Nanonets 是一款基于 OCR（光学字符识别）的 AI 自动化平台，专注于将企业中的手动业务流程转化为 AI 智能体（AI agents）来执行。其核心目标是自动捕获来自文档、文本、图像和邮件的数据，减少人工录入工作量与处理周转时间。
主要用途 Nanonets 用于自动化应付账款、理赔处理、订单管理等“杂乱”的手动流程，并将清洗后的数据交付到 SAP、Salesforce 等记录系统。官方称其被 35% 的财富 500 强企业和超过 10,000 家企业使用。
主要能力
- 将企业的政策、流程、系统与知识转化为可运行的 AI 智能体。
- 提供上下文图谱 Trail：把每次决策所依据的规则与其来源文档关联，使规则可追溯。
- 自学习循环：通过置信度分数决定智能体自主执行还是请求人工；每次人工在异常或审批中的输入都会被学习；自动发现并诊断未检测到的问题并提出修复建议。
- 捕捉决策与“部落知识”：连接 Slack、Zoom、Teams、邮件等场所，提取未成文规则与先例，将其编码为例外节点和先例，供后续类似情况参考。
- 连接现有智能体平台：可通过 MCP 服务器、原生检索器或 REST/GraphQL API 将现有智能体接入 Nanonets，也可直接使用预置智能体。
- OCR-3 模型：官方称其为专有的数据提取模型，在 ComplexConstraints 和 IDP 上排名第一，领先于 GPT-5、Gemini、Claude。
- 企业级控制：支持 SAML SSO、审计日志、IP 白名单、数据生命周期管理等，每年接受独立审计。
使用方式 官方描述的使用流程包括：
- 导入文档：上传 SOP、政策文档等 PDF/DOCX 文件或一组指令。
- 解析为上下文图谱：Nanonets 提取规则并解析为上下文图谱，每条业务规则都可追溯到来源。
- 审查、批准、运行：Nanonets 列出智能体的角色和工具，然后自动构建；智能体在上下文图谱中运行，严格基于编码规则做出决策。 此外可连接现有智能体平台，通过 MCP 服务器、原生检索器或 REST/GraphQL API 将现有智能体指向 Nanonets。
适用场景
- 应付账款自动化
- 理赔处理（如车险与财产险的理赔裁定）
- 订单管理
- 采购到报价匹配
- 财务与运营流程中的端到端自动化
限制 所给资料未提及具体的定价、免费试用政策、语言支持范围、部署方式（云/本地）等细节，这些信息暂未提供。部分性能声明（如排名第一、领先于其他模型）来自官方宣传，实际效果可能因流程和数据而异。
