你的数据，agent 可读可讲。
一个模型。多种后端。面向每一个 agent。
1. 数据可观测性：数据孤岛困境
现代企业已拥有支撑智能 agent 系统所需的信息。挑战在于，这些知识分散在碎片化的基础设施中（即数据孤岛）：事务型数据库、搜索引擎、向量库、文件系统等。 对人类操作者而言，这种碎片化带来运维复杂性。对 agent 而言，则意味着失明。 三种模式反复出现：agent 不知道某孤岛存在、对数据源的认知已过时，或误读团队实际使用的业务词汇。以下场景为虚构，但这些失效模式在企业部署中十分常见。 孤岛与接口越多，agent 就越难发现并访问所需数据。LLM 的推理、检索与学习能力虽在持续进步，但它们无法推断从未被展示过的数据的存在。- 未知孤岛
- 过时目录
- 术语迷失
- RAG 的教训
- 无法关联
采购团队让 agent 查找「本月到期的全部供应商合同」。agent 可访问五个系统：两个涵盖交易与订单，三个涵盖代码与文档。它查询交易与订单来源——多数有效合同所在之处——并返回73 条结果，附带一份自信满满的摘要。但还有43 份合同仅以扫描 PDF 修正案的形式存在于法务团队的文档库中。该文档库已编入企业搜索索引，但法务团队从未将其注册为合同数据源。从 agent 视角，列表是完整的——它检查了与交易和订单相关的所有来源。从业务视角，43 笔续签在供应商发票到来之前完全不可见。
要点：agent 无法查询它不知道存在或与任务无关的孤岛。
agent 在真实场景中失败，首要原因往往并非不够智能，而是缺少数据可观测性。 认识到这一点后，许多企业试图通过数据仓库、数据湖或带重度 ETL 的新型数据库，将数据孤岛整合到单一系统中。这一路径常导致性能次优、运维复杂度上升，最重要的是迁移成本高昂。 agent 系统不需要新的数据源，而需要一种直观、统一的方式访问既有数据源。 这正是 HeavenBase 的切入点。
2. HeavenBase 方案：面向 Agent 的多后端引擎
HeavenBase 位于 agent 与数据之间；它不取代你的数据库、搜索引擎或向量库——而是连接它们。 HeavenBase 提供统一数据接口，抽象不同后端的复杂性，原生面向 agent，使其能在各孤岛间发现、查询、操作与组织数据，而无需知道数据实际存放位置或如何查询。 开始使用 HeavenBase 时，只需创建工作区，告知可用的数据后端，然后连接数据源并注入业务知识。技术上，HeavenBase 采用直观的面向对象数据模型来管理知识与数据。你可以在同一个逻辑工作区中处理数据与业务知识，用同一接口编排 agent、管理工作流。与此同时，HeavenBase 承担物理存储、查询规划与跨后端执行的复杂性，让你与 agent 专注于推理与决策。 当所有数据与决策流经同一逻辑工作区时，数据洞察便会浮现。 例如，客服 agent 可通过一个 HeavenBase 工作区，同时访问订单记录、产品政策、历史对话与内部备注，回答客户问题。 源数据、元数据、领域知识、agent 轨迹、工具、Prompt、用户偏好与统计，都在 HeavenBase 工作区中以同一逻辑数据模型统一呈现，因此可由 meta-agent 一致管理。这使你可以主动或按需将洞察反馈给 worker agent，确保它们始终把握全局，并在正确时机访问正确信息。3. HeavenBase 提供什么
作为个人用户，你可以将 HeavenBase 用作 agent 的记忆层，作为 agent 记录思路、任务、你的偏好及其他服务所需信息的笔记本。HeavenBase 还提供即插即用的 MCP 服务器与 Skills，供 agent 使用。 作为企业用户，你可以立即让 agent 与数据对话，并持续从数据中学习，获得有价值洞察、改进决策。你可以选择以最顺手的形式暴露接口：Python ORM 表达式、MongoDB 风格 JSON 查询、SQL、Python 程序或自然语言指令，HeavenBase 会帮助 agent 将其翻译为跨合适数据存储的高效物理查询。 作为开发者，你可以使用 HeavenBase CLI 与 Python SDK，更快构建 agent 与应用：创建工作区、定义实体、连接后端，然后专注业务逻辑与 agent 工作流，数据管道与管理交给 HeavenBase。 作为管理者或平台负责人，你可以将 HeavenBase 用作 agent 系统的数据平面，监控交互、整合业务知识，并持续改进数据版图。TODO: HeavenBase GUI for catalog and observability; data governance and lineage features