EntBench-Agent：企业工作流任务合成与工具图检索系统

从企业数据库世界，到任务合成、真实 Agent 评测、失败分析和工具图检索。

面向企业级工具调用场景，构建一个可运行的公司数据库世界，并围绕 107 个企业工具完成任务合成、规则门控、真实 Agent 评测、失败分析与工具图检索闭环。

时间

2026

技术栈

Python / LLM Agent / Tool Calling / Benchmark / Graph Retrieval / PPR / Data Synthesis

项目目标

让企业 Agent 评测不再停留在静态问答，而是能在一个数据对齐、工具可执行、任务可验证的企业环境里，观察 Agent 如何完成多阶段工作流。

企业 Agent 评测最麻烦的地方在于：任务要像真的，数据要对得上，工具链还要跑得通。

企业任务能否真实，第一步看数据库世界是否站得住。

工具库的价值在于，它让数据库世界真的能被 Agent 操作。

任务生成之前，先从企业关系图里抽出一个可靠的骨架。

LLM 负责把任务写自然，compiler 负责把任务变成能跑的 benchmark 文件。

任务生成出来之后，还要过几道关。看起来合理的任务，实际跑起来可能直接失败。

benchmark 的价值最终要落到真实 Agent 执行上。任务生成得再好，也要看 Agent 跑出来什么轨迹。

Agent 失败之后，最有价值的是知道它错在工具、参数、事实、写状态还是回答。

企业工具调用更像一条条历史工作流路径。

做企业 Agent benchmark，难点在于让任务、数据、工具、评测和日志形成闭环。