交付记录,
用指标说话
三个案例均脱敏,隐去客户名称与数据明细。重点讲:卡在哪里、怎么解决、哪些做法后来被证明是错的。
* 所有数据来自项目验收报告,客户已授权脱敏引用
工艺与品控知识助手
某华南针织面料集团,年产数万吨,二十年工艺经验散在工艺卡和老师傅脑子里,新人上手要 8 个月。
THE PROBLEM
产线异常时,班组长要分别找人、翻记录,平均 3.5 小时才能定位。
WHAT WE DID
整理 4,200 份工艺文件与 3 年异常单,建带引用溯源的知识库,接入企业微信。
IMPLEMENTATION NOTES
- 最难的不是模型,是文档。早期 40% 的工艺卡是扫描件,解析错乱。改用版面分析 + 人工校对才把准确率拉到可用。
- 必须带引用。老师傅只信“哪份单子上写的”。加引用后采纳率从 52% 涨到 91%。
- 入口决定使用率。独立网页日活只有十几人;接进企业微信后涨了 8 倍。
- 走过的弯路:最初想做全自动诊断直接输出根因,但数据维度不够。退回“原因排序 + 人工确认”才被用起来。
多语种售后客服 Agent
某跨境家居品牌,六个站点,日咨询量 3,000+,40 人客服长期积压,旺季响应超 6 小时。
THE PROBLEM
70% 的咨询是重复问题:物流到哪了、能不能退、尺寸怎么选。 但回答要查订单、物流和各国退货政策,人工切四五个系统。
WHAT WE DID
构建 Agent 接三大系统,自主完成查单、判断政策、起草回复。 争议单自动转人工,并附完整上下文。
IMPLEMENTATION NOTES
- 政策要变成可执行规则。各国退货政策原本是文档,整理成结构化判断树后,Agent 才能稳定引用。
- 转人工必须顺手。早期转人工要客服自己翻历史,体验更差。改成自动附摘要后满意度反而提升。
- 成本要算单均。全量用大模型成本高,改为意图路由:简单走小模型,复杂走大模型。
- 走过的弯路:曾让 Agent 直接执行退款,出现两笔误退。之后资金类动作一律改为“待确认工单”。
凭证与报表处理流水线
某财税服务机构,服务 600+ 中小企业客户,月均处理票据十万张。 每月 1–15 日全员加班做账,高度依赖资深会计。
THE PROBLEM
识别工具已有,但识别完还要人工判科目、处理异常。 真正的瓶颈在"判断",而不是"录入"。
WHAT WE DID
按客户历史账务习惯匹配科目,异常项标红并给出原因,自动生成底稿初稿。
IMPLEMENTATION NOTES
- 学习每家客户的历史习惯。科目匹配每家做法不同,用历史账务做少样本示例更准。
- 异常要解释清楚。只标红不给原因,会计还是要逐个查。给出“为什么”后效率才提升。
- 审计要求前置考虑。财务必须能追溯每条判断依据,所以第一天就设计了对账日志。
- 走过的弯路:最初追求“全自动过账”,被财务否决——责任无法界定。改为“人审 + AI 预填”后推进更快。
其他交付场景
规模较小或仍在灰度中的项目,摘要如下。
三个案例的共同点
先做窄,再做深
每个项目都从一条最短链路开始。没有“全流程智能化”起步成功的。
入口在业务现有工具里
接进企业微信、钉钉、ERP,不要求用户开新系统。
人始终在回路里
资金、对外承诺、责任界定全部保留人工确认。