代理式 AI 與安全優先架構
從訊號擷取、知識圖譜推論到代理自主執行的三層式架構。專為地端部署與隔離網路環境設計，已落地於政府、法務與企業關鍵任務場景。
不只回答問題，而是自主完成任務
代理式 AI（Agentic AI）能夠自主進行推論、規劃，並執行複雜的多步驟任務。以下四個技術核心——執行循環、多層次 DLP、Agent 防護架構、知識圖譜——構成我們在政府、法務與企業場域安全落地的基礎。
推論、規劃與執行循環
代理式 AI 與傳統問答式 AI 的根本差異在於「自主執行多步驟任務」的能力。代理在接收目標後，先進行推論（分析當前狀態與限制），再產生執行計畫（將任務拆解為子步驟），最後呼叫工具或其他代理完成各步驟，並根據回饋動態調整計畫。
- 目標驅動：代理自主決定「如何達成」而非等待逐步指令
- 多代理協作：規劃代理、執行代理、驗證代理各司其職
- 工具調用：呼叫外部 API、資料庫、搜尋引擎、文件生成工具
- 回饋循環：根據執行結果持續優化推論與行動策略
多層次 DLP 實作
資料防洩（Data Loss Prevention, DLP）在 AI 代理環境中尤為關鍵——代理的工具調用與自動輸出能力，使敏感資料外洩的風險遠高於傳統系統。我們採用五層遞進式防護，在延遲影響最小的前提下，實現高精準的敏感資料偵測。
- Tier 0–1：不可變規則與黑名單即時查詢（< 1ms）
- Tier 2：Regex 模式比對——台灣身分證號、電話、帳號、prompt injection 特徵（< 5ms）
- Tier 2.5：Embedding 相似度比對，偵測改寫或混淆的攻擊
- Tier 3–4：行為異常偵測 + LLM-as-Judge 語意分析（高風險請求）
完整的技術架構、規則分類、法規對應與部署說明
閱讀 DLP 白皮書AI Agent 防護架構
AI 代理面臨的威脅遠比傳統應用複雜。參照 OWASP Agentic AI Top 10 與 Agent Threat Rules 框架，我們識別並防禦十類主要攻擊向量——涵蓋從輸入端的 prompt injection、到代理運行中的工具污染與權限升級，直至輸出端的上下文洩漏。
- Prompt Injection：編碼攻擊（base-N、Unicode 混淆）、指令覆蓋偵測
- Context Exfiltration：API Key 洩漏、系統提示詞竊取、憑證擷取防護
- Tool Poisoning & Excessive Autonomy：惡意工具回應偵測、代理無限循環熔斷
- RAG 資料污染：知識庫寫入驗證與語意一致性檢查
完整的 10 大威脅分類、五層偵測規則、CVE 對應與合規框架
閱讀 Agent 威脅白皮書知識圖譜與 LLM 幻覺抑制
LLM 幻覺（hallucination）的根本原因是模型在缺乏事實錨點的情況下進行生成。知識圖譜提供結構化的實體關係網絡，作為 RAG 的事實基礎，讓 LLM 的每一個陳述都能對應到可驗證的圖譜節點——而非依賴訓練資料中的統計模式。
- 圖譜節點作為事實錨點，防止 LLM 自由發揮
- pgvector 語意搜尋從圖譜中精準檢索相關子圖
- 跨系統實體解析確保同一實體在不同資料源中的一致性
- 圖譜更新觸發 RAG 快取失效，確保知識時效性
地端部署與隔離網路
完全地端運行
所有元件——應用伺服器、資料庫、AI 推論引擎、知識圖譜、監控工具——全部部署於客戶的物理環境中。無需任何外部網路連線。
隔離網路支援
專為完全隔離網路環境設計。AI 模型本地推論，系統更新透過安全離線媒介傳遞，無任何雲端依賴。已驗證於政府與法務等高度機敏場域。
混合架構選項
部分客戶需要雲地混合的彈性——核心資料與 AI 推論維持地端，特定管理或協作功能可連接安全雲端服務。透過 LLM Router 統一路由，讓地端與雲端模型的切換完全透明，不影響上層應用。
安全優先的架構設計
安全不是事後附加的功能，而是從架構設計第一天就嵌入每個層面——從 DLP 引擎、LDAP 身份驗證到不可竄改的稽核日誌，均有實際落地案例驗證。
零信任架構
LDAP/AD 身份驗證結合短效 JWT Token，每筆請求獨立驗證身份與權限。無預設信任，無論來自內網或外網。
資料主權與本地推論
AI 推論透過 vLLM 完全在客戶環境執行，資料不離開組織邊界。支援完全隔離網路（Air-Gapped）部署，模型更新透過安全離線媒介傳遞。
內建 DLP 引擎
資料防洩引擎在請求進入 LLM 前即時掃描，偵測身分證號、電話號碼、帳號等敏感資料模式，以及 prompt injection 攻擊，並自動阻斷高風險請求。
不可竄改稽核日誌
所有 AI 請求、資料存取與系統操作均寫入完整稽核軌跡，附帶唯一追蹤 ID，滿足政府與醫療法規合規要求。
三層式智能架構
擷取 → 理解 → 行動：每一層都獨立運作，同時與其他層緊密整合，驅動代理系統的完整推論與執行循環。
擷取 Capture
通訊 / 訊號 / 設備第一層擷取所有原始訊號——VoIP 語音通話、SNMP 設備自動探索、網路流量雙向側錄、感測器事件。透過自主開發的通訊協定平台，資料在進入系統的第一時間完成加密與結構化，為後續代理推論奠定基礎。
- VoIP 語音即時擷取與錄製
- SNMP 多廠商設備自動探索與指紋辨識
- 網路流量雙向側錄（Elasticsearch 時序儲存）
- 邊緣預處理與端到端加密
理解 Understand
知識圖譜 / AI 推論 / 異常偵測第二層將原始資料轉化為可操作的知識。本體論驅動的知識圖譜建立實體關聯；本地 LLM 執行語意理解；Isolation Forest 模型對時序資料進行即時網路異常偵測，精準識別可疑行為模式。
- 圖資料庫知識圖譜 + 向量語意搜尋（RAG）
- 本地 vLLM 推論，資料不離場
- Isolation Forest 網路流量異常偵測
- 跨系統實體解析與關聯建立
行動 Act
代理執行 / 自動化 / 決策第三層將理解轉化為自主行動。代理工作流程根據分析結果自動生成法律文件草稿、觸發告警升級、執行能源調度決策，或透過 BullMQ 背景隊列協調跨系統任務，在無人介入的情況下完成複雜的多步驟操作。
- AI 代理自動文件生成（法律文書、報告、摘要）
- 智能告警分級與自動升級
- 能源調度與峰值削減自動決策
- BullMQ 跨系統任務協調引擎
系統整合方法論
場域評估
深入了解現有基礎設施、安全需求、合規要求與業務流程，確定代理系統整合範圍與優先順序。
架構設計
根據評估結果設計代理系統架構，包含 LLM 路由策略、知識圖譜建模、DLP 規則、網路拓撲與故障復原機制。
漸進式部署
以模組化方式逐步部署，每個階段都經過完整測試與驗證，確保對現有營運零影響，支援藍綠切換。
持續維運
部署完成後提供長期維運支持，包含 24/7 監控、代理模型更新、效能最佳化與合規報告。
DevOps 與長期維運
部署只是開始。我們提供完整的長期維運框架，確保代理系統在整個生命週期中持續進化、模型更新與最佳化。
基礎設施即代碼
所有基礎設施配置都以代碼管理，實現版本控制、自動化部署與可重複的環境建置。
持續監控與回應
24/7 智能監控系統，結合自動告警分級與事件回應流程，將平均修復時間降至最低。
漸進式升級
透過藍綠部署與金絲雀發布策略，實現零停機更新。每次升級都經過完整的回歸測試與驗證。