Dinothesia于20日宣布，将面向AI Agent的知识平台AKB（Agent Knowledge Base）在GitHub开源。

AKB旨在将企业内部零散分布的文档、文件、数据库以及成员工作记录，统一沉淀为可供AI Agent调用的知识体系，并进行集中管理，帮助多个部门与AI Agent在同一业务语境下协同工作。

随着生成式AI的应用从个人写作和检索辅助，进一步扩展至研发、销售、人力资源、市场等实际业务流程，企业知识分散的问题愈发突出。文档库、协作工具、演示材料和数据库彼此割裂，导致AI难以持续理解业务语境，也带来了反复传递材料、重复向负责人确认相同内容，以及额外将文档转换为AI可读取格式等低效问题。

为解决上述痛点，AKB将文档、文件、数据库表等不同形态的信息统一纳入同一知识体系。平台引入基于本体的结构，用于定义文档与数据之间的语义关系，使AI Agent不仅能调用单条资料，还能理解资料之间的关联。除面向检索的RAG（检索增强生成）式知识库外，AKB还被设计为可持续沉淀和整理AI Agent在工作过程中产生的对话、操作记录、判断依据及输出结果。

在技术层面，AKB支持基于MCP（模型上下文协议）的系统对接，以及标准Markdown文档管理。平台还可统一管理SQL数据库、对象存储等多种内容形态，并以图谱方式组织关联关系，将业务知识连接起来。结合Dinothesia向量数据库Seahorse的搜索能力后，AKB还可提升关键词检索难以覆盖的业务语境理解和关联信息发现能力。

目前，AI Agent领域围绕长期记忆和知识存储的讨论持续升温，LLM Wiki、GBrain等均属于相关案例。Dinothesia将AKB定位为面向企业场景的相关平台，并在设计之初即将组织、部门、角色和项目等多层级权限管理，以及用户之间的访问边界控制纳入核心框架，以兼顾知识共享与企业安全需求。

Dinothesia表示，后续将向非商业用途用户免费提供AKB，并根据开发者及一线用户反馈持续迭代完善功能。

公司首席执行官（CEO）Mu-gyeong Jeong表示，企业的AI竞争力正从“采用了什么模型”转向“组织数据能否被AI高效利用”。他称，希望通过开源AKB，帮助更多企业将自身知识转化为AI可调用的资产，并与AI Agent共同成长。