多层RAG智能检索引擎
Stellora.AI 是一个多层 Agentic RAG 引擎，主打“速度、精度与信任”。它不是单纯把文档向量化后交给模型回答，而是通过多层专用代理对任务进行拆解、重检索、交叉验证和合并，目标是让结果严格基于用户数据，降低幻觉。产品已从 LunaPro.AI 更名而来，包含 WebUI、Flows、Quantum 与 TermShield 等模块。
在 AI 能力上，Stellora.AI 使用 OpenAI GPT 等模型和 ada 模型对文档、代码库、日志等进行向量化，并在查询阶段执行多代理推理。Quantum Flow 面向量子计算代码和电路等复杂场景；TermShield 则为 AI 或人工触发的 CLI/SSH 操作增加安全策略，可限制敏感命令。网站还强调可在本地安全存储向量表示，并兼容 on-premise 部署，适合重视数据主权的企业。
目前公开信息没有正式价格、套餐、席位或 API 计费方式。用户可申请个性化 Demo，通常免费，期限为 14-30 天，提供独立 WebUI 实例和预配置功能。Demo 使用非敏感样例数据，数据空间会根据需求调整。需要注意，Demo 条款明确说明输出质量不保证，生成内容按“as is”提供。
优点是定位清晰：多代理交叉验证、RAG 结果可追溯、支持本地部署和主权模型环境，并加入 TermShield 这类安全控制模块。资源消耗方面，网站称部分场景可在 1 CPU、8GB 存储、4GB RAM 上运行。缺点是公开资料仍偏早期，缺少价格、SLA、API 文档、客户案例和性能基准；中文支持也未明确，只有 Demo 表单中提到可填写语言偏好。
它更适合有私有知识库、代码库、日志分析、文档自动化或受控 AI 工作流需求的企业和研究机构，尤其是希望自建 RAG 并关注数据边界的团队。中国访问情况未有可靠信息；若依赖 OpenAI、AWS 或 Azure 相关服务，实际使用可能受网络、合规和支付方式影响。可替代方案包括 Dify、LangChain/LangGraph、LlamaIndex、Azure AI Search + OpenAI、Amazon Bedrock Knowledge Bases 等。
本测评基于公开资料整理,不构成购买建议,请以 stellora.ai 官网实际信息为准。
主打Agentic多层RAG、速度与可信检索。
评分明细(分布与用户短评)接入中。当前展示 TG4G 综合评分,数据源自公开测评与用户反馈。