Polaris：面向对话式企业分析的多Agentic系统

在当今快节奏的环境中，快速访问、理解并基于数据采取行动的能力已不再是可选项，而是必需品。然而，大多数组织仍处于数据丰富但洞察贫乏的状态，受限于查询、解释和阐释企业级信息的复杂性。我们提出Polaris，一个由监督者主导的面向对话式企业分析的多Agent框架，以弥合这一差距。Polaris引入动态任务协调（DTC），一个决策论式的编排层，将Agent-任务分配建模为自适应二部图匹配，实现跨专职Agent（查询、可视化与推理）的实时协调、恢复与优化。通过将DTC与推理优先的ReAct风格Agent相结合，Polaris将自然语言查询转化为连贯的分析工作流，不仅能检索和可视化数据，还能解释背后的"为什么"。在结构化企业数据集上的评估表明其具有高语义保真度和答案相关性，凸显了多Agent编排大规模交付可信端到端商业智能的潜力。