Serval 于 2026 年 8 月 20 日向所有使用其平台的企业开放其智能代理 Catalyst，并默认启用。该公司将 Catalyst 定位为 IT 服务管理平台之上的统一管理层，使其能够分析重复性工作，提出应自动化的事项，然后准备自动化所需的组件，而不是等待管理员手动确定每一步。
Catalyst 可以检查支持工单记录、标准操作程序（SOP）以及以自然语言书写的指令，然后为服务台准备工作流和技能，并创建访问管理表单与策略、员工入职和离职流程以及仪表板。用户还可以上传一份有记录的流程或电子表格，并要求将其转换为可执行系统，但生成结果在发布前仍会保留为草稿以供审查。
从文本请求到可运行的工作流
在 Serval 联合创始人兼首席执行官 Jake Stauch 的演示中，Catalyst 在发现 Okta、Google Workspace 和 Microsoft Entra 等已连接系统后，创建了重置密码的工作流。它还生成了以 TypeScript 编写的用于执行操作的基础代码，并支持添加审批以及限制获准运行该工作流的主体。
Serval 表示，Catalyst 的设计目标是成为平台配置的主要界面，未来管理员通过传统界面能够完成的所有操作，都可以通过它执行。该平台还支持调查运营问题并修复工作流故障。
在工单创建前运行的代理
Catalyst 最具特色的部分是按照时间表在已连接系统上运行的后台代理。它们会关联多个信号，以寻找正在出现的问题并提出修复方案。在 Serval 给出的示例中，一名代理将两个办公室的网络事件与交换机、DHCP 数据和工单记录关联起来，排除了硬件故障和无线干扰，随后得出原因是配置偏差，并创建了一条需要管理员批准的处理工作流。
为什么这一公告很重要？ 这里的重点从改善工单周期转向减少工单数量本身。平台不再只是等待密码重置请求、访问问题或反复出现的故障，而是试图将重复性工作转化为可复用的自动化，然后持续寻找更多机会。不过，这一方向并非 Serval 独有：ServiceNow 提供 Build Agent 和 AI Agent Advisor 等工具，Atlassian 提供 Rovo 能力，Freshworks 则支持通过 Freddy AI Agent Studio 创建代理。因此，Serval 的核心主张在于将自动化机会的发现、构建和治理周期压缩到一个管理界面中，而不仅仅是根据一句话生成工作流。
模型、治理与数据
Serval 并未开发自己的基础模型，而是表示会测试来自不同实验室的模型，并为每项任务选择最合适的模型。Stauch 在 2026 年 5 月接受 Sequoia Capital 采访时表示，OpenAI 的模型在用户交互和工具调用方面表现更好，而 Anthropic 的 Sonnet 和 Opus 模型在代码生成方面提供了更强的结果。该公司的文档允许企业管理员输入自己的 OpenAI 或 Anthropic 密钥，包括兼容的自定义端点，但现有材料无法证明每位用户都能从自助服务列表中自由选择任意模型。
Serval 表示，Catalyst 会继承用户权限，并始终局限于其团队的工作区，而且它创建的所有内容都会先以草稿形式开始。企业可以限制发布权限，或在启用自动化之前强制执行正式的审查和批准。根据主服务协议，客户保留其材料和 Serval 输出的权利；公司还表示，不会使用客户输入或输出训练其模型或其他机构的模型。不过，Serval 及其获授权的分包商会根据合同条款处理客户数据，以运行、支持和保护服务。
该服务可以作为 SaaS 云运行，也可以部署在客户环境中，包括由 Serval 在客户拥有的 AWS 账户内管理的部署，或由客户在云端或本地 Kubernetes 集群上管理的部署。定价尚未公开，具体取决于部署规模和使用情况，通常收取一项平台费用，并提供初步试用以评估需求。
使用指标与下一轮测试
Serval 表示，参与测试版的客户中，超过 90% 已通过 Catalyst 开始自动化。根据该公司提供的案例研究，Ramp 将工作流构建速度提高了 50%，并自动化更换 600 台笔记本电脑，节省了 150 个小时；Together AI 则表示，Serval 会在需要时自动化处理其 95% 的基础设施访问请求。这些数字由 Serval 或其客户在案例研究中提供，并不代表独立评估。
最重要的测试将是 Catalyst 在大型、定制化且复杂的企业环境中的工作能力。竞争对手也在开发用于创建应用和发现自动化机会的工具，因此 Serval 的价值取决于其能否成功地在一个可治理的周期内连接运营记录、代码、权限、审批和主动式代理。