企业里的信息并不都在 PDF 里。很多问题需要去数据库里找答案；还有一些任务涉及图片生成或识别。如果这些能力分散在几套互不相干的系统里，开发者最终还是要自己拼接模型配置、权限和调用链路。

LangChat 开源版尝试把这几类能力放在同一个产品中。它不是宣称“所有数据问题都能自动答对”，而是给开发者一个可以接入、配置和验证的统一入口。

企业版：LangChat Agentic 是面向企业采购与长期运营的独立商业产品，提供比开源版更丰富的智能体、知识、数据和治理能力。了解更多：

• 产品官网：https://langchat.cn/
• 商业白皮书：https://langchat.cn/docs
• 价格与交付：https://langchat.cn/price

LangChat Agentic 是面向企业的独立商业产品。

从数据源开始，而不是从一句 SQL 开始

智能问数首先需要知道系统允许访问哪些数据。数据源管理页维护数据库连接；数据源详情页可读取表结构，并选择纳入 AI 检索配置的表。没有清晰的数据范围，让模型自由猜表名和字段名，很容易得到看似流畅、实际错误的答案。

图 1｜数据源管理：截图中的连接地址是开发环境示例。

图 2｜表结构浏览：先看有哪些表和字段，再决定哪些数据可以用于分析。

智能问数界面则面向提问者：选择已授权的数据源与可检索表，再用自然语言提出问题。实际项目中，仍应核查字段口径、只读权限、查询范围和结果解释，不能因为模型生成了图表就跳过数据校验。

图 3｜智能问数：这是未连接数据源时的界面，并非一张已完成分析的结果图。

图像能力也复用同一套模型管理思路

除了文本和数据分析，开源版还提供图片生成、图片识别入口。它们与模型中心的配置体系相连，但具体效果仍受所选模型、供应商接口和输入素材影响。

图 4｜图片生成：从统一工作台进入图像创作。

图 5｜图片识别：处理图像理解类任务。

当业务开始要求受控与交付

开源版适合开发者验证数据分析和图像能力的集成路径。面向企业采购的 LangChat Agentic 商业版在此基础上提供受控 Text2SQL、可解释图表、企业数据源接入，以及更完整的图像、视频和文本内容生产工作台。商业版也将权限、安全策略与运行治理纳入交付范围。能力详情见 商业版官网（https://agentic.langchat.cn/），采购方案见 价格与交付页（https://agentic.langchat.cn/price）。

项目代码在 GitHub（https://github.com/langchat/langchat）。如果你在评估企业数据分析或内容生产平台，可添加微信 LangchainChat，备注「LangChat 商务」，先聊数据边界，再聊模型效果。最后一篇，我们回到一个更现实的问题：应用做出来以后，怎样被团队使用和管理？

官网、开源与联系

• LangChat 官网：https://langchat.cn
• GitHub 开源地址：https://github.com/langchat/langchat
• Gitee 开源地址：https://gitee.com/langchat/langchat
• GitCode 开源地址：https://gitcode.com/langchat/langchat
• LangChat Agentic 企业版：https://agentic.langchat.cn/
• 商业白皮书：https://agentic.langchat.cn/docs
• 企业采购与交付：https://agentic.langchat.cn/price
• 微信号：LangchainChat（加群备注「LangChat 加群」；企业咨询备注「LangChat 商务」）

扫码添加微信：LangchainChat