英伟达Agent Toolkit扩展，将企业智能体扎根于公司数据
内容提要
英伟达扩展Agent Toolkit，新增Agent Knowledge Foundation，借助CUDA-X库及Nemotron Retriever、Kumo系列开放模型，将企业数据转化为智能体可用的业务洞察，无需迁移数据或改动治理。OpenShell提供安全运行时，NemoClaw提供安全智能体蓝图。Palantir、Databricks、Snowflake、SAP、ServiceNow、Zoom等企业已采用。
延伸解读
不迁移数据、不改治理：降低企业落地门槛
文章强调，企业使用 Agent Knowledge Foundation 无需迁移数据、重建现有工作流或更改治理控制。这意味着智能体可以直接在原有数据存储和治理框架上运行，减少了数据集成和合规调整的成本。对于受监管行业或数据分散的大型企业，这种“原地赋能”的方式可能更易被接受，但也需关注实际部署中与现有系统的兼容性。
从原始数据到业务概念：Auto-Ontology 的作用
Agent Knowledge Foundation 包含新的 Auto-Ontology 库，可将原始公司数据翻译成客户、产品、订单等熟悉的业务概念，并映射它们之间的关系。这有助于智能体理解数据背后的业务含义，而不仅仅是检索字段。结合 Nemotron Retriever 和 Kumo 系列开放模型，智能体能更准确地找到相关信息并做出预测，但文章未披露这些模型的具体性能指标。
安全边界与持续优化：OpenShell 和 NemoClaw 蓝图
OpenShell 提供安全运行时边界，让企业控制智能体可以访问和操作的范围；NemoClaw 蓝图则提供构建安全专用智能体的参考设计。最新的 NemoClaw 蓝图聚焦智能体优化，给出逐步改进智能体工作能力的起点。这表明英伟达不仅关注智能体能做什么，也关注如何安全地做以及如何随时间提升，但具体的安全机制和优化效果文章未详细展开。
早期采用者的实际收益：检索与排序效率提升
文章列举了多家企业的使用情况：Amazon OpenSearch Service 使用 Nemotron Retriever 嵌入模型后，搜索相关性提高且几乎不增加延迟；SAP 微调的重排序器运行速度提升近 3 倍；ServiceNow 在提升重排序质量的同时将延迟降低近四分之一。这些案例显示了检索模型在搜索和排序环节的实用价值，但均为企业自述，缺乏独立验证和具体基准数据。
Q&A
英伟达Agent Toolkit最近有什么更新？
英伟达扩展了Agent Toolkit，新增了Agent Knowledge Foundation，并整合了CUDA-X库、Nemotron Retriever和Kumo系列开放模型、OpenShell安全运行时以及NemoClaw安全智能体蓝图。
Agent Knowledge Foundation如何帮助企业利用数据？
它借助CUDA-X库和开放模型，将企业数据转化为智能体可用的业务洞察，使智能体能够找到相关信息、理解业务含义并做出预测，而无需迁移数据或改动治理。
使用Agent Knowledge Foundation需要迁移数据吗？
不需要。企业可以在不移动数据、不重建现有工作流或不改变治理控制的情况下使用Agent Knowledge Foundation。
OpenShell和NemoClaw在Agent Toolkit中扮演什么角色？
OpenShell提供安全运行时边界，控制智能体可以访问和操作的范围；NemoClaw提供安全智能体蓝图，包括最新的智能体优化蓝图，帮助智能体随时间提升能力。
有哪些企业已经采用了Agent Knowledge Foundation？
Palantir、Databricks、Snowflake、SAP、ServiceNow、Zoom等企业已采用，此外AWS、ClickHouse、Cloudera、Cohesity、Dassault Systèmes、Dell、Elastic、Exa、IBM、NetApp、Oracle、Perplexity、Starburst和VAST Data也在其基础上构建。
Nemotron Retriever模型在实际应用中有哪些效果？
Amazon OpenSearch Service使用嵌入模型提高了搜索相关性，减少了搜索步骤且几乎无额外延迟；SAP的微调重排序器运行速度提升近3倍；ServiceNow在降低近四分之一延迟的同时提高了重排序质量；Zoom用于改进文档理解、搜索相关性和上下文检索。
