Oracle 在其 AI 数据库 26ai 中为私有化智能体工厂添加了新的预构建智能体,这是一个用于在 AI 数据库 26ai 内构建基于容器的数据中心智能体的无代码框架。
这些新增的智能体包括数据库知识智能体、结构化数据分析智能体和深度数据研究智能体。
据公司介绍,数据库知识智能体能够将自然语言提示转换为查询,以获取特定的事实、策略或实体,而深度数据研究智能体则处理更复杂的任务,通过将任务分解为多个步骤,在网络资源、文档库或两者之间进行迭代。
结构化数据分析智能体专门用于处理表格数据,如 SQL 表或 CSV 文件,使用 Python pandas 库等工具来生成图表、发现趋势、标记异常并总结指标。
分析师表示,将这些智能体和私有化智能体工厂添加到 AI 数据库 26ai 将帮助开发者以安全、简化的方式加速智能体构建,特别是对于在受监管行业运营的企业,有助于将试点项目推向生产环境。
Forrester 首席分析师 Noel Yuhanna 表示:"借助 AI 数据库私有化智能体工厂,团队将能够快速创建 AI 智能体或利用预构建的智能体,将实验快速转化为生产就绪的解决方案。通过在数据库核心嵌入智能,Oracle 正在开启智能体 AI 的新时代,让复杂的自主系统和应用程序能够大规模自适应和行动。"
Yuhanna 补充说,Oracle 的理念反映了其更广泛的战略,即将数据库作为企业 AI 的中心支柱,因为最终的执行效果取决于数据的存储位置。
HyperFRAME Research 的 AI 技术栈实践负责人 Stephanie Walter 也赞同这一观点,她认为私有化智能体工厂是 Oracle 试图将自己定位为企业中的"运营控制层"而非仅仅是存储层的努力,通过将数据和 AI 更紧密地结合,减少数据移动和外部编排的需要。
Walter 说:"每个主要的云服务提供商都在朝着数据、模型和编排更紧密耦合的方向发展。Oracle 的差异化在于它从数据库向外扩展,而超大规模云服务商通常从模型或平台向外扩展。"
The Futurum Group 数据智能实践负责人 Bradley Shimmin 认为,这种差异化不仅仅是架构上的细微差别。
Shimmin 说:"通过将智能体编排直接架构到数据库中,Oracle 让企业摆脱了复杂、脆弱的数据移动管道的临时拼凑方法,我认为这种方法继续困扰着以云为中心的生态系统,即使是那些强调零 ETL 能力的系统。"
这种更紧密的集成也直接满足了受监管行业的一个更实际的关切:在 AI 智能体从实验阶段进入生产阶段时,保持对敏感数据的控制。
HFS Research 执行研究负责人 Ashish Chaturvedi 表示:"当今大多数智能体框架都假设你愿意将数据发送给外部大语言模型提供商,并通过云托管服务进行编排。对于受监管的行业——包括银行业、医疗保健、国防和政府——这种假设是不可接受的。"
他补充说:"私有化智能体工厂正好满足了这些客户的需求:在防火墙后面,吊桥拉起的状态下。"
Q&A
Q1:Oracle AI 数据库 26ai 中的私有化智能体工厂是什么?
A:私有化智能体工厂是 Oracle 在 AI 数据库 26ai 中提供的无代码框架,用于构建基于容器的数据中心智能体。它允许开发者快速创建或使用预构建的 AI 智能体,将实验快速转化为生产就绪的解决方案。
Q2:新增的三种预构建智能体分别有什么功能?
A:数据库知识智能体能将自然语言提示转换为查询来获取特定信息;结构化数据分析智能体专门处理表格数据,使用工具生成图表、发现趋势和标记异常;深度数据研究智能体处理复杂任务,通过分解步骤在多个数据源间迭代工作。
Q3:为什么受监管行业需要私有化智能体工厂?
A:受监管行业如银行、医疗、国防等对数据安全要求极高,不愿将敏感数据发送给外部大语言模型提供商。私有化智能体工厂让这些企业能在防火墙内部署 AI 智能体,保持对数据的完全控制,满足合规要求。
好文章,需要你的鼓励
Kollmorgen发布NDC布局助手软件工具,专为工厂和仓库中的自动导引车(AGV)及自主移动机器人(AMR)的路线规划与优化而设计。该工具通过分段分析路线,帮助工程师在系统部署前识别瓶颈与低效环节,提供行驶时间、车速及优化潜力等关键数据,并以可视化方式标注问题区域,从而缩短布局设计与验证周期。Kollmorgen表示,该工具未来还将融入AI驱动的优化能力。
这篇由加州大学圣地亚哥分校等六所机构联合发布的综述(arXiv:2605.02913,2026年4月),首次系统梳理了大型语言模型强化学习训练中长期被忽视的轨迹设计问题,提出了GFCR四模块框架(生成、过滤、控制、回放),覆盖数学、代码、多模态和智能代理等多个应用场景,并附有实用的故障诊断手册,为AI训练工程师提供系统性的方法论指导。
现代仓储已从幕后走向前台,配送速度成为品牌竞争核心。面对次日达甚至两小时送达的市场压力,领先履约中心借鉴敏捷开发理念,以周为单位迭代代码、机器人与工作流程。IoT信标、边缘计算与视觉识别模块构建双层架构,实现厘米级货盘追踪与低延迟决策。人机协作模式让员工从重体力劳动转向异常处理与数据分析,拣选准确率突破99%。同时,自动化系统实时采集碳排放数据,在提速的同时实现可量化的减排目标。
中国科学技术大学与FrameX.AI联合提出Stream-R1框架,针对AI视频生成蒸馏训练中"一视同仁"的核心缺陷,引入奖励模型对训练样本进行双重加权:在样本层面根据质量分数筛选可靠的学习信号,在像素与帧层面通过梯度显著性热力图集中优化最需改进的区域,使4步快速学生模型在VBench多项指标上超越慢速多步教师模型,推理速度提升30倍且不增加任何额外计算开销。