Asgard AI
Platform

解構 Asgard 生態系從洞察到執行的智慧閉環

深入探索驅動企業智動化的核心架構。了解 Mimir(決策)、Odin(賦能)與 Sindri(執行)如何深度協同,構建可規模化的 AI 生產力。

Asgard

平台總覽

  • 方法整理自實際部署
  • 雲端或地端都能裝
  • 每次模型呼叫都有紀錄

What an agent needs

Agent 在公司用得上的條件

企業知識

Agent 照公司的方式做事

SOP、規則、老員工腦中的做法要寫下來,Agent 才照公司的方式做。

  • 企業知識庫
  • Skill

資料

每個 Agent 算出的數字一樣

用唯讀帳號接 ERP、POS。「營收」「良率」先定義好,每個 Agent 算出的數字才一樣。

  • Data Connector
  • 語意模型

系統操作

沒有 API 的系統也能操作

有 API 或 MCP 就走 API。沒有 API 的舊網頁系統,Agent 開瀏覽器點選、輸入(Computer Use)。

  • MCP 工具
  • Computer Use

權限與核准

改資料前停下來等人核准

誰能用哪個 Agent、它能讀寫什麼,逐一開。要改資料前,Agent 停下來等人核准。

  • Management Console
  • 讀寫閘門
  • 上線核准

模型與用量

每把 key 的用量都查得到

每把 key 給哪個群組、做什麼用、能用哪幾家模型、每月多少 Token,用了多少都查得到。

持續修正

答錯的題目變成考題

答錯的題目收回來變成考題。改好了、分數進步才採用。

  • 評測
  • Routines

Architecture

產品架構

  1. 生態

    • Yggdrasil

      開源 MCP 與 SKILL,MIT 授權

    整合/客製開發:Asgard 與 SI 夥伴在同一平台上做

    • 客製整合

      自建系統、對外客服

    • Heimdall

      媒體與公關 AI

    • Freyr

      多品牌電商 AI

  2. 核心模組

    • Odin 建

      組 Agent、接資料和知識

    • Sindri 用

      同仁叫 Agent 做事、核准

    • Mimir 問

      用中文問數據

  3. 語意與知識層

    Agent 懂你公司的地方

    • 企業知識庫

      Wiki、參照表、歷史明細

    • 語意模型

      指標定義一次,各處共用

    • Skill

      做事方法,Agent 共用

    • 自動同步

      知識更新,不用重新上線

  4. Agent 執行環境

    • 獨立工作空間

      每次工作開一個

    • Computer Use

      沒有 API 的網頁也能操作

    • MCP 工具

      有 API 的系統用工具讀寫

    • 排程與觸發

      定時跑、事件觸發

  5. 治理

    使用者與 Agent 的管理

    • Management Console

      誰能用哪個

    • 讀寫閘門

      寫回前先問人

    • 上線核准

      檢查後由你核准

    • 對話掃描

      每週抓個資外洩

    模型與 Token 的管理

    • Tyr

      key 給誰、用途、用量

  6. 模型

    • Tyr 單一入口

      Agent、內部系統、coding 工具都連這裡

    • 多家模型

      Claude、GPT、Gemini、Kimi,或自帶 key

    • 換模型不改程式

      某家出問題自動改走別家

    • 用量、成本一處看

      額度用完就擋

示範專案 · Demo

零售示範專案:門市缺貨到跨店調撥

  1. 01

    情境:旗艦店明天要斷貨

    週日晚上,旗艦店的聯名保溫瓶只剩 6 件,當天賣了 45 件。照原本的流程,調撥單要等週一開會,大約兩天後才開得出來。
  2. 02

    Odin:建語意模型和 Agent

    POS、WMS、ERP、電商、供應商、CRM 加上資料倉儲,建 7 個語意模型和 5 個 Agent。語意模型只開查詢。部署一次建好 69 項資源,花 46 秒。
  3. 03

    Sindri:Agent 先讀 skill 再查庫存

    Agent 先讀跨店調撥的 skill,知道可調撥量怎麼算,再去查庫存。全通路最多可調撥 102 件。只有讀,不改資料,所以不用停下來問人。
  4. 04

    Sindri:調撥單等人核准後才建立

    要建調撥單時,Agent 停下來等人按核准。核准的選項是允許這段對話、允許這一次或拒絕。三張調撥單逐張核准後建立,共 86 件。
  5. 05

    Mimir:一個問題看出誰撥得出貨

    主管在 Mimir 問各門市的庫存。結果是 11 家有盈餘,板橋和竹北兩家就有 92 件。這張圖可以存起來,放上儀表板。

這個專案照導入流程建在平台上。情境與數字取自示範專案的模擬資料。Agent、語意模型和核准閘門都已實際建好並發布。

Method

導入流程

1 · 盤點與訪談FDE
FDE 訪談你的團隊,整理公司實際的做事方法和文件。
2 · 交代 AI 顧問FDE
FDE 請 AI 顧問把這些文件整理到 Asgard Platform 上。AI 顧問是載入 asgard-cli 的 Coding Agent。
3 · 寫出設定AI 顧問
AI 顧問讀 asgard-cli 的 LLM Wiki,再把做事方法寫成 Agent 的設定。設定存在你的 Asgard 工作區。
4 · 部署AI 顧問
AI 顧問把設定部署到 Asgard Platform。

How it connects

產品之間的串接

發布Odin → Sindri, Mimir
每個 Odin 專案都有 Applications 分頁,列出發布到其他產品的內容。Agent 發布到 Sindri,語意模型發布到 Mimir。
帳號與角色Management Console
Workspace 成員在 Console 管理。每個產品的帳號與角色分開設定,決定誰能用哪一份資源。
帳務與用量Fehu
方案、付款、用量報表與 Credit 錢包集中在 Fehu 查看。
使用的地方Channels
Agent 可以放進 Sindri,或接 LINE、Slack 等通訊軟體、REST API,以及用 JS SDK 嵌入網站。

Start here

預約 2 小時 workshop

現行流程的 AI 可行性評估