与审批，并保留一个可回滚的已验证版本。就像 ChaRM，只是面向智能体。

我们的数据能留在内部吗？

可以。当数据不能离开您的基础设施时，我们基于本地和自托管模型构建，并限定智能体可触及的每一个工具。

合作如何开始？

先进行一次 30 分钟的智能体战略通话，然后是审计。审计之后，由您决定是否构建、构建什么。

你们自己训练模型吗？

我们不训练基础模型。我们已在 Hugging Face 上公开一个面向智能体的合成变更请求开放数据集，以及基于它训练的 Qwen3-4B LoRA 适配器。我们以服务形式提供数据集构建、评测集以及开放模型的 LoRA 微调。我们在 Hugging Face 上公开的其他版本均为开放模型的量化版本，且每个模型上线前都必须通过固定的测试关口。