能源
省级电网单位 · 设备缺陷知识助手
把二十余年的缺陷记录、检修规程和厂商手册统一入库，值班人员用自然语言查「这个型号的开关柜出现这种告警怎么处理」，系统给出处置步骤并附原文出处。
-72%
查询耗时
91%
首次命中率
38k+
覆盖文档
新上线
模型广场新增 DeepSeek-V3.1 与 Qwen3-VL 多模态推理
企业级 Agent 开发
企业级 Agent 开发
与模型推理服务
Agent 从场景梳理、系统集成到生产上线，交付物包含评测集、trace 与运维文档。推理服务兼容 OpenAI 接口，改 base_url 即可接入。
支持私有化部署 · 中文 / English 双语沟通
# pip install openai —— 接口与 OpenAI 完全兼容
from openai import OpenAI
client = OpenAI(
base_url="https://api.plus1compute.com/v1",
api_key=os.environ["PLUS1_API_KEY"],
)
resp = client.chat.completions.create(
model="qwen3-32b",
messages=[{"role": "user",
"content": "用三句话说明这份合同的付款条件"}],
temperature=0.3,
)
print(resp.choices[0].message.content)
首字延迟 < 400ms
99.9% 可用性目标
OpenAI 兼容
我们的平台构建在成熟的开源基础设施之上
KubernetesvLLMSGLangRayPostgreSQLMilvusOpenTelemetryMCP
我们做什么
两条主线
交付经验决定了推理服务在哪些地方需要优化，两者共用同一套工程标准。
Agent 开发与落地
从场景拆解、数据接入、工具封装，到评测集建设、灰度上线与持续调优，按软件工程的标准交付可维护的系统。
- 场景梳理与可行性评估
- 私有数据接入与检索增强
- 工具 / 系统 API 封装
- 评测集与回归防护
- 可观测性与成本治理
- 上线陪跑与团队交接
MaaS 模型即服务
主流开源模型开箱即用，OpenAI 兼容接口，按 token 计量。推理集群位于内蒙古「东数西算」国家算力枢纽节点。
- Chat / Embedding / Rerank / VL
- 流式输出与结构化 JSON
- Function Calling 与 MCP
- LoRA / SFT 微调托管
- 专属实例与私有化部署
- Batch API 离线批量推理
6–10 周
单场景项目从启动到灰度上线的典型周期
99.9%
MaaS 推理服务可用性目标（月度）
30+
模型广场在线模型数量
24h
商务与技术咨询响应时间
以上为服务承诺与产品口径指标；具体项目周期与效果以可行性评估结论和合同约定为准。
平台能力
Agent 平台的六个必需件
缺任何一项，Agent 都会停留在「演示能跑、上线没人用」的阶段。
可视化编排 + 代码兜底
业务同学用画布搭流程，工程同学用 Python SDK 接管复杂分支。同一套运行时，不存在「Demo 好看、上线重写」的断层。
知识库与检索增强
支持 PDF / Office / 网页 / 数据库 / 工单系统接入，自动切分与多路召回，并按用户身份做行级权限隔离——不该看的检索不到。
评测驱动的迭代
每个场景都建评测集。改 prompt、换模型、调检索，先跑回归再上线，准确率的涨跌有数字可依，不靠「感觉好像好点了」。
全链路可观测
每一次调用的 trace、token 消耗、工具返回与耗时分解都可回溯，接入 OpenTelemetry，能直接汇入你现有的监控体系。
权限、审计与合规
组织架构同步、角色化授权、完整操作审计日志；支持敏感信息识别与脱敏，满足内审与监管抽查要求。
数据不出域
支持完全私有化部署：模型权重、向量库、日志全部留在你的机房或专有云，并已适配主流国产 GPU 与信创环境。
场景与可行性评估
两到三次工作坊，把「想做 AI」拆成具体任务：输入是什么、判断标准是什么、谁来用、错了怎么办。输出一份可行性结论和优先级排序——包括我们认为不该做的部分。
原型与评测集共建
用你的真实数据做可运行原型，同时和业务专家一起标注 100–300 条评测样本。这套评测集是后续所有优化的裁判，也归你所有。
系统集成与加固
接入身份认证、业务系统 API、工单与消息通道；补齐限流、降级、重试、缓存与成本上限，把原型变成能承压的生产服务。
灰度上线与持续运营
先小范围灰度，看真实用户行为和 badcase，再逐步放量。上线后按月做效果复盘、成本优化与模型升级评估,并完成团队培训与交接。
解决方案
按行业落地的具体样子
不同行业的数据形态、合规要求和使用者习惯差别很大。
工作方式
我们的工作方式
算力部署在枢纽节点
公司位于内蒙古，「东数西算」国家算力枢纽节点之一。当地风电光伏供给充沛、全年气温较低，数据中心的 PUE 与电力成本相应较低。
交付物包含工程资产
除了可运行的系统，交付物还包含评测集、trace、回归脚本、成本报表与运维手册——这些决定系统在交接之后是否还能被维护。
接口开放，可迁移
接口保持 OpenAI 兼容，编排逻辑与模型解耦，评测集与业务数据归客户所有。任何环节都可以替换成自建模型或其他厂商的服务。
案例
客户案例
以下案例经客户要求匿名处理，行业与量级真实。商务沟通中可提供可联系的参考客户。
政务
地市政务服务中心 · 办件预审 Agent
群众上传材料后由 Agent 先做完整性与一致性检查，指出缺哪一页、哪个字段前后矛盾，把窗口人员的重复劳动前移到线上。
-46%
退件率
-31%
窗口时长
260+
覆盖事项
制造
装备制造企业 · 工艺问答与质检归因
老师傅的经验散落在几千份工艺卡和车间群聊里。我们把它结构化成可检索知识，新员工提问能拿到有依据的答案,质检异常也能追到相近历史案例。
-40%
新人上手
84%
归因命中
12k+
知识条目
客户评价
客户怎么说
“
之前的两次尝试都停在演示阶段，上线之后用的人很少。这次一开始就花了不少时间讨论评测标准怎么定，过程比较磨人，但上线后值班的同事自己会去用。
王
王 先生/女士
信息中心主任 · 能源行业客户
“
迁移过程比预期简单，接口不用改，SDK 也不用换，我们把一部分离线批量任务先挪过来跑了两周才逐步放量。有问题直接在群里问，回复的是真的在维护这套服务的人。
李
李 先生/女士
技术负责人 · 互联网服务公司
“
私有化部署这块他们没有含糊。权重、向量库、日志全部在我们自己的机房，国产卡的适配也是他们的人来现场做的,过审的时候材料给得很齐。
张
张 先生/女士
科技部副总 · 金融行业客户
我们数据敏感，能不能不上公有云？
可以，而且这是我们相当常见的交付形态。支持三种模式：公有 MaaS（最快）、专属实例（物理隔离、独享算力）、以及完全私有化部署（模型权重、向量库、日志全部留在你的机房或专有云，我们只提供软件与现场支持）。私有化环境下我们也已适配主流国产 GPU 与信创操作系统。
一个 Agent 项目大概多久能上线？多少钱？
单场景、数据相对干净的项目，从启动到灰度上线通常是 6–10 周；涉及多系统集成或私有化部署会更长。费用取决于场景复杂度、集成系统数量与是否私有化，我们会在可行性评估后给出明确的固定报价区间,而不是先签合同再谈范围。小规模验证性项目也接。
和直接用大厂 API 有什么区别？
接口层面没有区别，我们保持 OpenAI 兼容，换 base_url 和 key 即可。实际差异是：算力位于内蒙古枢纽节点，成本结构不同；技术沟通直接对接维护这套服务的工程师；以及我们同时做 Agent 交付，对模型进入业务流程后的实际问题有经验。
如果效果达不到预期怎么办？
这是我们坚持先建评测集的原因：验收标准在动工前就写成数字并双方确认。如果原型阶段的评测结果说明这个场景当前技术条件下做不到目标水平,我们会明确告诉你并建议终止或缩小范围,只结算已发生的评估工作量——把不该做的项目做下去,对双方都不划算。
支持哪些模型？能用我们自己微调的模型吗？
MaaS 上提供 DeepSeek、Qwen、GLM、Kimi 等主流开源模型的托管推理,覆盖 Chat、推理、多模态、Embedding 与 Rerank。你也可以上传自己微调的权重托管为专属端点,或者在我们平台上直接做 LoRA / SFT。Agent 平台与模型解耦,某个环节想用你自建或第三方模型都可以。
你们公司规模多大？能承接长期项目吗？
我们是一家专注做 Agent 工程与推理服务的团队,规模不大但都是一线交付人员,没有中间层，沟通链条短。产能排满时我们会直接告知排期——如果同期项目排满了,我们会告诉你排期而不是先签下来。长期运维与陪跑是我们的主要收入来源之一,不是一次性项目。