一圖速覽
企業級 LLM
為審批、治理與合規場景訓練與調優。
由 Fabric 供給
消費 Fabric 的語義化、受治理上下文，回答更準確。
由 Guard 包裹
提示、檢索、輸出全程套用策略並可審計。
在 Studio 運營
封裝成助手、流程與代理，服務各團隊。
由 Signals 衡量
品質、風險與業務影響隨實際使用追蹤。
為何選擇 figena費基納
企業需要的是為審批、敏感數據、合規流程而生的 LLM，而非通用聊天。figena費基納 是 Accentrust 的智能核心，保持在受治理的上下文中推理，遵循策略，輸出可依賴的結果。
figena費基納 將模型品質與企業控制對齊：Fabric 提供可信上下文；Guard 執行策略；Studio 讓助手落地；Signals 衡量成效。figena費基納 成為 AI 原生架構的「大腦」。
Fabric
Grounded context
Guard
Policy envelope
↓Context + Policies↓
Figena LLM Core
Reasoning • Routing • Safety
↓Assistants • Workflows • Actions↓
Studio
Assistants & tools
Signals
Actions & feedback
Observability & Evals — Cost • Latency • Success • Tool Errors • Alerts
figena費基納 能做什麼
1
有據可依的理解
基於 Fabric 語義層推理，並附上引用與置信度。
- •在受治理的表、文件與向量上檢索。
- •以指標、實體與契約做語義定位。
- •每個回答都附引用、置信度與血緣。
2
策略感知的生成
提示、檢索與輸出全程遵循 Guard 策略。
- •依訪問範圍過濾提示與上下文。
- •輸入輸出自動脫敏與遮罩。
- •高風險動作與敏感數據需要審批。
3
會用工具的推理
透過 Studio 調用工具與函式，並有安全檢查。
- •嚴格模式函式呼叫與速率控制。
- •必要時路由到替代模型以滿足成本或合規。
- •工具呼叫、成本與延遲皆可觀測。
4
持續學習改進
結合 Signals 與評測，讓回應更安全、更精準。
- •自動評測忠實度、安全性與實用性。
- •人類回饋用於優化提示與檢索。
- •Signals 驅動閾值與行動手冊的調整。
figena費基納 的內在能力
1
原生治理
與 Guard 深度整合，所有請求可審計、可追蹤。
2
語義式落地
優先使用 Fabric 上下文，回答附引用，降低幻覺。
3
自適應路由
在工具與備援模型間選最佳路徑，平衡品質與成本。
4
回饋驅動
Signals 與評測的回饋持續微調提示、檢索與工具規劃。
架構概覽
figena費基納 位於 Accentrust 套件中心：由 Fabric 供給（連接器、語義層、契約、向量），被 Guard 包裹（策略、審批、遮罩、審計），在 Studio 落地（助手、流程、工具），並由 Signals 觀測（偵測、預測、推薦、行動）。
Grounding & Data Plane
Connectors & CDC
DBs · Object storage · APIs/files/logs · Web · Batch/stream schedulers · CDC
Semantic Layer & Contracts
Metrics · Dimensions · Time grains · KPI contracts (SLAs, owners, calendars)
Validated Tables / Events / Views
Governed datasets with lineage, versions, rollback
Vector Indexes & Caches
HNSW/IVF · Hybrid search · TTL · Hot/warm caches
Policy & Security (Guard)
Policy Engine
Prompt/context/output filters · RBAC/ABAC · Data residency tags
Approvals & Evidence
High‑risk gates (sensitive scopes, external sends) · Decisions logged · Evidence bundles
Masking & Tokenization
PII/PHI redaction · Format-preserving tokenization · KMS/rotation · BYOK
Audit & Reporting
Full trace of prompts, retrieval, outputs · CSV/PDF/API exports
Figena LLM Core
Reasoning & Generation
Chain-of-thought kept private · Cited answers · Structured outputs
Prompt Library & Personas
Templates · Variables · Safety presets · Guardrails per role
Model Router & Fallbacks
Figena default · Alt models by cost/latency/policy/quality · Kill-switch
Safety Filters
Toxicity/PII/faithfulness screens · Response shaping · Hallucination pre-checks
Orchestration, Tools, Observability
Function Calling & Tools
Typed schemas · Rate limits · Tool plans · Storage/CRM/Ticketing/Payments/Custom APIs
Studio Assistants & Workflows
Multi-step flows · Event triggers (webhook/schedule/Signals) · Embeds/Slack/Web
Observability & Evals
Online: cost/latency/success/retries/tool errors/cache hits · Offline: replay & evals (faithfulness/safety/usefulness) · Alerts/webhooks
API & SDK
Headless + UI · Scoped tokens · Per-request audit context
Signals Feedback & Learning Loop
Define/Detect/Forecast
KPI contracts (owners, thresholds) · Streaming/batch detection · Seasonality/change-point · Scenario sims
Recommend & Act
Playbooks · Owners/SLAs · Approvals on auto-actions · Route to Studio automation
Learn & Tune
Evals + human review · Thresholds · Prompt/routing/tool tuning
Outcome Capture
Tasks to Slack/CRM/ticketing/email · Impact measurement · Close the loop
Fabric → Figena: governed context & contracts
Guard → Figena: policy envelope & approvals
Studio ↔ Figena: assistants, workflows, tools
Signals → Figena: detection, feedback, tuning
典型場景
知識與搜尋
帶引用的受治理問答，覆蓋政策、產品、技術內容。
文件助手
摘要、條款擷取、草稿撰寫，內建審批與脫敏。
營運與自動化
工具調用與流程編排，配合防護與審計。
決策智能
敘事、情境比對與行動建議，與 Signals 聯動。
受控模型樞紐
預設使用 figena費基納，可按成本或策略路由到替代模型。