企业里最浪费时间的动作，可能是找东西。文件在 Drive，决策在 Slack，需求在 Jira，线索在邮件，代码在 GitHub，最后每个人脑子里还有一份“只有我知道”的隐性地图。
Xyne 盯上的正是这个问题：给工作场景做一个开源的 AI 搜索与问答引擎。
仓库地址：xynehq/xyne（https://github.com/xynehq/xyne）
它不是普通知识库
普通知识库通常要求你把资料先整理好，再喂给系统。企业现实没这么干净。文档、邮件、日历、Issue、代码仓库和聊天记录一直在变，而且彼此有关联。
Xyne 的定位更像企业上下文层：连接 Google Workspace、Atlassian、Slack、GitHub 等系统，索引内容，并保留来源。用户可以像搜索引擎一样找资料，也可以像问 AI 一样直接问：“这个客户上次投诉的核心问题是什么？”
真正重要的是 sources
企业 AI 搜索最怕一本正经地胡说。答案再顺，如果没有来源，就很难被信任。Xyne 这类工具应该把来源放在第一优先级：答案从哪些文档、邮件或 Issue 来，更新时间是什么，谁有权限看。
没有 sources 的企业 RAG，只是更会说话的全文搜索。
适合怎么落地
第一步不要全公司铺开。先选一个信息密集但边界清楚的团队，比如销售支持、产品运营或工程平台。
范围：只接 Google Drive + Slack + GitHub Issues
问题：新人能否在 5 分钟内找到某个功能的背景
指标：答案是否带来源、是否过期、是否越权跑通之后，再逐步接更多系统。企业搜索最忌一开始就大而全，最后索引一堆噪音。
和 Agent 的关系
Xyne 这种工具真正变强，是在接进 Agent 之后。Agent 写方案前先查历史讨论；修 bug 前先看相关 Issue；做客户答复前先找最近合同和工单。
但这也意味着权限要严。AI 能搜到什么，人就可能通过 AI 间接看到什么。权限同步、审计日志、敏感信息过滤，比模型效果还靠前。
Xyne 这类项目说明，企业 AI 的瓶颈不是缺一个聊天框，而是缺一层干净、可信、可追溯的工作上下文。先把资料找对，再谈自动化。