2025年，智能体已无处不在，但企业级市场仍在期待真正可靠的生产力工具。通用智能体常因“幻觉率高、过程不透明、缺乏行业知识”而难以真正投入使用。而在B2B生产环境中，只有确保智能体输出结果准确、过程透明且可追溯，才能满足企业实际应用的前提条件。
基于对企业痛点的深刻洞察，9月20日，明略科技正式推出专有大模型产品线DeepMiner，以“可信智能体模型+可信数据”双轮驱动，为企业构建AgenticAI时代“可信生产力”。
图片来源：明略科技
一、破解企业智能体落地难题，DeepMiner定义“可信生产力”
DeepMiner是明略科技面向大模型时代推出的全新产品线，定位为ToB场景下企业可信赖的“核心生产工具”。它并非单一智能体，而是一系列基于真实业务场景构建的Agent集群，聚焦全球商业数据分析与决策领域，全面继承了明略科技在数据分析与挖掘领域的技术积累与领先优势。
区别于通用智能体，DeepMiner具备四大显著差异：
1、企业级人机协同多智能体架构
DeepMiner支持企业根据业务需求，灵活组合新工具、新智能体，构建动态协作的智能体集群，而非局限于单一智能体。同时，强调人机协同模式，通过多轮对话与交互，逐步明确任务目标，摒弃“一句话解决需求”的简单模式，贴合企业复杂业务场景。
2、对接企业级商用数据源
深度整合广告、零售、电商等领域数据库，确保智能体分析数据的真实性与全面性，从源头规避AI生成虚构内容的风险。
3、支持企业知识挖掘与沉淀
在人机交互过程中，DeepMiner能持续挖掘用户未显性化的暗默知识，并将其沉淀为组织记忆，不断强化团队整体业务能力，实现知识在企业内部的高效流转与复用。
4、降低“幻觉”发生率
DeepMiner的核心理念之一是实现“数据相关工作全流程透明化”。从初始的指令输入到最终的数据分析报告输出，每个环节的细节均可追溯，用户能够在任意环节介入并进行干预。
在过程校验中，还能提炼用户的隐性知识，通过“Human-in-the-loop”机制，让智能体在持续交互中不断优化能力，大幅降低“幻觉”发生率。
二、三大核心技术，把“可信”写进架构里
1、多智能体协同架构，提升任务处理效能
DeepMiner并非依赖单一模型独立完成任务，而是构建了多智能体协同工作系统。系统由一个强大的智能中枢——FoundationAgent统一调度，承担起各组件协同工作的统筹职责，有效解决企业AI应用中的知识连接难题。
在FA的调度下，不同功能的智能体各司其职、协同配合，如同一个“虚拟专业团队”高效运转。企业用户可通过人机交互机制，随时介入任务执行过程，调整工作方向、细化任务目标。
基于MoA架构，DeepMiner可针对每个细分业务板块，均可匹配最优模型进行处理，相比传统MoE架构，大幅提升了系统优化效率。
2、专有模型支撑，为执行和规划而生
人工智能从GenerativeAI发展到AgenticAI最大的突破在于，Agent给大模型安装了眼睛和手脚，让大模型变成了“千手观音”，能够主动执行任务，然而，这也带来了新的挑战。由于通用大模型并非为操作软件而训练，因此在规划与操作层面的效果往往差强人意。
为此，DeepMiner自研两款专有模型：专业灵巧手模型Mano和专业指令推理模型Cito。
专业灵巧手模型——Mano：
打造虚拟世界“灵巧手”，连接全量数据系统
智能体精准的工具调用能力，依赖于BrowserUseAgent（BUA）与ComputerUseAgent（CUA）的性能。
作为DeepMiner的自动化执行引擎，Mano让智能体真正学会了“看”与“点”，能够在各类软件及浏览器环境下实现精细化操作。其核心技术突破在于，通过持续强化学习，Mano能够自主探索并适应全新的平台与业务流程。近日，Mano已在全球两大权威基准测试（Mind2Web——BUA基准测试、OSWorld——CUA基准测试）中登顶，均达到行业SOTA（StateoftheArt）水平。
图片来源：明略科技
Mano模型框架概览
专业指令推理模型——Cito：
深耕行业Knowhow，优化复杂任务规划
传统的大模型在任务规划时，动作空间巨大，往往难以保证效率和准确率。
作为DeepMiner的分析决策中枢，Cito专为深度推理而设计，它能为复杂商业问题动态构建专业推理链路，并实现决策路径的自我优化与进化，以适应动态多变的市场环境。Cito采用Human-in-the-loop机制，通过人机协作大幅缩小动作空间，让复杂任务的执行更可控、更精准。
通过FoundationAgent的统一调度，DeepMiner可以将Cito的深度推理规划能力与Mano的精准执行能力深度融合，从而打通从“商业洞察”到“业务执行”的端到端智能自动化闭环。
3、企业记忆与模板体系，赋能组织能力提升
在企业日常运营中，大量员工的业务经验仅留存于个人层面，未能沉淀为组织资产。DeepMiner的又一核心价值，在于帮助企业完成暗默知识向显性知识的转化。通过多轮人机交互，DeepMiner可逐步提炼暗默知识，形成企业的知识资产。久而久之，企业就会拥有越来越强的组织记忆。
此外，针对企业备受困扰的“幻觉”痛点，DeepMiner进行了系统性优化：从任务分解、工具调用到结果生成，全流程均实现可视化呈现。用户可清晰查看每一步操作的逻辑，在必要时还能进行人工干预。这一设计不仅大幅降低了幻觉发生率，更让输出结果具备了可验证性。经实际测试，DeepMiner在垂直行业场景中的幻觉率远低于通用模型水平。
以跨境电商应用场景为例，当用户提出“调研某品牌手机壳在美国市场的供需情况”需求时，DeepMiner不会直接生成结论，而是通过多轮对话逐步明确任务边界——例如询问用户“目标市场是美国、欧洲还是全球？”“分析周期为几个月？”“是否需重点关注新品上市初期的市场反应？”等。当用户确认核心需求后，DeepMiner可自动调用专业商用数据库，生成包含供需趋势、竞争格局等维度的市场分析报告。
整个过程实现“多轮人机交互、专业数据源接入、全流程透明化”的闭环，用户既能获取最终结果，又能清晰追溯每一步结论的推导过程，充分展现了DeepMiner在商业数据分析与决策中的应用价值。
从大数据到大模型，明略科技凭借近二十年在数据智能赛道的深耕与积累，充分展现了穿越技术周期、引领行业发展的实力。
明略科技创始人、CEO兼CTO吴明辉表示：“此次DeepMiner专有大模型产品线的发布，标志着明略科技在大模型时代的重要战略布局。未来，我们将基于DeepMiner，推出面向金融、法律、人力资源、制造等垂直行业的专属智能体。我们坚信，‘可信’将成为企业应用人工智能的核心标准，而DeepMiner的目标，就是打造商业场景中的可信Agentic大模型，以数据驱动可信生产力，创造人机同行的美好世界。”
