H2O.ai 近日宣布推出其新多智能体平台 h2oGPTe，该平台结合了生成式和预测性人工智能模型，旨在为企业提供更一致的响应。H2O.ai 的创始人兼首席执行官 Sri Ambati 表示，企业对 AI 智能体的一大需求就是保持响应的一致性。
产品入口：https://h2o.ai/platform/enterprise-h2ogpte/
h2oGPTe 平台利用 H2O.ai 的自有模型 Mississippi 和 Danube，同时也可以访问其他大大小小的语言模型。该平台支持在不同环境中运行，包括空气隔离、内部部署和云系统。Ambati 强调，结合生成性与预测性人工智能，企业能够更有信心地使用这些智能体，而不会妥协安全性。
h2oGPTe 主要功能包括:
1. 多模态文档AI:能够从安全的内部数据源（如文档库和知识库）中提供准确的查询响应。 支持生成结构化的 JSON 格式输出，适用于合同总结和合规性数据提取。
2. 音频和视觉分析:提取音频文件、图像和手写文档中的结构化数据，适信息丰富的视觉领域。音频模型支持多语言转录和翻译，视觉模型可以进行内容验证。
3. 编码助手 :帮助开发人员快速生成项目的基础代码，支持常见编程语言 – 提供代码补全和文档生成，加速从概念到原型的开发过程。
4. 自主智能智能体:智能体可以自动执行多步骤工作流，如网络研究和数据建模。可以根据实时数据生成多页 PDF，确保透明性。
5. 引用验证与透明性 :采用先进的检索增强生成（RAG）技术，支持嵌入文档引用，提升 AI 响应的透明性和可验证性。
6. 可定制的安全护栏 : 提供精细的访问管理和响应限制，确保敏感环境中的数据安全和合规
7. 智能模型路由 :根据实时评估动态选择最适合的模型，以优化效率和性能。
8. 模型风险管理 :透明的模型评估，结合人类反馈和自动化测试，提升合规性和可解释性。
Ambati 指出，生成式 AI 在内容生成方面表现良好，尤其是在代码生成上，而预测性模型则在情景模拟上提供了更大的帮助。预测性模型能够通过学习数据中的模式，确保智能体的响应更加一致。他举例说明，虽然人类之间的互动可能会有变数，但依然期望能够获得一致的答复，而这正是预测性 AI 与生成性 AI 结合的价值所在。
h2oGPTe 平台特别适合金融、电信、医疗和政府等需要处理多步骤任务的企业。该平台的智能体能够处理多模态数据，像是图表，并据此回答问题，比如 “我的公司今年应该卖更多的玩偶吗?” 这样的问题，从而考虑企业的历史财务数据和市场趋势信息。
此外，H2O.ai 的智能体能够生成包含图表和表格的 PDF 文档，以可视化方式展示信息，并确保引用数据来源，以便进行数据溯源。该平台还内置模型测试功能，包括自动生成问题，模拟不同的提问以检验智能体的响应一致性。同时，用户可以通过仪表盘查看智能体使用了哪些数据库、模型或工作流的部分。
在 AI 智能体热潮持续的背景下，确保智能体提供的价值至关重要，包括一致性、可靠性和准确性。H2O.ai 将生成性和预测性模型相结合的方式是一种探索，其他公司也在寻找确保 AI 代理不对企业造成困扰的方法，例如 xpander.ai 推出的 Agent Graph System 和 Salesforce 发布的 Agentforce Testing Center。
