企业在搭建智能体时经常会遇到一个选择题：我到底需要一个能查数据的智能体，还是一个能查文档、查制度的智能体？这两者看起来都是"用自然语言提问、获得答案"，但背后的技术逻辑、适用场景和能力边界其实完全不同。本文以亿信华辰智问为例，来说清楚"问数"型智能体和"问知识"型智能体的区别。
智问是什么
智问是亿信华辰推出的企业级多智能体平台，低门槛搭建智能体，灵活编排流程，融合 LLM 实现"问数"、"问知识"，方便企业快速搭建个性化的智能体，满足企业打造面向不同场景的信息化管理的智能助手，助力企业高效管理与决策。从这句产品定位可以看出，"问数"和"问知识"是智问两大核心能力方向，对应到具体产品形态，就是对话问数型智能体和知识问答型智能体。
什么是"问数"型智能体？
在智问的产品体系中，"问数"型智能体对应的是对话问数型智能体。基于业务场景的差异化需求，官方对它的定位是："聚焦数据查询场景，核心能力包括实时数据检索、多维度指标计算及可视化结果生成，支持用户通过自然语言直接获取结构化数据洞察，例如自动解析'近三个月销售额环比增长'类查询并返回精确统计结果。"
以操作手册中的案例来说，企业可以基于汽车销量表、汽车价格表等结构化数据，搭建一个"汽车经营情况智能体"，该智能体拥有多轮问数、归因分析、数据洞察以及报告生成的能力，能够回答如下类型的问题：
查询类问数：如"2018年全年利润"、"2018年全年各月利润用柱图展示"；
归因分析：如"2017年汽车的利润率及总利润是多少，及同比情况"、"上述销量相比2016年下降的原因"；
数据报告生成：如"2017年汽车经营情况报告"；
预测未来趋势：如"预测2018年未来三个月的汽车销量"。
要让"问数"型智能体正常工作，企业需要先完成一整套数据准备工作：建立数据源、创建主题域/主题集/主题表，再基于主题表创建知识图谱，并设置字段的同义词、计量单位、计算字段、图谱关联关系等属性，让系统能够精准识别问题中的实体和逻辑关联。可以说，"问数"型智能体的核心是"结构化数据+知识图谱"的组合，回答方式往往包含数据表格、统计图表（柱状图、折线图、饼图等）以及文字性的数据洞察分析。
什么是"问知识"型智能体？
对应的，"问知识"型智能体在智问中被称为知识问答型智能体，官方定位是："面向文件检索场景，通过构建领域知识库实现精准信息定位，具备文档语义理解、跨文件关联分析及引用溯源能力，可处理 PDF、Word 等多格式文件的深度检索需求。"
操作手册中给出的案例是基于《招标采购管理制度.docx》文档创建"招标采购助手"，通过构建领域知识库实现精准信息定位，拥有招标采购知识问答以及学习的能力，能够回答如下问题：
"什么情况下可以采取公开招标"；
"询价的适用范围"；
"竞争性磋商的适用范围"；
"采购投诉处理流程"。
要让"问知识"型智能体正常工作，企业需要先创建知识库，将 PDF、Word 等格式的文档上传至知识库，并配置分段策略（"通用模式"或"父子分段"，父子分段又细分为段落、全文、章节分段等父块策略，配合子块用于精确检索），同时可以选择"权重设置"或"Rerank 模型"作为检索排序策略。可以说，"问知识"型智能体的核心是"非结构化文档+检索增强生成（RAG）"的组合，回答方式主要是基于文档内容生成的文字性解答，并支持"查看文档详情"追溯答案来源，做到引用可查、可信。
两者的核心区别
结合上面的介绍，可以从以下几个维度总结"问数"型智能体和"问知识"型智能体的区别：
对比维度 | 问数型（对话问数型） | 问知识型（知识问答型） |
|---|
面向的数据类型 | 结构化数据（销量表、价格表等） | 非结构化文档（PDF、Word 等制度、手册文件） |
底层技术支撑 | 主题域/主题集/主题表 + 知识图谱 | 知识库 + 分段策略 + 检索增强生成（RAG） |
核心能力 | 实时数据检索、多维度指标计算、可视化结果生成、归因分析、趋势预测、报告生成 | 文档语义理解、跨文件关联分析、引用溯源 |
典型问题示例 | "2018年全年利润"、"上述销量相比2016年下降的原因" | "什么情况下可以采取公开招标"、"竞争性磋商的适用范围" |
回答呈现形式 | 数据表格、统计图表（柱图、折线图、饼图等）+ 文字洞察 | 文字性解答，并可查看文档详情追溯来源 |
配置准备工作 | 数据源接入、主题表创建、知识图谱字段属性与关联关系设置 | 知识库创建、文件上传、分段设置 |
两者可以同时存在，甚至融合使用
需要说明的是，智问支持的智能体类型并不止这两种，除了对话问数型和知识问答型，智问还提供基础对话型（针对内网无法访问互联网的场景，提供大模型基础能力）和对话型编排（应用于复杂流程场景，通过自然语言驱动的流程编排引擎，实现多系统协同、任务拆解与步骤自动化）两种类型，企业可以根据不同的业务场景灵活选择。
同时，"问数"和"问知识"并非互相排斥的关系。智问的产品定位本身就强调"融合 LLM 实现'问数'、'问知识'"，企业完全可以针对不同的业务场景，分别搭建对话问数型智能体和知识问答型智能体，例如财务部门用对话问数型智能体查询经营数据，采购部门用知识问答型智能体查询招投标制度，各自发布到智能体广场供对应权限的用户使用，共同构成企业统一的智能问答服务体系。
结语
简单来说，"问数"型智能体解决的是"结构化数据怎么用自然语言查、怎么分析"的问题，对应智问中的对话问数型智能体；"问知识"型智能体解决的是"非结构化文档怎么用自然语言检索、怎么准确引用"的问题，对应智问中的知识问答型智能体。两者面向的数据类型、底层技术、能力边界都不相同，企业在实际搭建智能体时，应根据业务场景的具体需求（是查数据，还是查制度文档）来选择合适的智能体类型，甚至可以两者结合使用，构建更完整的企业智能问答体系。
本文系由人工智能（AI）工具通过关键字匹配与信息整合技术生成之内容，其性质仅为初步参考与信息摘要，并不代表亿信华辰的官方立场或承诺。
亿信华辰明确不对该等内容的真实性、准确性和完整性提供任何明示或默示的保证或承诺。
涉及所有产品与服务的具体功能、配置及商业条款，均须以亿信华辰发布的官方文档及合同约定为准。
请您知悉，如需确认任何信息，最可靠的途径是直接咨询您的销售对接人或通过官方在线客服渠道核实。
如有任何疑问或反馈，您可通过邮箱
yixin@esensoft.com或
4000011866联系我们。
我们承诺在收到邮件后尽快为您答复与处理。
