On-premise AI · 汽车与先进制造

让文档、知识、测试
连成一条链

面向汽车与先进制造研发的私有化 AI 引擎:文档不出域,知识可问答,测试可追溯。

// 三款产品加一个统一入口,全部支持内网私有化部署,模型端点可完全本地化

≥95% 需求到测试追溯覆盖率 NexTest Studio
≥80% 版本变更影响召回率 NexTest Studio
3.54s 知识库问答全链路响应 含生成 2.86s · 带引用
0 依赖外部 RAG 平台 检索层自建

The Problem

研发体系里,最贵的三件事都发生在文档之后

式样书写完只是开始。真正消耗工时的是版本确认、知识寻找、测试追溯 —— 而这些环节至今大多靠人。

01

版本满天飞,最新版靠人喊一嗓子

式样书散在几个盘、几个共享目录里。测试照着旧版写,缺陷压到整车验证阶段才暴露。

02

需求到用例的对应,只存在某个人的记忆里

人一调岗、一离职,追溯链就断。审计时想补,补不回来。

03

文档堆成山,找一份翻半天

扫描件还读不出内容。同一件事被重复问、重复做,新人上手全靠口口相传。

04

外网大模型好用,但研发数据不能出域

要么用不了 AI,要么把数据风险扛在自己身上。这个交换,多数研发体系不接受。

Product Line

三款产品,各管一段,串起来是一条链

它们可以单独部署,也可以合起来跑。合起来跑的时候,文档、知识、测试走的是同一份事实 —— 再有一个统一入口,把跨系统的问题一次问完。

源 · 管住文档

NexSpec Hub

式样书与文档主数据中心

式样书主数据、源文件与版本履历的唯一权威源。源文件不可覆盖,SHA-256 校验,草稿到发布的状态流,中日英三语界面。

它解决什么:手上这份到底是不是最新版,从此不靠人工确认。

知 · 让知识可用

Nex Knowledge Base

内网私有化知识检索与问答

文件结构感知切块、双路召回、RRF 融合、reranker 精排,全部在内网完成,不接任何外部 RAG 平台。

它解决什么:找文件不用打开就能判断,问答答案能点开核对出处。

测 · 变成资产

NexTest Studio

车载软件 AI 测试闭环平台

式样书解析、原子要件抽取、测试式样书生成、全链路追溯与变更影响分析,由十个 Agent 协同完成。

它解决什么:从式样书到测试用例,走一条可追溯、可复用的自动化链路。

NexSpec Hub 管住文档主数据 → Nex Knowledge Base 让知识可检索、可问答 → NexTest Studio 把知识变成测试资产

Unified Entry

一个入口,把三者接起来

NexSpec Hub 说「应该是什么」,NexTest Studio 说「实际验成了什么」,内网知识库说「过去发生过什么、凭什么」。 Nexora 助手把三者拼成一句可追溯的回答 —— 它不复制任何一款产品的能力。

01 NEXSPEC HUB 应该是什么 版本唯一、SHA-256 链式审计、固定版本解引用。别人替不了。
02 NEXTEST STUDIO 实际验成了什么 用例、执行、缺陷、变更影响与质量指标快照。别人替不了。
03 KNOWLEDGE BASE 过去发生过什么 带引用的非结构化检索:纪要、报告、手册、旧问题。别人替不了。
04 NEXORA 助手 拼成一句可追溯的回答 专家路由、三路并行取证、出处标注。只读,不改任何业务库的状态。

Product Snapshots

先看界面,再听介绍

下面是三款产品的核心界面还原。你看到的版本号、状态、引用出处与相关度分数,就是系统里真实存在的字段 —— 不是概念稿。

01 / NexSpec Hub

式样书目录:一眼看出哪份是权威版

顶部先把「式样书总数 / 已发布版本 / 待发布版本 / 草稿版本」四个数摆出来,列表里每份文档的当前发布版本、文档类型、负责人与最近更新并排可读 —— 不用点进去确认。

  • 同结构同名文件自动追加修订,不产生重复文档
  • 源文件入库即锁定,SHA-256 校验
  • 已发布文件不可覆盖,修改须上传新版本

进入 NexSpec Hub

nexspec.internal/式样书目录
图 1 · NexSpec Hub 式样书目录

02 / Nex Knowledge Base

知识库问答:答案下面挂着出处和分数

侧栏按「个人知识库 / 公共知识库」分组,回答上方先声明数据去向。每条出处标出被引用的文件与定位,并给出重排后的相关度分数 —— 信不信,你自己判断。

  • 结构感知切块,条款号与表格行参与边界判定
  • 双路召回后走 RRF 融合,再交给 Reranker 精排
  • 生成、向量、重排三个端点全部在内网

进入 Nex Knowledge Base

kb.internal/知识库问答
图 2 · Nex Knowledge Base 带引用问答

03 / NexTest Studio

测试执行:每条用例的状态和进度

顶栏先亮出当前所在模块,一条命令面板能直接跳到任意 Case 或任务。每条用例给出系统里的 Case 编号、修订号、第几次执行与所依据的软件版本,右侧是步骤进度和通过 / 失败 / 阻塞状态。

  • Document → Requirement → Atomic → TestCase → Defect
  • 版本差分自动给出受影响用例与建议回归范围
  • 每条 AI 输出可追到原文的章节、页码与段落

进入 NexTest Studio

nextest.internal/测试执行
图 3 · NexTest Studio 测试执行

Value Chain

一条链上的五个环节

从一份式样书进库,到一次变更影响分析出结果,中间每一步都留痕、可回溯、可复核。

01 NEXSPEC HUB 式样书 收进企业全部式样书与源文件,固定版本,留下 SHA-256 校验与审计记录。
02 NEXTEST STUDIO 结构化要件 解析 Word、Excel、PDF、PPT 式样书,抽出可测试的原子要件。
03 NEXTEST STUDIO 测试式样书 结合测试观点库、测试因子库与不具合知识库,生成含目的、前置条件、步骤、期待结果、判定标准的式样书。
04 TRACE GRAPH 追溯图谱 建立 Document → Requirement → AtomicRequirement → TestCase → Defect 全链路追溯,覆盖率 ≥95%。
05 CHANGE IMPACT 变更与回归 版本差分给出受影响用例与建议回归范围,变更影响分析召回率 ≥80%。

Deployment & Security

能力搬进来,数据留原地

不是把数据送出去换能力,而是把模型、检索、索引、审计整套部署在你的内网。

私有化部署

全部产品都部署在你的内网,服务端与模型端都不需要公网出口。

内网离线运行

生成、向量化、重排全部由内网模型端点完成,断开外网也能跑。

数据不出域

文档、向量、索引、日志都留在你的机房,没有一条数据流向第三方。

项目级权限隔离

按项目划分权限。谁能看哪个项目、哪个知识库,系统说了算。

源文件不可覆盖

源文件入库后不可覆盖,配 SHA-256 校验与重复内容检测,一入库就有可验证的身份。

SHA-256 审计链

版本基线固定,审计记录 SHA-256 链式追加。改没改、谁改的,可核验。

企业内网 · ON-PREMISE
NexSpec Hub文档主数据
Nex Knowledge Base混合检索与问答
NexTest Studio测试闭环
Nexora 助手统一入口
本地模型端点生成 · Embedding · Reranker 全部内网部署
数据留原地源文件 · 向量 · 索引 · 审计日志
外部 RAG 平台 / 云端大模型 DATA_EGRESS: BLOCKED

图 4 · 数据边界:全部产品与模型端点都落在内网侧,没有一条数据需要出域

Who It's For

已经在这样干的团队

汽车研发

车身、座舱、ADAS、诊断、HIL / SIL 验证,覆盖从需求到测试的完整链路。

Tier1 供应商

面对多家主机厂的式样书格式与验收要求,用一套主数据体系接住。

制造业研发中心

设备手册、工艺文件、标准规范沉淀成可检索、可问答的内网知识。

ECU 域控 智能座舱 ADAS 诊断 HIL / SIL 整车验证 式样书管理 中日英跨国项目

FAQ

上线前你大概会问的六件事

Q1能否完全离线运行?

能。全部产品都支持内网私有化部署,模型端点也部署在内网,不需要公网出口。Nex Knowledge Base 直接对接内网 llama.cpp 模型端点,断网可跑。

Q2支持中日英吗?

支持。NexSpec Hub 提供简体中文、日本語、English 三语界面;检索与问答对中文、英文文档都做了适配 —— 中文走 bigram 倒排,英文走词级倒排。

Q3如何与现有测试管理系统对接?

NexTest Studio 通过接口输出测试式样书与追溯关系,可按你现有测试管理系统的字段格式对接。具体接口范围在环境评估阶段确认。

Q4数据安全怎么保障?

私有化部署、数据不出域、项目级权限隔离、SHA-256 校验与链式追加审计、源文件不可覆盖,下载走五分钟单版本只读票据,撤回即刻失效。

Q5需要多长时间实施?

实施按标准流程推进:环境评估 → 私有化部署 → 知识库冷启动 → 试运行 → 正式上线。周期取决于数据量与集成范围,具体排期在评估后给出。

Q6是否支持本地大模型?

支持。生成、Embedding、Reranker 都可以接你自己的本地模型端点,也可以使用我们支持的默认配置。

Request a Demo

用 30 分钟,看它在你自己的数据上跑一遍

带着一份真实的式样书来,我们现场演示解析、抽取、追溯与问答。