Enterprise Information & Graph-Native Intelligence
结构化系统。理解关系。构建真正的软件。
YiENTi 显式地表示流程、关系、依赖和软件结构,而不是仅仅依赖基于语言的上下文。
- YiENTi Enterprise
- Intelligent Enterprise Information
- YiENTi Intelligence
- Graph-Native Intelligence Engine
YiENTi 将 Intelligent Enterprise Information 平台与 Graph-Native Intelligence Engine 结合在一起。它可以在有用之处使用语言模型,但其核心推理模型是结构化的、感知流程的,并且不依赖于任何单一的 LLM 提供商。
事件触发流程。上下文和规则随之变得相关。网关最终得出决策。
- 自 2010 年起
- 从 Logical Board 演进为 YiENTi
- 两大支柱
- Enterprise Information + Intelligence Engine
- LLM 可选
- 提供商是可替换的组件
- 使用中
- ACCENTSYS 工程中的核心技术
YiENTi 平台
一个愿景,两项核心技术。
YiENTi 是一项统括性技术,包含两个相互独立又彼此关联的支柱。其一呈现组织的运营现实;其二基于结构化上下文进行推理——既可用于 YiENTi Enterprise 之内,也可超出其范围。
- 结构化企业信息
- 流程智能
- 图原生推理
- 软件工程智能
以 YiENTi 为中心
YiENTi 是中心,其余一切都与它相连。
YiENTi 是结构化智能与工程核心。云平台、语言模型、Playwright、IDE 和本地 AI 工具,都是围绕 YiENTi 的互联系统,各自承担不同的角色。它们并不是 YiENTi 本身。
结构化建模
YiENTi 所推理的对象 · → YiENTi
BPMN · 用例 · 活动 · 序列 · 类 · 数据/实体模型
生成式 AI
外部 · 可替换 · ↔ YiENTi
OpenAI · Anthropic · Perplexity · Gemini · Lovable · Zapier · Pickaxe · Grok · Jasper · Abacus.AI · Relevance AI · Notion AI · 更多平台即将加入 · 本地/替代模型
开发者工具
开发环境 · ↔ YiENTi
VS Code · OpenCode
本地/模型基础设施
在本地运行模型 · ↔ YiENTi
Ollama · Lemonade · 其他兼容的本地模型工作流
测试
验证真实行为 · ↔ YiENTi
Playwright · Abacus.AI · ChatGPT Work · 视觉验证 · 功能验证
部署
生成的软件运行的位置 · YiENTi →
AWS · Microsoft Azure · Google Cloud · 私有基础设施(未来)
真实软件
使用 YiENTi 构建 · YiENTi →
每一款 ACCENTSYS 产品
结构化核心
语言是接口。
图就是模型。
这些结构并非装饰性图表。它们表示机器可理解的系统与流程状态,即 YiENTi 据以推理的模型。
- BPMN
- 流程模型
- 活动图
- 用例
- 协作图
- 序列图
- 类模型
- 实体/数据模型
- 规则
- 依赖关系
- 状态
- 需求
- 用户故事
度量 · YiENTi 的核心功能
结构化。度量。从中学习。
度量不是仪表盘功能。YiENTi 将流程的执行与执行实际产生的结果联系起来,并将其转化为机器可理解的知识,说明工作的真实表现。
01 · YiENTi Enterprise
流程执行
- 任务 A高
- 任务 B普通
- 任务 C普通
优先级和权重是结构的一部分。
02 · 度量
实际发生了什么
工作与投入
- 优先级
- 任务
- 时间 / 投入
- 任务权重 / 数量
- 相对于任务权重的时间
- 量化绩效
产出与成果
- 质量
- 返工 / 新增后续工作
- 进入最终产品的内容
- 复用
- 效率
人员与能力
- 角色
- 胜任力
- 技能
- 未被利用的潜力
03 · YiENTi AI
基于可度量的现实进行推理
学习 · 改进 · 复用
YiENTi 不仅仅度量某人工作了多长时间。 它可以将投入与工作的结构、权重、成果、质量和复用关联起来。
相对于任务权重的时间 · 示意图
任务 A
任务 B
工时相同,权重不同,绩效表现也不同。
结构
YiENTi Enterprise
提供结构化的运营与流程上下文:流程、任务、角色、优先级以及工作的权重。
现实
度量
捕获该结构内实际发生的情况:投入、成果、质量、返工和复用。
推理
YiENTi AI
基于这一可度量的现实进行推理,而不仅仅基于对工作应如何进行的描述。
YiENTi 并非仅从对工作的描述中学习。它可以基于结构化流程及其产生的可度量成果进行推理。
这种连接早已是 2016 年发布的 YiENTi 架构的一部分:运营流程与可度量的产出以及 YiENTi AI 相关联。
支柱 A · Intelligent Enterprise Information
YiENTi Enterprise
YiENTi Enterprise 将人员、流程、系统和知识连接在同一个结构化的运营环境中。
一个智能企业信息平台,用于对人员、工作、流程、系统和信息之间的关系进行建模和运营。集成是其能力之一,而非其定义。
- 人员
- 角色
- 能力
- 团队
- 任务
- 项目
- 活动
- 流程
- 资源
- 系统
- 文档
- 沟通
- 事件
- 规则
- 数据
- 知识
- 度量
- 决策
- 依赖关系
- 企业工作流
图 A · YiENTi Enterprise Information
支柱 B · Graph-Native Intelligence Engine
YiENTi Intelligence
YiENTi Intelligence 是一款图原生(graph-native)的智能引擎,旨在对实体、关系、流程、上下文、软件结构和视觉信息进行跨域推理。
它的作用不限于 YiENTi Enterprise 平台。YiENTi 的核心智能技术已在 ACCENTSYS 内部的软件工程工作流中使用;独立平台仍在开发中。
通往通用机器智能的另一条路径。
超越 YiENTi Enterprise
YiENTi Intelligence 不仅仅是 YiENTi Enterprise 内部的 AI 模块。它被设计为可复用的智能层,而基于它设计的软件并不自动属于 Enterprise 平台:
- ACCENTSYS 软件工程内部使用中
- ACCENTSYS 的其他产品方向
- 未来的外部系统方向
- 其他结构化推理用例方向
图 B · YiENTi Intelligence 图
结构化上下文
- 实体
- 关系
- 上下文
- 状态
- 规则
- 依赖
- 可视化结构
- 知识
YiENTi Intelligence Graph
互联、持久且显式——推理上下文本身。
推理功能
- 理解
- 推理
- 比较
- 预测
- 推荐
- 规划
- 编排
YiENTi 的工作原理
从结构化的现实到推理,再回到现实。
YiENTi Enterprise 表示存在什么、涉及哪些人、发生了什么、工作如何流转、各项事物相互依赖的关系,以及组织当前处于什么状态。YiENTi Intelligence 则基于这些结构化的上下文进行推理。
- 01Enterprise
表示
人员、系统、信息、任务、流程和上下文被转化为结构化、相互关联的信息。
- 02Intelligence
理解
YiENTi Intelligence 跨关系、依赖、状态和上下文进行推理。
- 03Intelligence
决策
规则、约束、历史上下文和推理为决策提供支持。
- 04两者
编排
可以在既定的规则和职责范围内协调各项操作、系统和工作流。
- 05Enterprise
学习 / 更新
随着工作的推进和新信息的出现,结构化环境会随之变化。
持续循环:每一个更新后的状态,都会成为下一轮推理的上下文。
结构化智能 · 非 LLM 优先
语言只是一种接口。
图才是模型。
大语言模型是有用的生成式语言组件。YiENTi 可以在其有帮助的地方使用它们,但并不依赖生成的文本作为事实来源。流程、关系、状态、依赖和结构均被显式建模。
YiENTi 表示的是信息背后的结构。
- 流程被表示为流程。
- 关系被表示为关系。
- 依赖被表示为依赖。
- 状态被表示为状态。
语言只是人类与该结构交互的方式之一。
LLM 优先的系统在很大程度上从概率式模型推理中得出其行为。YiENTi 的核心推理上下文是对实体、关系、流程、状态和依赖的显式结构化表示。
问题不仅在于系统接受哪些输入,更在于其运行层面的事实究竟是以概率式生成表示的形式存在,还是以显式的结构化状态存在。
结构化智能与 LLM 优先推理的对比
语言模型的擅长之处
- 文本生成
- 摘要
- 翻译
- 自然语言交互
- 信息抽取
- 创意构思
- 文档辅助
应保持显式的结构
- 精确的流程状态
- 可重复性
- 可追溯性
- 依赖完整性
- 工作流正确性
- 软件架构一致性
- 持久的结构化记忆
概率式 AI 可以辅助流程,但不必定义流程。
生成的语言可能不确定。显式的流程和图状态无需从生成的文本中重建。YiENTi 的设计目标是将关键的流程状态、依赖和运行层面的事实保持在概率式语言生成之外,从而在结构准确性和可重复性至关重要之处减少对后者的依赖。
与模型无关的语言层
YiENTi 可以使用 LLM,但不依赖它们来了解系统是什么。
可替换的提供方
- OpenAI 模型
- Anthropic 模型
- 本地模型
- 开放模型
- 未来的提供方
语言层
- 文本生成
- 摘要
- 翻译
- 自然语言交互
- 内容辅助
YiENTi Intelligence 架构
图、状态、流程、规则和依赖,与所选的模型提供方无关。
语言模型是可选且可替换的组件,可在生成能力有用之处接入 YiENTi。它们是架构的组成部分,而不是核心的结构化推理模型。
流程渊源
从流程理解到机器推理。
YiENTi 的构建基于这样一种理念:如果复杂系统中的关系和流程仅以文档或描述的形式存在,就无法被可靠地理解。
流程、活动、角色、事件和依赖关系应当以显式的、机器可理解的结构形式存在。
- 活动
- 任务
- 事件
- 网关
- 会话
- 编排
- 协作
- 泳道
- 数据
- 角色
- 能力
- 资源
- 项目
- 流程结构
- 度量
- 信息流
可视化与结构化推理
YiENTi 不只是描述流程,而是表示流程。
活动、依赖关系、状态、参与者和信息流成为推理上下文中的显式组成部分。可视化和图示化结构可以被显式表示,并可对其进行推理。
- 活动图
- 流程图
- 协作图
- 系统架构
- 依赖图
- 角色
- 事件
- 状态转换
- 信息流
软件工程
无需依靠提示词重建上下文的软件开发。
YiENTi 维护有关系统、流程和依赖关系的结构化上下文,使工程决策能够作为互联模型的一部分进行推理。
典型的 LLM 辅助开发
- 提示词
- 生成的输出
- 评审
- 新的提示词
- 重建的上下文
每次迭代都要重建上下文。
YiENTi 的工程模型
- 需求
- 显式结构化模型
- 系统 · 流程 · 依赖关系
- 推理
- 实现
- 验证
- 更新后的结构状态
上下文以结构的形式持续存在,并随系统一同演进。
模型驱动的软件工程
从模型到软件。
YiENTi 不会凭提示词去猜测软件。它使用结构化的系统表示,连接同一系统的多个视图并跨视图进行推理——并且可以基于这些模型支持或执行软件生成。
用 YiENTi 构建。
不依赖 YiENTi。
YiENTi 可以基于结构化模型设计并生成软件。生成的应用独立于 YiENTi 运行。
YiENTi 是工程过程的一部分——而不是必需的运行时依赖。
- 01
需求
- 02
EPIC /
用户故事 - 03
用例
- 04
活动 /
流程模型 - 05
协作 /
序列模型 - 06
类 /
数据模型 - 07
架构 /
推理 - 08
生成的实现
- 09
验证
- 10
独立软件
概念性链路。按行从左到右阅读。
YiENTi 跨越推理的模型层
不是孤立的图纸,而是同一底层系统模型的相互关联的投影。
- EPIC
- 用户故事
- 用例
- 活动图
- 协作图
- 序列图
- 类图
- 数据 / 实体模型
- BPMN / 流程模型
- 规则
- 依赖关系
- 状态
工程过程中的 YiENTi
- 需求
- 模型
- 推理
- 架构
- 生成
- 验证
最终应用
- 前端
- 后端
- 数据库
- API
- 业务逻辑
- 集成
独立运行
生成的应用在生产环境中不需要 YiENTi 运行时、云、代理或连接——除非某个特定产品有意使用此类服务。使用 YiENTi 创建的软件也不会自动成为 YiENTi Enterprise 平台的一部分。
图不是事后补写的文档
在 YiENTi 中,模型不只是在软件构建完成后用来记录软件的图片。它们代表了一种结构,可据此对软件进行推理、验证和生成。
一个软件系统可以通过互补的视图来描述——epic、用户故事、用例、活动图、协作图、序列图和类图、实体/关系模型、流程、状态、规则和依赖关系。它们不是孤立的图纸,而是同一底层系统模型的投影,YiENTi 的设计目标是跨这些视图进行推理,因此一个视图中的变更可以对照其他视图进行分析。
可视化并不意味着图像识别。方框、节点、边、网关或关系不仅仅是像素。它具有明确定义的含义——而这一含义会成为推理模型的一部分。
YiENTi 创建系统的关联表示,使需求、流程、软件结构和数据不必以彼此割裂的文档形式存在。
多个视图,一个系统模型
- 01用户故事
用户需要什么
“作为客户,我希望将商品加入购物车,以便稍后下单。”
- 02用例
参与者想要达成什么
- 03活动图
流程如何流转
- 04协作
哪些组件相互交互
- 05序列图
交互按什么顺序发生
- 06类 / 数据
存在哪些对象和关系
- 07实现
由结构生成
// generated from the model class Cart { items: Article[] add(a: Article): void checkout(): Order }
- 08应用程序
独立运行
一个系统,多种投影。“购物车”在每个视图中含义相同。示例仅用于说明。
代码生成不等于 LLM 代码生成
YiENTi 无需凭提示词去猜测应用。它基于对应用本身的明确模型开展工作。
在有用的场景下,LLM 可以协助处理文案、文档、标签、自然语言解释和代码建议。软件架构并不仅仅依赖概率式生成的源代码。
提示词优先的生成
YiENTi 模型驱动
- 提示词明确的结构化模型
- AI 编写部分代码明确的系统关系与推理
- 每次请求重新构建上下文在适当情况下基于规则生成
- 源代码是唯一的事实依据模型作为机器可读的事实依据
YiENTi 更接近于面向复杂系统的、智能的、类似编译器的工程环境,而不是嵌入每个应用中的 AI 依赖。
此处展示的流程是概念性的。具体的内部流水线可能有所不同,也并非每个阶段都被表述为完全自动化。可追溯性、一致性检查、影响分析和跨模型同步体现了模型驱动方法的发展方向。
模型与开发者工具
YiENTi 为不同任务选用合适的智能。
在概率式生成效率较高的任务上,生成式模型可以加速工作。YiENTi 则保留结构化的系统模型、流程上下文和可度量的状态。
委托给生成式模型
- 界面迭代
- 文本生成
- 措辞
- 文档编写
- 快速生成类工作
- 在适当情况下提供部分编码辅助
由 YiENTi 保留
- 结构化的系统模型
- 流程上下文
- 可度量的状态
生成式 AI
外部 · 可替换
- OpenAI
- Anthropic
- Perplexity
- Gemini
- Lovable
- Zapier
- Pickaxe
- Grok
- Jasper
- Abacus.AI
- Relevance AI
- Notion AI
- 更多平台即将加入
- 本地/替代模型
本地/模型基础设施
在本地运行模型
- Ollama
- Lemonade
- 其他兼容的本地模型工作流
开发者工具
开发环境
- VS Code
- OpenCode
这些是角色各异的相连系统,并不属于 YiENTi 本身,它们提供的能力也并不相同。第三方名称为其各自所有者的商标,不暗示任何合作或背书。
测试与验证
从模型到经过验证的行为。
生成代码并不是目标,正确的行为才是。可以使用 Playwright 检查实际应用的行为和渲染是否符合预期,从而在模型、实现、实际 UI 与验证之间形成反馈回路。
- 01
YiENTi
模型与推理
- 02
生成/
修改后的应用 实现
- 03
Playwright
检查运行中的应用
- 04
视觉与功能验证
渲染和行为是否符合预期?
- 05
反馈
回到工程迭代
Playwright 是测试与验证工具,不属于 AI 层。
自动化部署
借助 YiENTi 构建。不依赖 YiENTi。
由 YiENTi 支持的工作流可以将软件自动部署到 AWS、Microsoft Azure 和 Google Cloud。YiENTi 不是托管服务提供商,已部署的应用也不在 YiENTi 内部运行。
YiENTi 的设计目标是保持与基础设施无关。除公有云平台外,未来的部署选项计划包括私有基础设施和由客户控制的基础设施。
YiENTi 工程环境
软件在此建模、生成、验证和发布。
结构化模型
BPMN、用例、类、数据
YiENTi
结构模型与推理
实现 / 生成
生成或修改源代码
Playwright 验证
对运行中应用的视觉与功能检查
部署流水线
自动化构建与发布
- 保存结构化模型
- 生成或修改实现
- 验证真实行为
- 触发自动化部署
应用运行时环境
成品应用在此运行。
- AWS
- Microsoft Azure
- Google Cloud
- 私有基础设施未来
独立应用
运行时不依赖 YiENTi
此处仅运行应用本身——没有 YiENTi 运行时,也无需与 YiENTi 保持连接。
仅在提供商层面展示。私有基础设施和由客户控制的基础设施是未来的方向,目前尚不是可用于生产的选项。
产品佐证
不是实验室演示,而是真正的软件。
ACCENTSYS 当前的整个应用组合均采用 YiENTi 支持的工程方式构建,YiENTi 本身即为工程平台。
佐证是 ACCENTSYS 当前的全部产品组合,而非精选的一部分。YiENTi 支持的工程方式,就是 ACCENTSYS 在其所涉足的每个领域构建软件的方式。
7 款 ACCENTSYS 自有应用和 1 个客户工程项目,均采用 YiENTi 支持的工程方式开发
ACCENTSYS 自有应用
公共部门
Arbeitsmarktvollzug
基于 YiENTi 构建访问 Arbeitsmarktvollzug (在新标签页中打开)流媒体与媒体
Castovia
基于 YiENTi 构建访问 Castovia (在新标签页中打开)家庭组织
Kicaly
基于 YiENTi 构建访问 Kicaly (在新标签页中打开)服务型企业
Merclino
基于 YiENTi 构建访问 Merclino (在新标签页中打开)教育
SchoolApp
基于 YiENTi 构建访问 SchoolApp (在新标签页中打开)体育俱乐部
STV Portal
基于 YiENTi 构建访问 STV Portal (在新标签页中打开)软件许可
xcess
基于 YiENTi 构建访问 xcess (在新标签页中打开)
客户工程项目
客户项目 · Loxy International AG
LOXY Time
基于 YiENTi 构建访问 LOXY Time (在新标签页中打开)
由 ACCENTSYS AG 采用 YiENTi 支持的工程方式为其客户开发。客户项目属于外部工程参考案例,不属于 ACCENTSYS AG 自有 SaaS 产品组合。
此列表直接取自 ACCENTSYS 产品登记册,包括其对自有应用和客户项目的分类,因此新增条目会自动显示在此处。下文将详细介绍 LOXY Time,因为其工程投入已经过度量。
浏览产品组合基于 YiENTi 构建。不依赖 YiENTi。
YiENTi 支持这些产品的工程方式,采用专家引导,而非自主生成每一行代码。这些产品本身独立运行,在运行时不需要 YiENTi。
客户工程参考案例 · LOXY Time
通过真实企业软件展示 YiENTi 支持的工程实践。
LOXY Time 是一个真实的企业级工程项目,展示了 YiENTi 支持的软件开发如何应对复杂的运营工作流、法规要求、数据处理和系统集成。
LOXY Time 是 ACCENTSYS AG 为 Loxy International AG 开发的运输与法规合规平台。它是一个真实的工程参考案例,展示了 YiENTi 支持的软件开发所具备的能力。LOXY Time 不属于 ACCENTSYS AG 自有 SaaS 产品组合。
LOXY Time 中已实现的内容
- 数字式行车记录仪 DDD 处理 · Gen1、Gen2 V1、Gen2 V2
- 驾驶员和车辆数据
- 法规检查与合规
- 工作流与报表
- 集成与批量数据处理
- 自动化质量保证与回归测试
内部使用不等同于商业可用。独立的 YiENTi 平台仍在开发中。
YiENTi 算力策略
YiENTi 在算力所在之处运行。
YiENTi 不绑定于特定的云或 GPU 提供商。只要具备足够的 CPU、GPU、内存及配套算力资源,它就可以运行。较小的工作负载可以在本地运行,而复杂的结构化推理可能需要大量外部或专用算力。
更多可用算力不仅仅意味着更快的速度,还使 YiENTi 能够同时处理更大范围的互联流程、图和系统上下文。
YiENTi 工作负载
算力需求
- CPU
- GPU
- 内存
- 存储 / I/O
可由以下任一来源提供
本地
- 高端工作站
- 本地服务器
外部算力
- Alibaba Cloud
- AWS
- Microsoft Azure
- Google Cloud
- 其他合适的提供商
私有 / 专用
- 私有基础设施
- 专用算力
本地执行
较小的 YiENTi 工作负载可以在本地运行。更复杂的工作负载则可能占用高端工程系统所拥有的全部可用 CPU、GPU 和内存资源。
当前的外部算力
ACCENTSYS 目前向多家提供商租用外部算力,包括位于美国的 Alibaba Cloud 和 AWS 基础设施。云厂商提供容量,并不构成架构上的依赖。
- 当前
当前 · 灵活算力
- 租用外部算力
- Alibaba Cloud
- AWS
- 其他合适的提供商
- 较小的工作负载在本地执行
只要具备所需的 CPU、GPU、内存及配套资源,YiENTi 就可以运行。
- 扩展方向
扩展 · 专用算力
- 预留 / 专用容量
- 私有算力环境
- 专用服务器或集群
- 针对特定工作负载的基础设施
- 对性能和成本有更强的掌控
尚未实现。这是随着 YiENTi 工作负载增长而确定的方向。
- 长期愿景
长期 · ACCENTSYS 算力基础设施
- 由 ACCENTSYS 控制的算力
- 专用高性能基础设施
- 可能自建数据中心基础设施
ACCENTSYS 目前并不运营自己的数据中心。
Microsoft Azure 和 Google Cloud 是另外可能的算力来源,而不是后续阶段。这三张卡片描述的是基础设施策略;各提供商是该策略内可互换的容量来源。
不依赖特定提供商
YiENTi 在根本上并不依赖 Alibaba Cloud、AWS、Microsoft Azure 或 Google Cloud。
依赖算力
实际的限制在于是否有足够的算力来承载工作负载:CPU、GPU、系统内存、VRAM、存储 / I/O、网络吞吐量和并行计算能力。
商业策略 · 愿景
长期的 YiENTi 专用基础设施,旨在随 ACCENTSYS 产品组合的商业化规模扩大而推进,其中 Merclino 是近期商业化的优先事项。产品组合的成功商业化,旨在帮助为日益专用的 YiENTi 算力容量提供资金。Merclino 是商业上的优先事项,而非特殊的技术个例:ACCENTSYS 目前的每一款产品,都是借助 YiENTi 支持的工程方式构建的。
算力约束
在当前的内部工作负载中,YiENTi 的结构化推理所需的算力,可能比传统的以 LLM 为先的工作流程高出大约一个数量级。
YiENTi 对图结构、流程、状态、依赖关系、测量数据、多种模型视图以及它们之间的关系进行推理,并结合历史记录和验证结果。YiENTi 以算力效率换取更丰富的结构化上下文。
基于 ACCENTSYS 内部工作负载;并非独立基准测试。
为什么更多算力很重要
额外的算力不仅仅是缩短处理时间。它使 YiENTi 能够同时在更大的互联上下文中进行推理:
- 流程
- 图关系
- 依赖关系
- 状态
- 历史
- 测量
- 软件模型
- 多种模型视图
- 验证上下文
结构较少
- 算力较低
- 对上下文进行概率性重构
丰富的结构模型
- 算力较高
- 显式的状态、流程、关系和可度量的上下文
起源
YiENTi 自 2010 年起不断演进。
YiENTi 的起源可追溯到 2010 年,当时该项目在 Grandes Planos S.A. 以 Logical Board 的名称启动。该技术后来演进为 YiENTi,将结构化的企业信息与日益成熟的智能层结合起来。
2010
Logical Board
起源于 Grandes Planos S.A.
该项目在 Grandes Planos S.A. 以 Logical Board 的名称启动,聚焦于结构化的企业信息、流程、任务和关系。
2016
YiENTi
在 Swisscom AG 首次展示 YiENTi
YiENTi – Intelligent Enterprise Information。当时展示的架构已包含:
- 企业信息
- YiENTi AI
- 结构化流程
- 度量
- 基于图/流程的智能
现在
YiENTi Enterprise + YiENTi Intelligence
2016 年架构的延续与技术演进
已能够支持 ACCENTSYS 的实际软件工程,所使用的包括:
- 显式系统模型
- 结构化流程
- 图推理
- 度量
- 模型驱动工程(model-driven engineering)
- 生成与验证
下一步
Real Intelligence / AGI
发展方向
基于结构化推理、可度量的现实和显式系统模型,朝着日益通用的智能进一步发展。
愿景/研究方向较长期研究方向
通用且可能超越人类的机器智能。
“下一步”描述的是发展方向,而非已实现的能力。YiENTi 并不宣称已实现 AGI 或超级智能。
从人工智能迈向真正的智能
ACCENTSYS 使用 Real Intelligence 一词,指代超越概率式语言生成的一个方向:能够对显式的流程、关系、状态、度量和后果进行推理的智能。
Real Intelligence 是 ACCENTSYS 公司使用的术语,并非既有的科学术语。
2016 年的架构中已具备
企业信息与机器智能的分离,早在 2016 年展示的 YiENTi 架构中就已存在。
流程与可度量的输出相关联,企业信息构成一张图,并由 AI 层在其上进行推理。YiENTi 的架构并非为应对近年来大语言模型的兴起而创建。
为何是现在
该架构早于当今的 AI 基础设施。
基本方向在 2016 年就已存在。改变的是能够在有意义的规模上执行它的算力。如今大幅提升的算力使该架构能够进行日益复杂的执行。当前的实现与 2016 年的实现并不相同,而是在其基础上的重大技术演进。
更强的算力使 YiENTi 能够同时处理更大范围的互相关联的流程、图和软件上下文。
架构上的差异
LLM 可以解读图表。YiENTi 可以让结构成为模型的一部分。
流程、网关、活动、类、序列、关系和依赖可以作为显式对象保留在推理上下文中。
图像解读
多模态语言模型可以解读文本、图像和图表。结构是从提示词中推断出来的。
一幅流程的图片,按请求进行解读。
结构化表示
在 YiENTi 中,流程、关系、状态和依赖可以作为显式的、机器可读的结构存在,而不仅仅是从提示词中推断出的信息。
- 活动
- 事件
- 网关
- 参与者
- 序列
- 类
- 关系
- 状态
- 依赖
- 数据实体
- 流程路径
YiENTi 不只是“看”一张图表。该图表所表示的结构可以成为系统模型的一部分。
多种模型视图
不同的图表成为同一个互相关联的系统模型的不同视图。
- 需求
- 用户故事
- 用例
- 活动图
- BPMN
- 协作
- 序列图
- 类模型
- 数据模型
- 系统依赖
软件工程
不只是生成代码。而是其背后的系统模型。
YiENTi 在软件工程上采用了与以 LLM 为先的系统根本不同的方法。YiENTi 不依赖生成的语言来反复重建系统上下文,而是维护系统的显式结构化表示。
以 LLM 为先的循环
- 提示词
- 生成的代码
- 评审
- 新的提示词
- 重建的上下文
- ↺
每个循环都要从语言中重建系统上下文。
YiENTi 循环
- 结构化需求
- 显式流程/系统模型
- 依赖
- 推理
- 实现
- 验证
- 度量结果
- 更新后的模型
- ↺
系统模型持续存在,并随每个度量结果更新。
产品佐证
- Arbeitsmarktvollzug
- Castovia
- Kicaly
- Merclino
- SchoolApp
- STV Portal
- xcess
客户工程项目
- LOXY Time · Loxy International AG
ACCENTSYS 当前的整个应用组合均采用 YiENTi 支持的工程方式构建,YiENTi 本身即为其工程平台。LOXY Time 是 ACCENTSYS AG 为 Loxy International AG 开发的客户项目,是一个真实的企业级工程项目,展示了 YiENTi 支持的软件开发如何应对复杂的运营工作流、监管要求、数据处理和系统集成。
架构
两项技术,一套互联的架构。
企业信息会转化为结构化的运营图。YiENTi Intelligence 在其上进行推理,推理结果再回流到企业状态中,或输出到相连的系统。同一智能层也可以在 YiENTi Enterprise 之外使用。
图 C · 集成
协同工作
YiENTi Enterprise
企业信息平台
结构化运营图
存在什么 · 涉及谁 · 什么依赖什么
YiENTi Intelligence
Graph-Native Intelligence Engine
推理 · 决策 · 编排
企业平台
更新后的企业状态
外部系统
已连接的接口
更新后的状态将成为下一轮推理的上下文。
超越 YiENTi Enterprise
YiENTi Intelligence
可复用的智能层
ACCENTSYS 软件工程
内部使用的核心技术
ACCENTSYS 的其他产品
发展方向
未来的外部系统
发展方向
其他结构化推理用例
发展方向
当前开发进展
如实说明 YiENTi 的现状。
YiENTi 平台
独立的 YiENTi 平台正在开发中,尚未商业发布。
YiENTi Intelligence · 核心技术
在独立平台持续演进的同时,YiENTi 已为 ACCENTSYS 的工程工作提供支持。
人在回路 · 当前成熟度
YiENTi 目前是专家引导的。
当由理解流程和系统结构的人员操作时,当前系统能够带来显著的工程杠杆效应。其能力来自结构化模型、流程理解与机器辅助推理的结合。
当前能够放大 YiENTi 效能的知识
- BPMN
- 流程建模
- 系统架构
- 软件工程
- 业务工作流
- 解读结构化模型
YiENTi 目前还不是一款无需领域知识、任何人都能使用的成熟大众市场产品。
方向 · 并非带日期的承诺
现在
专家引导的结构化工程
下一步
更自动化的建模、推理、测试与交付
长期
日益自主的系统工程
YiENTi 的理念
从人工智能走向 Real Intelligence。
智能不仅仅是生成看似合理的语言。它需要理解关系、上下文、流程、后果,以及信息如何随时间变化。YiENTi 是 ACCENTSYS 针对这一问题所采用的方法。
“Real Intelligence”描述的是 YiENTi 和 ACCENTSYS 的理念,并不是一个公认的科学类别。
战略增长
规模化推进下一阶段。
YiENTi 已被用于构建真实的软件。下一阶段的重点是扩大产品化规模、算力容量和商业化。YiENTi 是 ACCENTSYS 更广泛技术组合的一部分。
限制因素在于资本、规模化和算力,而不是 YiENTi 是否可行。
已在内部验证
是 ACCENTSYS 软件工程的核心。
已用于实际产品
支撑 ACCENTSYS 当前的产品组合。
规模取决于资源
资本、算力和持续开发。
ACCENTSYS
由瑞士 ACCENTSYS AG 开发。
YiENTi 在 ACCENTSYS 中承担两种角色:作为 ACCENTSYS 软件工程内部的赋能技术层,以及未来的独立平台。
想了解 YiENTi 背后更广泛的平台战略?欢迎了解 ACCENTSYS、其技术组合以及当前的战略增长轮。
适用于合作伙伴关系、技术交流、战略合作和投资。