EnterpriseLab：企业智能体开发与部署的全栈平台

在企业环境中部署AI智能体，需要在能力与数据主权及成本约束之间取得平衡。虽然小语言模型是前沿模型之外保护隐私的替代选择，但其专业化受制于割裂的开发流水线——工具集成、数据生成与训练彼此分离。我们提出EnterpriseLab，一个把这些阶段统一为闭环框架的全栈平台。EnterpriseLab提供：（1）通过Model Context Protocol暴露企业应用的模块化环境，支持专有与开源工具的无缝集成；（2）自动化轨迹合成，从环境schema以程序化方式生成训练数据；（3）带持续评估的集成训练流水线。我们通过EnterpriseArena验证该平台，这一实例涵盖IT、人力资源、销售与工程领域的15个应用和140多个工具。结果表明，在EnterpriseLab中训练的8B参数模型在复杂企业工作流上媲美GPT-4o的表现，同时把推理成本降低8-10倍，并在包括EnterpriseBench（+10%）和CRMArena（+10%）在内的多种企业基准上保持稳健。EnterpriseLab为企业在不牺牲运营能力的前提下部署能力强、保护隐私的智能体提供了一条务实路径。