Leni 定位为面向房地产和投资团队的“AI 自动化平台”，官方描述其为“面向企业工作的 AI 基础设施”，用于自动化承销、市场研究、备忘录和报告等任务。其目标用户是房地产、私募股权和投资金融领域中对安全性、准确性和数据集成有要求的企业团队。
主要能力与工作方式：
- 采用专利待审的 Routed-Knowledge Graph（RKG）方法，理解、构建并增强组织上下文，供 AI 和 agent 使用。
- 运行时对流行模型进行容器化并提供防护机制，官方称可保护敏感数据，让团队更放心地使用。
- 架构负责验证、管理上下文、状态、工具轨迹、错误、重试、人工审批和监控，官方称企业可一次调用即获得预置的准确性保障。
- 支持在底层将任务路由到不同模型，也允许用户选择自己喜欢的 AI 模型；官方称可获得更好的输出、成本降低 65%，且无需重建工作流程。
- 决策被捕获为结构化轨迹，并加入组织的私有上下文图谱，随时间形成机构记忆，连接并演进于文件、会议、邮件以及行业系统（如 Entrata、ResMan、RealPage、AppFolio 等）。
- 通过专用数据模型集成多种行业 ERP 和系统，可自动化后台任务和跨多个管理方与系统的投资组合报告。
产品可协助的任务类型（官方列举）：市场研究、承销与建模、提取与审查、构建备忘录与演示文稿；用户可就交易、市场或投资组合提问，Leni 将工作路由到合适工具并返回面向财务的清晰答案。
官方给出的使用场景示例（均为官方叙述的案例，非独立验证）：
- 投资组合分析与业主报告：Metropolitan Holdings 的 Amy Young 使用 Leni 分析租金、比较市场可比项、评估续约与换租策略、监控 KPI 并标记贷款合规与租赁风险；官方称其每周分析与报告时间减少了 80%。
- 开发与承销：The Geyser Group 的 Matt McDonnell 团队每周审查的再融资与开发方案数量提升至 5 倍；上传文件后可在 20 分钟内获得结构化初步分析，包含权衡、风险标记和关键假设。
- 仪表盘与文档审查：Hudson Investing 的 Kent Ritter 团队上传租约、尽调文件夹和运营文件后获得结构化摘要，官方称某投资组合审查中审查时间减少超过 60%，并发现手动审查中容易遗漏的资产绩效问题。
- 市场研究：Harrington Housing 的 Jonas Emre 可当天获得包含供应、需求、租金趋势、风险因素和来源链接的结构化市场研究报告。
- 投资者材料：Platecc Capital 的团队将资产与市场报告数据汇总，自动生成包含论点、市场背景、风险、缓解措施和待办事项的 IC 备忘录草稿，官方称从整晚分析工作缩短为一小时审查与完善。
适用对象与使用方式：官方称 Leni 面向企业团队、忙碌的专业人士以及在其架构上构建的开发者或 IT 团队，分别提供对应方案。开发者可基于其准确性架构构建，自动处理大上下文 token 消耗、安全性和可靠结果，交付生产级 AI 体验。用户可在一个平台使用 Claude、GPT、Gemini 或偏好的模型，并与自身上下文和数据集成，不锁定单一提供商。官方称借助其信任层可实现模型准确率与可靠性提升 12 个百分点、成本降低 65%。
限制与注意事项：官方强调其验证层和上下文路由机制旨在减少幻觉、提升可靠性，但这些表述属于厂商宣传。资料未提供具体定价、免费试用、部署方式、支持语言、SLA、数据合规认证或完整功能清单等细节，暂未提供。
