metadata.aboutUs.title

"Making the world friendly for AI agents."

起源

2023 年底，当 GPT-4 和 Claude 开始改变我们编写代码和处理信息的方式时，我们注意到一个奇怪的现象：每个人都在构建 AI Agent，但这些 Agent 都处于"饥饿"状态。

不是缺算力，不是缺 Prompt，它们缺的是上下文。

我们看到开发者们一遍又一遍地挣扎于同一个问题：他们的 Agent 推理能力很强，但没有可靠的方式获取所需的结构化知识。向量数据库返回模糊的结果，知识库是为人类阅读设计的而非机器消费，RAG 管道在需要精确性而非概率性的时候就会崩溃。

那时我们问自己：如果我们专门为 AI Agent 构建基础设施呢？

我们相信下一个十年属于 AI Agent。不是回答问题的聊天机器人，而是能采取行动的自主系统——深入挖掘的研究 Agent、解决问题的客服 Agent、主动洞察的 BI Agent。

但关键是：Agent 的能力取决于它能访问的上下文。

人类可以浏览杂乱的文档并提取意义，Agent 需要结构化数据。人类可以容忍"差不多"的搜索结果，但处理 SKU、价格或合规规则的 Agent 需要确定性的准确。

我们正在构建让 Agent 在生产环境中真正有用的上下文层——而不只是 Demo。

puppyone 是 AI Agent 的 Context Base——可以理解为你的数据和 Agent 之间缺失的基础设施。

我们从 Deep Wide Research 开始，这是一个开源的 Agentic RAG，让你可以为任何场景自定义搜索的深度和广度。成千上万的开发者现在用它来构建真正有效的研究 Agent。

然后我们构建了 Context Base——一个结构化的、版本控制的、权限管理的层，你可以在其中将组织的 "Know-How" 存储为机器可读的 JSON 和图。不再有 HTML 噪音，不再有需要精确数据时的模糊向量匹配。

现在我们正在让上下文的分发变得无缝：作为 MCP 服务器供 Claude 使用，作为 API 供你的自定义 Agent 使用，或作为 Claude Skills 供企业部署。

我们为 "Vibe Coding" 一代构建 puppyone——那些用 Cursor、Claude 快速交付 AI 原生产品的全栈工程师、产品构建者和"商业极客"。

如果你曾经希望有一个比 SaaS 更灵活、比数据库更智能的后端——一个真正理解你的 Agent 需要什么的后端——你就是我们的人。

我们正处于一场巨大变革的开端。世界即将拥有数十亿个 AI Agent 与人类并肩工作——处理研究、运营、客户支持，以及我们尚无法想象的决策。

这些 Agent 将需要上下文基础设施，就像数据库之于 Web 应用一样基础。

我们正在构建这个基础设施。而这只是开始。

我们是一个行动迅速、喜欢与构建者交流的小团队。无论你是好奇我们在做什么、想要合作，还是只是想聊聊 Agent 基础设施——随时联系。