瑞泊率先发布企业Agent证据链中间件:「VIDYA Trace」

2026年3月25日，瑞泊在北京正式发布「VIDYA Trace」企业Agent证据链中间件。这不是一个新的聊天机器人，也不是一个只会展示引用链接的小功能。它是一层位于模型 / Agent 与企业业务流程之间的可信执行中间层，面向企业级 Agent 场景，系统性解决证据链缺失、安全失控、审计困难、运营低效等核心问题。如果说过去企业关心的是“AI 能不能用起来”，那么今天，VIDYA Trace 要解决的是：Agent 如何真正进入企业正式流程。

大模型时代，企业最初解决的是“能不能用 AI”的问题；而 Agent时代，企业真正开始面对的是“AI 能不能进入正式流程”的问题。

尤其是在 OpenClaw这类以工具执行、技能扩展、自托管部署为代表的 Agent 框架带动下，企业开始越来越清晰地意识到：当 AI 真正拥有工具调用、外部连接、流程推进、多角色协同能力之后，问题的核心就不再只是“它够不够聪明”，而是“它能不能被企业放心使用”。

而这，恰恰也是企业Agent 落地时最关键的现实分水岭。

因为一个能写报告的Agent，并不一定能进入投研、评级、运维、客服、政务、公文等高要求场景；一个能调工具的 Agent，也不一定能被企业放心接入内部系统。

·这条结论有没有依据

·这个动作有没有越权

·整个过程能不能回放

·关键结果能不能复核

·出了问题能不能定位责任

·多角色协作能不能稳定高效

也就是说，企业真正缺的，已经不是更多 Agent，而是一套让 Agent 可信运行的基础设施。「VIDYA Trace」，正是为此而生。

二、「VIDYA Trace」 到底是什么？

「VIDYA Trace」，是企业Agent的“证据链与可信执行中枢”。

它夹在上层 Agent 与下层企业数据、工具、系统之间，把原本“黑箱式”的智能执行过程，变成可追溯、可复核、可审计、可控制、可运营的正式企业能力。

它不是替代 Agent，而是让 Agent 从“看起来聪明”升级为“真正可靠”。

你可以把它理解为：当企业开始大规模使用 Agent 时，「VIDYA Trace」 就是那条让智能执行真正能够纳入企业治理体系的中间层。

三、「VIDYA Trace」 四大核心升级

1、证据链引擎：让每个关键结论都能回到原始依据

今天很多 Agent 最大的问题，不是不会说，而是说完之后，讲不清为什么这么说。报告写得很像样，分析看起来很完整，但一旦有人追问“这一句依据是什么？”，系统往往就开始模糊。

「VIDYA Trace」 做的第一件事，就是把 Agent 的关键输出，变成一条条可验证、可映射、可追溯的证据链对象。

· 将最终结论拆解成关键判断单元

· 为每条判断自动绑定原始证据来源

· 支持定位到具体文档、具体段落、具体页码、具体版本

· 对缺少证据支撑的高风险表述自动标红

· 对时点不一致、口径冲突、引用失效的内容进行识别预警

过去，企业拿到的是一个“看起来有道理的答案”；现在，企业拿到的是一个每一句重要话都能回到原文的结果。这意味着，Agent 第一次真正具备了进入高要求业务流程的前提。

2、安全控制引擎：让 Agent不只是能干活，更能守边界

企业对 Agent 最大的担忧，从来不是“它不会做”，而是“它会不会做过头”。当 Agent 可以调用浏览器、数据库、文件系统、内部 API、办公软件、消息系统之后，能力越强，风险越高。

一个没有边界的 Agent，带来的可能不是效率提升，而是权限外溢、数据泄露、误操作和流程失控。

· 基于角色、任务、数据域、工具域的多维权限控制

· 对敏感动作设置审批闸门与人工确认

· 对关键工具调用进行全程记录和策略审查

· 对多角色协作过程中的上下文继承、信息传递进行显式约束

· 对外发、删除、写回、跨域访问等高风险动作统一管控

一句话：让 Agent 有能力，但不越界。

3、审计追踪引擎：让每一步智能执行都留痕、可回放、能追责

很多企业 Agent 项目卡住，不是因为效果不好，而是因为它们始终只是“黑箱助手”。看起来能干很多活，但一旦出了问题，没人知道它到底干了什么。

「VIDYA Trace」 把整个 Agent 执行链条，从“隐式过程”变成“显式记录”。

·任务输入记录

·检索过程记录

·证据绑定记录

·工具调用记录

·结论生成记录

·人工修改记录

·审批通过记录

·版本差异记录

这使得 Agent 不再只是一个“会干活的助手”，而开始成为能被企业纳入正式治理体系的智能生产单元。

4、Agent运营提效引擎：让企业不是“试过Agent”，而是“真正用起Agent”

今天很多企业不是没做Agent，而是做完之后发现：不稳定、不可控、难复用、难优化、难规模化。表面上看，是 Agent 不够聪明；本质上，是企业缺少一套真正面向生产环境的运营能力。

「VIDYA Trace」 在可信执行之外，进一步提供 Agent 运营提效能力。

·多角色任务的结构化编排

·高频任务模板沉淀

·执行失败与低效环节识别

·工具调用冗余分析

· 证据缺失率、审核通过率、成功率、平均耗时等运营指标统计

·面向企业的 Agent 最佳实践沉淀

换句话说，「VIDYA Trace」 不只是解决“能不能跑”，更解决怎么跑得更稳、更快、更省、更适合长期运营。

四、为什么说 「VIDYA Trace」 是企业Agent时代的“关键一层”？

因为从今天开始，企业 AI的竞争逻辑已经变了。

过去，大家比的是谁先接上大模型、谁先做出聊天助手、谁先做出多角色协作 Demo；未来，真正拉开差距的将是：谁的 Agent 更可信、谁的 Agent 更可控、谁的 Agent 更容易审计、谁的 Agent 更能规模化运营、谁的 Agent 更容易进入正式流程。

也就是说，企业不再只是需要一个“更强的 AI”，而是需要一层把 AI 输出变成正式企业动作的执行系统。

这就是 「VIDYA Trace」 的价值所在。它不是在“增加一个功能”，而是在补上企业 Agent 落地过程中最关键、也最容易被忽略的一层基础设施。

五、以两个典型场景为例：「VIDYA Trace」 如何发挥作用？

场景一：金融研究 / 信用评级 / 投资分析

在金融场景中，Agent 常常需要从新闻、公告、财报、研报、数据库、会议纪要中提取信息，并形成判断。

但真正难的不是“能不能写一份分析”，而是：哪条判断来自哪里？财务数据是不是同一时点？有无使用失效信息？风险结论是否已经过人工复核？多个角色之间是否存在逻辑冲突？

「VIDYA Trace」 可以对多角色分析过程中的关键结论进行自动证据绑定，并在结论形成前完成时点校验、冲突校验、权限校验与人工审核流转，让分析结果第一次具备真正意义上的透明性与可复核性。

场景二：企业内部Agent运营

在企业内部，越来越多Agent 被用于跨系统取数、工单处理、流程推进、文档生成、知识问答、运维协同等任务。

问题在于，一旦 Agent同时拥有“读系统 + 写系统 + 发通知 + 自动执行”的能力，企业就必须面对安全与治理问题。

「VIDYA Trace」 通过工具权限治理、任务链路留痕、异常动作拦截、多角色协作编排等能力，让 Agent 在“敢用”的同时，也真正“能管”。

六、OpenClaw 很火，但企业真正需要的是“可信执行层”

最近，围绕OpenClaw、Agent、插件生态、技能系统、工具调用、多角色协作的讨论越来越热。Agent 已经不再只是一个概念，而正在迅速成为下一代企业软件的重要入口。

但热潮越高，企业越会迅速意识到：真正决定 Agent 能否落地的，不是它会不会做事，而是企业能不能信任它做事。

所以我们判断，Agent 时代的下一个关键基础设施，不会只是更多模型、更多角色、更多工具，而会是：证据链、审计、控制与运营。

「VIDYA Trace」，正是瑞泊面向这一趋势做出的系统性产品回应。

七、从“行业推理”走向“可信执行”，瑞泊正在构建企业智能体的下一层能力

作为“行业超脑”构建者，瑞泊始终坚持一个方向：企业真正需要的，不是脱离业务的通用智能，而是能够深度嵌入关键流程、持续创造价值的产业级 AI 能力。

从「VIDYA X1」行业推理大模型，到行业超脑解决方案，再到今天正式发布的「VIDYA Trace」企业Agent证据链中间件，瑞泊正在持续完善从“认知”到“执行”、从“生成”到“治理”、从“模型能力”到“企业级运行体系”的完整产品矩阵。