在Questflow首席执行官许博约（Bob Xu）看来，人类的工作方式正在发生着天翻地覆的变化。过去以人为主，未来将是人与AI共生，甚至出现1+N的情况，即1个人类员工与多个AI员工。大量的工作将会安排给AI员工自动化完成，人类员工则负责必要的衔接、审批、复核等工作。

Questflow是一家由奇绩创坛投资的专注于多AI智能体调度的初创公司，搭建了一个去中心化的自动化AI智能体网络，通过分发真实世界的需求和激励给到多个AI智能体来完成任务。与注重传统机器人自动化（RPA）的竞争对手相比，Questflow提供了全新的多AI智能体调度体系，允许人为介入工作流进行任务或交易的审批，打通新一代的工作流协作方式。

Questflow - 去中心化AI智能体网络

Questflow目前主要面向资源有限、团队规模较小的中小型初创企业，让他们能够轻松拥有自己的AI员工，快速实现某些工作流程的自动化，如市场信息的收集与分析、新媒体内容的发布、邮件回复、会议记录与摘要等等，而无需自己开发一套自动化体系，在Questflow平台上就即可完成一系列智能工作和服务。

——许博约（Bob Xu），Questflow联合创始人兼首席执行官

AI时代，拥有AI员工已成为一个趋势。AI员工可以执行重复性、繁琐或需要大量数据处理的工作，如数据分析、客户服务、文档处理等，可以集成到网站、移动应用程序或消息应用程序等各种平台中，为用户提供实时帮助和支持。

而AI员工作为Questflow的主推产品，Questflow更多思考的是如何使AI员工不只是像真人一样灵活，而且要比真人还更加高效。这就要求实现以下三个方面：

• 每一个AI员工都应是动态延展的，而不是静态的。 例如一个员工初到一个公司，可能拥有基本教育背景和对行业、公司的基本了解，但随着工作开展，他不断将自身知识储备与工作实践相结合，不断记忆与学习。AI员工更应如此。

• 每一个AI员工都应是个性化的，而不是整齐划一的。每一个团队都会自己去创建一些专属的AI员工，从零去搭建，就需要赋予每个AI员工以不同的记忆能力、不同的分析能力、协调能力等等。

• 每一个AI员工的工作路径都应是顺畅的，而不是卡顿的。Questflow最核心的业务是可以通过自然语言描述帮助AI员工自动化完成任务，但是在执行的过程中，需要有推理、理解、执行等多个环节。基于AI模型的限制或是数据分析的限制，目前各个环节之间衔接还不够顺畅。

AI员工越智能，就需要越强大的数据库软件作为背后的支撑。当今社会正在同时经历“非结构化数据”与“人工智能”两场变革，AI员工要想变得动态化、个性化以及其工作路径变得顺畅，都需要后台处理大量非结构化数据。各类人工智能技术为人们提供了理解非结构化数据的途径，也就是将文本、图像、音频等非结构化数据嵌入为向量表示，并存储在向量数据库中，以便进行快速的相似度搜索和数据分析。

面对更高的工作标准，Questflow采用MongoDB Atlas，并将其应用于其数据管理服务。

MongoDB Atlas是一个开创性的开发者数据平台，集成了操作、分析和生成AI数据服务，简化了智能应用程序的开发。

Questflow联合创始人兼首席技术官储奎（Carney Chu）表示：“要重新定义未来的工作方式，首先要重新定义我们自己的工作方式，即以出色的数据存储和处理能力提升我们AI员工的工作能力。MongoDB的适配性很强，尤其MongoDB Atlas作为针对AI量身打造的数据库解决方案，与我们的业务方向高度契合。”

• 向量数据存储
  Questflow的产品形态都是通过类似ChatGpt的对话方式，针对用户提出的问题，帮助自动化解决，后台需要做大量向量数据存储和处理的工作。将矢量数据存储在MongoDB Atlas中，客户将在平台中利用Atlas向量搜索，进而提供高精度的GenAI内容。MongoDB可以从知识库嵌入的角度支持客户传统数据和支持向量数据。在这种情况下，客户可以在不需要开发人员任何努力的情况下就地进行混合搜索。

• 弹性扩容
  虽然Questflow在初创阶段并未将数据库的升降级考虑进去，但当公司运营至2年左右，随着数据量的增加，MongoDB自动将其数据库进行了升级。MongoDB所具有的这种弹性扩容能力很适合Questflow这类初创公司，能够使开发人员专注于业务数据收集和分类服务，而无需为日常运维分配时间与精力。

• 云端部署
  Questflow选择在AWS云上用MongDB Atlas，以此实现开箱即用，点点按钮，通过后台配置一下即可。如果是本地部署，将要配备运维人员和一整套机器环境，所以，在成本控制、便捷程度、安全管理等方面，云端部署都具有明显的优势。

——储奎（Carney Chu），Questflow联合创始人兼首席技术官

AI员工某种程度上就是用更少的资源实现更多的新工作方式。基于MongoDB Atlas的数据解决方案，Questflow已帮助多家中小初创企业的创新提供了更多“时间和资金”。如AI思维导图公司iMindMap，通过Questflow实现了博客发布的自动化；开源VC数据库公司OpenVC，通过Questflow实现了抓取、筛选和更新数据的自动化。

在谈及未来创想时，许博约（Bob Xu）谈到：希望可以尽快超越与AI对话的模式。例如，目前要创建一张海报，用户可以通过与AI聊天，让AI将海报创建完成，但后续的修改还需在其他平台上完成，用户体验被前后割裂。Questflow下一步要实现的就是可以多人对于AI产生的内容去进行协作修改、优化。

Questflow相信，人类工作者和人工智能工作者之间将会有更多的合作，并将为真正的人工智能合作打开大门，最重要的是，这种合作将为更多突破性创新提供时间和资金。

基于这一创想，Questflow也正在涉足为大中企业提供自动化服务，从日常邮件回复、社交媒体运营、市场营销等服务领域，朝着为客户提供更深入、更全面的系统性服务迈进。如正在接触的某家国际知名奢侈品牌。在现有的社交媒体运营中，该奢侈品牌往往是通过几百个不同社交账号进行新品的图文发布和客户维护，每一个社交账号背后都是一个真人在实际操作。在未来，Questflow完全可以为这类需求提供一整套的人工智能服务，即多名AI员工团队协作的自动化。

在AI服务与用户体验共同提升的同时，是数据库中数据量、数据复杂程度的几何式增长。在数据变得更为庞杂的过程中，Questflow期待与MongoDB之间建立起的是一种共同应对挑战、共同解决问题的关系。