落入您租户的内容形态。

Intelligence Layer 是平台产出、您团队查询的语料库。它不是报告，也不是静态控制面板。它是一个按租户划分的数据基底，每项事实均携带时间戳、细分市场范围、置信度评分，以及溯源至真实访谈中精确时刻的引用。您通过控制面板看到它，您的品牌合作伙伴通过有范围限定的 API 看到它，您的 AI 代理通过 MCP 工具看到它。三者读取同一语料库。

本页从运营者视角描述该层：其内容、针对它的查询如何返回结果、刷新周期的作用，以及您如何控制访问权限。产出该层的管线在方法论下有所介绍。持有该层的租户边界在信任与安全下有所介绍。

每次丰富对话被分解为十个类型化维度：痛点、机会评分、品牌感知图谱、AI 就绪度评分、留任驱动因素、市场信号、合规风险、培训缺口、客户细分行为以及竞品提及图谱。这十项是零售行业的运营集。对于咨询、餐饮、药店以及平台支持的其他行业垂直，两三个维度会替换，但形态保持不变：十个类型化槽位，稳定模式，每项事实一行数据。

每行事实携带维度、声明、形如 transcript_id / turn_id / sentence_id 的来源数据块标识符、bi-temporal 窗口、细分市场向量、显著性计数（有多少独立对话对其进行佐证）、置信度评分，以及用于向量检索的嵌入。您的控制面板按维度、细分市场和时间对这些行进行分组。您的 AI 代理通过工具调用检索它们。

维度在跨市场和跨时间上保持稳定，这正是使跨市场基准测试成为可能的原因。某一市场的痛点与其他任何市场的痛点具有可比性，因为相同的定义和相同的探询协议产生了两者。

每项事实携带三个独立时间戳。learned_at 是平台观测到它的时间（访谈日期、丰富日期）。valid_at 是该事实在现实中成为真实的时间，通常从对话本身推断。invalid_at 是该事实停止为真的时间：当相矛盾的对话落入时显式设置，或在没有刷新确认时通过半衰期衰减设置。品牌感知事实在数周内衰减。培训缺口事实仅在培训目录变更时衰减。半衰期按维度和行业垂直校准。

运营结果是按日期回放。您可以针对去年五月时的语料库运行查询，并与今天的相同查询进行比较。品牌合作伙伴询问「您的数据在六个月前我们做出 Q2 采购决策时对我们的品类有何说法」，会为两个日期都获得正确答案。您的 AI 代理被阻止以有效期窗口不包含今天的事实为依据进行推荐。

刷新节奏被纳入事实生命周期中。控制台按市场和维度显示过期时钟：当某维度有二十百分比的事实超出有效期时，平台建议进行刷新周期。这正是该层在您无需记住日历的情况下保持诚实的方式。

事实很少在所有地方都成立。「粉底 X 最常被拒绝」可能对拉丁美洲大众市场门店为真，对欧洲精品店为假。「品牌是一个价值时尚目的地」对今天的终端客户可能为真，在加盟商层面存在争议。该层中的每项事实携带一个稀疏细分市场向量：覆盖对您的行业垂直重要的细分轴（层级、地理、门店格式、客户细分、品牌合作伙伴、人口统计）上的投影。

这正是使品牌合作伙伴 API 具有可行性的原因。当合作伙伴通过 API 进行查询时，其令牌投影到其细分市场向量的切片上。它们看到其细分市场向量与其投影相交的事实。切片之外的内容它们看不到，平台也不会向其发出任何内容被过滤的信号。同一语料库无泄漏地服务一百个合作伙伴。

每份报告中的每项声明、每个控制面板中的每一行、您 AI 代理中的每次检索，均通过数据块标识符回溯至产生它的转录稿。该链接始终存在，覆盖每次对话，无需采样。品牌合作伙伴询问为何您声称其产品输给了替代品：答案是三个数据块 ID、三位顾问的陈述、三个时间戳，分布在三个具名存储中。不是推断，是凭据。

逐字链由管线强制执行。离开系统的每条引用均是真实访谈中真实用户轮次的字面子字符串。确定性过滤器在持久化之前验证这一点。虚构的引用被删除，从不重写。完整的链描述位于信任与安全基础页面。

同一语料库服务三个界面。您的战略、采购或运营团队通过控制面板消费它。您的品牌合作伙伴通过有范围限定的 API 消费它。您的 AI 代理通过 MCP 工具消费它。每个界面在数据路径处执行其自身的范围限定。合作伙伴看不到另一合作伙伴的切片。顾问辅助工具只能看到其 OAuth 会话票据允许的事实。完整安全级联在安全级联下有所记录。

MCP 面隐藏了双存储的复杂性。代理无需在图谱遍历和 SQL 之间做出选择。它们调用 query_facts、traverse_relations、pivot_dimension、replay_as_of 和 cite。每个答案以带引用的结构化行返回。代理从不看到底层存储边界。

在您的租户内，运营控制台为您的团队提供该层的工作视图。您看到按市场和维度划分的语料库健康状况、每个维度的过期时钟、来自访谈员审计的每次对话质量评分，以及每次丰富调用的审计追踪。当某些内容看起来有误时，您可以将其追溯至产生它的精确 LLM 调用，包含模型标识符、提示词版本、令牌计数和持续时间。

当您团队中的领域专家对其背景下的某个解释提出异议时，他们可以从控制台进行修正。Expert-in-the-Loop 循环找到语料库中与该背景匹配的每次对话，将其重新通过管线处理，并在整个历史记录中传播修正。先前的解释保留在审计追踪中。没有任何内容被静默覆写。