逸迅科技案例

該Agent案例由逸迅科技投遞并參與金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟共同推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎(jiǎng)項(xiàng)評(píng)選。

在全球豪華汽車制造業(yè)中，某車企作為領(lǐng)軍者，其產(chǎn)品線不僅涵蓋了高端乘用車和商用車，還包括了高性能動(dòng)力系統(tǒng)。該車企以其在智能制造與數(shù)字化轉(zhuǎn)型方面的卓越表現(xiàn)而聞名，擁有多個(gè)分布于全球的研發(fā)中心和生產(chǎn)基地，構(gòu)建了一個(gè)高度全球化、標(biāo)準(zhǔn)化的供應(yīng)鏈體系。

在其采購(gòu)領(lǐng)域，這家企業(yè)通過(guò)建立高效、透明且合規(guī)的采購(gòu)流程，管理著全球范圍內(nèi)數(shù)萬(wàn)種零部件的采購(gòu)，從原材料到復(fù)雜總成件的整個(gè)供應(yīng)鏈條都被納入其中。面對(duì)如此龐大的供應(yīng)商網(wǎng)絡(luò)，確保高質(zhì)量交付與成本競(jìng)爭(zhēng)力是采購(gòu)團(tuán)隊(duì)的核心任務(wù)之一。

隨著市場(chǎng)環(huán)境和技術(shù)的快速變化，該車企正在尋求采購(gòu)流程智能化升級(jí)的方法，并決定采用企業(yè)級(jí)AI Agent來(lái)增強(qiáng)數(shù)據(jù)處理能力、優(yōu)化談判效率以及實(shí)現(xiàn)知識(shí)的有效沉淀和復(fù)用。

然而，在實(shí)際操作中，該車企面臨著幾大挑戰(zhàn)。首先，在成本分析方面，由于采購(gòu)報(bào)價(jià)單需要人工梳理，而每一件零部件都關(guān)聯(lián)著大量的詳細(xì)數(shù)據(jù)字段，這使得成本深度分析和建模工作量巨大，超出了人工處理的能力范圍。這種情況下，分析周期長(zhǎng)、響應(yīng)速度慢，難以滿足快速?zèng)Q策的需求。其次，在供應(yīng)商管理上，每年都需要與數(shù)百家全球供應(yīng)商進(jìn)行頻繁的價(jià)格談判，但這些談判策略的制定仍主要依賴于個(gè)人經(jīng)驗(yàn)，缺乏足夠的數(shù)據(jù)支持和標(biāo)準(zhǔn)化流程，導(dǎo)致了策略主觀性強(qiáng)、關(guān)鍵信息易遺漏以及團(tuán)隊(duì)協(xié)作效率低的問(wèn)題。最后，由于缺乏有效的采購(gòu)知識(shí)庫(kù)管理體系，歷史談判記錄、定價(jià)策略和供應(yīng)商評(píng)估結(jié)果等寶貴經(jīng)驗(yàn)無(wú)法得到有效保存和共享，造成了新員工培訓(xùn)困難、“人走茶涼”的知識(shí)斷層現(xiàn)象，極大地浪費(fèi)了人力和時(shí)間資源。

為了解決這些問(wèn)題，引入企業(yè)級(jí)Data Agent成為了必然選擇。通過(guò)AI技術(shù)的應(yīng)用，不僅能大幅提高數(shù)據(jù)處理能力和分析效率，還能基于數(shù)據(jù)分析提供更加科學(xué)合理的談判策略建議，同時(shí)實(shí)現(xiàn)采購(gòu)知識(shí)的有效積累和復(fù)用，從而全面提升采購(gòu)部門(mén)的工作效能。這一舉措標(biāo)志著該車企在邁向智能化采購(gòu)管理道路上邁出了重要的一步。

時(shí)間周期：

項(xiàng)目開(kāi)始時(shí)間：2024.7

中間重要時(shí)間節(jié)點(diǎn)：

·需求收集與數(shù)據(jù)治理

業(yè)務(wù)場(chǎng)景定義：2024.7~2024.8

數(shù)倉(cāng)搭建+數(shù)據(jù)清洗：2024.9~2024.10

·Data Agent核心構(gòu)建與模型微調(diào)

SFT模型微調(diào)與SQL生成器開(kāi)發(fā)：2024.11~2024.12

Data Agent模塊內(nèi)測(cè)：2025.1~2025.2

·非結(jié)構(gòu)化知識(shí)融合與多代理升級(jí)

Knowledge Chatbot上線：2025.3~2025.4

Multi-Agent 對(duì)抗機(jī)制實(shí)裝：2025.5

·鑒權(quán)管理與企業(yè)知識(shí)庫(kù)構(gòu)建功能上線

動(dòng)態(tài)權(quán)限與行級(jí)安全部署：2025.6

企業(yè)知識(shí)庫(kù)模塊上線：2025.7

·全量交付

雙層反饋驅(qū)動(dòng)優(yōu)化與驗(yàn)收：2025.8~2025.9

項(xiàng)目完結(jié)時(shí)間：2025.9

Data Agent 應(yīng)用需求

客戶需求：

1.將分散的采購(gòu)文檔整合并轉(zhuǎn)化為結(jié)構(gòu)化的數(shù)據(jù)存儲(chǔ)體系，實(shí)現(xiàn)信息的統(tǒng)一管理和高效調(diào)用。

2.構(gòu)建人工智能模型，支持多維度、精細(xì)化的成本分析，為采購(gòu)決策提供數(shù)據(jù)驅(qū)動(dòng)的洞察。

3.通過(guò)AI驅(qū)動(dòng)的智能聊天機(jī)器人，自動(dòng)識(shí)別潛在的成本優(yōu)化機(jī)會(huì)，助力采購(gòu)團(tuán)隊(duì)精準(zhǔn)施策。

4.借助基于提示的對(duì)話式助手，高效提煉和歸檔關(guān)鍵談判成果，持續(xù)沉淀組織級(jí)采購(gòu)專業(yè)知識(shí)，打造可復(fù)用的知識(shí)資產(chǎn)庫(kù)。

解決方案：

1.構(gòu)建結(jié)構(gòu)化數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)百萬(wàn)級(jí)零部件數(shù)據(jù)的統(tǒng)一管理與智能分析

逸迅科技通過(guò)自研的數(shù)據(jù)智能引擎，將原本分散于數(shù)萬(wàn)離散在采購(gòu)報(bào)價(jià)單中的零部件數(shù)據(jù)，轉(zhuǎn)化為統(tǒng)一的結(jié)構(gòu)化數(shù)據(jù)資產(chǎn)，打通采購(gòu)全流程的數(shù)據(jù)鏈條。通過(guò)AI驅(qū)動(dòng)的多維成本建模與自動(dòng)化分析，實(shí)現(xiàn)從“人工處理”到“智能洞察”的轉(zhuǎn)變?？商峁┑墓δ苋缦拢?/p>

·高精度數(shù)據(jù)解析系統(tǒng)：基于自研NLP與表格識(shí)別技術(shù)，精準(zhǔn)提取采購(gòu)報(bào)價(jià)單中嵌套表格、參數(shù)字段等復(fù)雜內(nèi)容，字段抽取準(zhǔn)確率達(dá)95.7%，顯著優(yōu)于傳統(tǒng)OCR方案；

·多維度成本分析模型：支持按零件類別、供應(yīng)商、歷史價(jià)格趨勢(shì)等維度構(gòu)建成本構(gòu)成模型，輔助識(shí)別異常報(bào)價(jià)與潛在降本空間；

·實(shí)時(shí)數(shù)據(jù)更新機(jī)制：支持新報(bào)價(jià)數(shù)據(jù)自動(dòng)接入并同步至知識(shí)庫(kù)，保障分析結(jié)果始終基于最新信息，提升決策時(shí)效性。

2.部署【Data Agent】，輔助生成數(shù)據(jù)驅(qū)動(dòng)的談判策略與應(yīng)急預(yù)案

在逸迅科技自研的Alaya平臺(tái)的賦能下，Data Agent深度整合歷史談判記錄、供應(yīng)商行為模式與成本數(shù)據(jù)，為采購(gòu)人員提供智能策略建議、風(fēng)險(xiǎn)預(yù)警與自然語(yǔ)言數(shù)據(jù)問(wèn)答能力。同時(shí)，基于企業(yè)級(jí)權(quán)限體系，確保敏感信息僅對(duì)授權(quán)人員可見(jiàn)，兼顧智能體驗(yàn)與數(shù)據(jù)安全?？商峁┑墓δ苋缦拢?/p>

·自然語(yǔ)言數(shù)據(jù)問(wèn)答：支持用戶以口語(yǔ)化提問(wèn)方式（如“Q3從博世采購(gòu)的ESP零件均價(jià)是多少？”）實(shí)時(shí)查詢百萬(wàn)級(jí)零部件數(shù)據(jù)，系統(tǒng)自動(dòng)解析意圖、調(diào)用結(jié)構(gòu)化數(shù)據(jù)倉(cāng)庫(kù)，并返回精準(zhǔn)結(jié)果與可視化圖表；

·智能數(shù)據(jù)分析與洞察：除了提供基礎(chǔ)的數(shù)據(jù)檢索功能外，Data Agent還能進(jìn)行深度數(shù)據(jù)分析，并根據(jù)用戶的提問(wèn)自動(dòng)生成洞察。例如，當(dāng)被問(wèn)及“哪些因素導(dǎo)致了最近的成本上漲？”時(shí)，Data Agent不僅會(huì)列出相關(guān)因素，還會(huì)提供基于歷史數(shù)據(jù)的趨勢(shì)分析和預(yù)測(cè)模型，幫助用戶更好地理解現(xiàn)狀并規(guī)劃未來(lái)行動(dòng)。

·智能策略推薦引擎：基于歷史談判成果與成本模型，自動(dòng)識(shí)別高潛力降價(jià)杠桿，推薦優(yōu)先級(jí)排序及談判話術(shù)，提升策略制定效率與一致性；

·細(xì)粒度權(quán)限管控機(jī)制：支持按組織架構(gòu)、角色、項(xiàng)目組等維度配置數(shù)據(jù)訪問(wèn)權(quán)限，確保用戶僅能查看其職責(zé)范圍內(nèi)的供應(yīng)商、零件或成本信息，滿足寶馬集團(tuán)對(duì)數(shù)據(jù)合規(guī)性與安全性的高標(biāo)準(zhǔn)要求。

·快速驗(yàn)證數(shù)據(jù)：無(wú)需依賴IT支持即可快速完成結(jié)果驗(yàn)證，提升對(duì)智能建議的信任與采納效率。

3.構(gòu)建企業(yè)知識(shí)庫(kù)，實(shí)現(xiàn)知識(shí)沉淀與傳承

在逸迅科技自研的Alaya平臺(tái)的支持下，企業(yè)員工可將個(gè)人經(jīng)驗(yàn)與最佳實(shí)踐上傳至企業(yè)級(jí)知識(shí)庫(kù)，并允許他人通過(guò)精準(zhǔn)的AI問(wèn)答實(shí)現(xiàn)知識(shí)的快速檢索與高效復(fù)用。多人協(xié)作的知識(shí)體系打破信息孤島，助力團(tuán)隊(duì)協(xié)同決策與能力傳承?？商峁┑墓δ苋缦拢?/p>

·高精準(zhǔn)RAG檢索系統(tǒng)：基于Alaya核心的知識(shí)構(gòu)建與RAG技術(shù)，實(shí)現(xiàn)用戶問(wèn)題到答案的端到端準(zhǔn)確率超過(guò)90%，支撐復(fù)雜采購(gòu)場(chǎng)景下的真實(shí)應(yīng)用需求；

·企業(yè)級(jí)文檔管控：支持對(duì)知識(shí)庫(kù)、Data Agent及工作流按組織架構(gòu)、角色和權(quán)限進(jìn)行細(xì)粒度管控，涵蓋文檔權(quán)限、版本管理、時(shí)效性及合規(guī)性審核，滿足企業(yè)級(jí)數(shù)據(jù)安全與治理要求。

面臨挑戰(zhàn)

在為該車企開(kāi)發(fā)采購(gòu)助手Data Agent項(xiàng)目的過(guò)程中，我們遇到了一系列典型且具有行業(yè)代表性的挑戰(zhàn)。這些問(wèn)題不僅源于汽車行業(yè)本身的復(fù)雜性，也反映了企業(yè)級(jí)AI數(shù)據(jù)智能產(chǎn)品在真實(shí)業(yè)務(wù)場(chǎng)景中落地的普遍難點(diǎn)。

首先，數(shù)據(jù)分散與非結(jié)構(gòu)化問(wèn)題極為突出。該車企的采購(gòu)數(shù)據(jù)長(zhǎng)期散落在數(shù)萬(wàn)份格式各異的PDF報(bào)價(jià)單、Excel表格、郵件附件以及SAP等ERP系統(tǒng)中。不同供應(yīng)商提交的報(bào)價(jià)模板差異巨大，同一零部件在不同系統(tǒng)中的編碼、命名規(guī)則甚至計(jì)量單位都不統(tǒng)一，導(dǎo)致數(shù)據(jù)難以對(duì)齊。更棘手的是，大量關(guān)鍵信息，比如是否含稅、模具分?jǐn)偡绞?、最小起訂量等信息均隱藏在非結(jié)構(gòu)化文本或掃描版文檔中，傳統(tǒng)OCR和規(guī)則引擎無(wú)法準(zhǔn)確提取，嚴(yán)重制約了后續(xù)分析的準(zhǔn)確性。

其次，業(yè)務(wù)邏輯高度復(fù)雜且隱性化。汽車采購(gòu)涉及原材料、二級(jí)供應(yīng)商、工藝路線、物流成本、關(guān)稅政策等多維因素，而許多定價(jià)規(guī)則僅存在于資深采購(gòu)員的經(jīng)驗(yàn)中，未被顯性化或文檔化。例如，電子件和沖壓件的成本模型完全不同，但初期我們?cè)噲D用統(tǒng)一Agent覆蓋所有品類，結(jié)果導(dǎo)致分析偏差。此外，車企對(duì)數(shù)據(jù)安全和合規(guī)要求極為嚴(yán)格，部分敏感談判記錄無(wú)法用于模型訓(xùn)練，限制了Agent的知識(shí)廣度。

第三，技術(shù)落地面臨工程化瓶頸。一方面，大模型在缺乏明確依據(jù)時(shí)容易產(chǎn)生“幻覺(jué)”，比如虛構(gòu)一個(gè)看似合理的降本比例，這在高風(fēng)險(xiǎn)采購(gòu)決策中不可接受；我們必須構(gòu)建嚴(yán)格的溯源機(jī)制和拒答策略。另一方面，與客戶老舊IT系統(tǒng)集成困難，實(shí)時(shí)數(shù)據(jù)同步延遲高，權(quán)限體系復(fù)雜，導(dǎo)致Agent無(wú)法動(dòng)態(tài)適配不同角色的數(shù)據(jù)視圖。

最后，組織協(xié)同與用戶預(yù)期管理也是隱形障礙。采購(gòu)、成本工程、研發(fā)等部門(mén)目標(biāo)不一致，數(shù)據(jù)口徑難統(tǒng)一；業(yè)務(wù)專家時(shí)間緊張，不愿配合標(biāo)注或驗(yàn)證結(jié)果。同時(shí)，用戶初期期望過(guò)高，比如某領(lǐng)導(dǎo)希望“問(wèn)一句就能輸出最優(yōu)談判策略”，而實(shí)際效果需依賴高質(zhì)量數(shù)據(jù)和持續(xù)迭代。

這些挑戰(zhàn)促使我們從單純的技術(shù)交付轉(zhuǎn)向“數(shù)據(jù)+流程+組織”三位一體的解決方案設(shè)計(jì)，最終才實(shí)現(xiàn)從“能用”到“可信、可用、可沉淀”的跨越。

戰(zhàn)略目標(biāo)

在智能時(shí)代，真正的企業(yè)競(jìng)爭(zhēng)力不再僅僅源于規(guī)模或資源，而在于組織是否具備基于數(shù)據(jù)做出高質(zhì)量決策的能力。對(duì)這家全球領(lǐng)先的豪華車企而言，“數(shù)據(jù)驅(qū)動(dòng)決策”已超越工具層面的優(yōu)化，上升為一場(chǎng)深刻的管理范式變革,它意味著告別“拍腦袋”“憑資歷”“靠感覺(jué)”的傳統(tǒng)決策慣性，轉(zhuǎn)向以事實(shí)為錨、以洞察為帆的理性治理模式。

采購(gòu)作為連接研發(fā)、制造與供應(yīng)鏈的核心樞紐，其決策質(zhì)量直接影響成本結(jié)構(gòu)、交付效率乃至產(chǎn)品競(jìng)爭(zhēng)力。當(dāng)企業(yè)將“數(shù)據(jù)驅(qū)動(dòng)”確立為采購(gòu)體系的戰(zhàn)略內(nèi)核，實(shí)質(zhì)上是在構(gòu)建一種新的組織信仰：信任數(shù)據(jù)勝過(guò)信任直覺(jué)，重視證據(jù)高于依賴權(quán)威。這種文化鼓勵(lì)員工提出可驗(yàn)證的問(wèn)題、追求可量化的答案，并在不斷試錯(cuò)與學(xué)習(xí)中優(yōu)化判斷。無(wú)論是評(píng)估一個(gè)新供應(yīng)商的引入風(fēng)險(xiǎn)，還是判斷某類零部件是否存在結(jié)構(gòu)性降本空間，決策依據(jù)都來(lái)自系統(tǒng)化積累的數(shù)據(jù)資產(chǎn)，而非偶然經(jīng)驗(yàn)。

更重要的是，數(shù)據(jù)驅(qū)動(dòng)決策不是靜態(tài)的流程固化，而是一種動(dòng)態(tài)的組織學(xué)習(xí)機(jī)制。每一次采購(gòu)行為產(chǎn)生的數(shù)據(jù)，都會(huì)反哺模型、豐富知識(shí)、校準(zhǔn)策略，使整個(gè)體系越用越聰明。久而久之，企業(yè)不僅擁有了“看得清現(xiàn)狀”的能力，更具備了“預(yù)判未來(lái)趨勢(shì)”的智慧。這種由數(shù)據(jù)滋養(yǎng)出的前瞻性與敏捷性，將成為企業(yè)在技術(shù)迭代加速、供應(yīng)鏈波動(dòng)加劇的復(fù)雜環(huán)境中最堅(jiān)實(shí)的護(hù)城河。

因此，推動(dòng)數(shù)據(jù)驅(qū)動(dòng)決策，本質(zhì)上是在鍛造一家企業(yè)的“理性基因”——讓科學(xué)精神滲透進(jìn)每一個(gè)業(yè)務(wù)角落，讓高質(zhì)量決策成為組織的本能反應(yīng)。這不僅是數(shù)字化轉(zhuǎn)型的終點(diǎn)，更是邁向卓越運(yùn)營(yíng)的新起點(diǎn)。

實(shí)施與部署過(guò)程

1.核心職能角色

1）業(yè)務(wù)分析師：負(fù)責(zé)解讀報(bào)價(jià)分析單的復(fù)雜業(yè)務(wù)邏輯與字段定義，將“多維成本分析”需求轉(zhuǎn)化為明確的技術(shù)指標(biāo)，并制定Agent的談判話術(shù)標(biāo)準(zhǔn)與最終驗(yàn)收準(zhǔn)則。

2）數(shù)據(jù)工程師：負(fù)責(zé)搭建項(xiàng)目的核心數(shù)據(jù)底座，通過(guò)ETL技術(shù)清洗各類離散、異構(gòu)的報(bào)價(jià)分析文件（Excel/PDF），將其轉(zhuǎn)化為標(biāo)準(zhǔn)化的結(jié)構(gòu)化數(shù)據(jù)庫(kù)。

3）AI工程師：負(fù)責(zé)構(gòu)建智能決策大腦，包括利用Text-to-SQL/Code Generation技術(shù)讓模型能夠自主生成查詢代碼以提取精準(zhǔn)的數(shù)據(jù)庫(kù)指標(biāo)，搭建垂直領(lǐng)RAG系統(tǒng)以精準(zhǔn)定位非結(jié)構(gòu)化報(bào)價(jià)分析文檔中的上下文，設(shè)計(jì)Agent思維鏈與工具調(diào)用邏輯以支持復(fù)雜的成本推理與數(shù)值計(jì)算，并建立嚴(yán)格的防幻覺(jué)評(píng)測(cè)與護(hù)欄機(jī)制，確保數(shù)據(jù)回答的準(zhǔn)確性與嚴(yán)肅性。。

4）前后端開(kāi)發(fā)工程師：負(fù)責(zé)全棧平臺(tái)的落地與集成，開(kāi)發(fā)用戶交互界面并串聯(lián)底層數(shù)據(jù)與模型，同時(shí)實(shí)施嚴(yán)格的企業(yè)級(jí)權(quán)限管控，保障車企核心價(jià)格數(shù)據(jù)的安全閉環(huán)。

2.系統(tǒng)架構(gòu)

1)基礎(chǔ)設(shè)施與數(shù)據(jù)源層：作為系統(tǒng)的算力與資源基座，該層深度整合了通用大模型的邏輯推理能力與車企海量的多模態(tài)業(yè)務(wù)數(shù)據(jù)。它不僅通過(guò)連接器接入了企業(yè)ERP/SRM數(shù)據(jù)庫(kù)中的結(jié)構(gòu)化數(shù)據(jù)（如歷史采購(gòu)訂單、BOM成本表），還全面覆蓋了PDF合同、審計(jì)報(bào)告、技術(shù)規(guī)格書(shū)等非結(jié)構(gòu)化文檔，同時(shí)融合了模型自帶的通用商業(yè)知識(shí)，為上層應(yīng)用提供了全量且真實(shí)的“采購(gòu)業(yè)務(wù)原油”。

2)數(shù)據(jù)治理與處理層：將雜亂的采購(gòu)數(shù)據(jù)轉(zhuǎn)化為模型可理解的高質(zhì)量語(yǔ)料。通過(guò)調(diào)用專門(mén)的數(shù)據(jù)清洗模型，該層執(zhí)行文檔切片、異常數(shù)據(jù)去除和標(biāo)準(zhǔn)化處理，并利用Q-A對(duì)自動(dòng)構(gòu)建與數(shù)據(jù)蒸餾技術(shù)，將復(fù)雜的采購(gòu)業(yè)務(wù)規(guī)則轉(zhuǎn)化為知識(shí)片段，從根源上解決因數(shù)據(jù)質(zhì)量差導(dǎo)致的Agent答非所問(wèn)或產(chǎn)生幻覺(jué)的問(wèn)題。

3)Agent開(kāi)發(fā)與應(yīng)用編排：作為直接面向業(yè)務(wù)交付的總裝車間與服務(wù)平臺(tái)，該層負(fù)責(zé)將治理好的數(shù)據(jù)與模型能力封裝為具體的業(yè)務(wù)應(yīng)用。開(kāi)發(fā)者在此通過(guò)流程調(diào)度定義復(fù)雜的采購(gòu)查詢SOP，構(gòu)建向量知識(shí)庫(kù)，并進(jìn)行系統(tǒng)集成管理，最終將生成的Data Agent以標(biāo)準(zhǔn)API服務(wù)的形式發(fā)布，無(wú)縫嵌入到采購(gòu)人員日常使用的辦公軟件或業(yè)務(wù)系統(tǒng)中。

3.核心技術(shù)

1)高精度數(shù)據(jù)解析系統(tǒng)

·核心難點(diǎn)：采購(gòu)報(bào)價(jià)單格式多樣，包含PDF、Excel和圖片，且存在復(fù)雜的嵌套表格和非標(biāo)準(zhǔn)字段。

·技術(shù)方案：

（1）布局分析：使用基于視覺(jué)的模型對(duì)文檔進(jìn)行區(qū)塊檢測(cè)，先區(qū)分出標(biāo)題、正文段落、表格區(qū)域、蓋章區(qū)域。

（2）表格結(jié)構(gòu)還原：針對(duì)嵌套表格，采用TSR算法。它不僅能識(shí)別單元格文字，還能識(shí)別行列合并關(guān)系，還原表格的層級(jí)結(jié)構(gòu)。

（3）LLM語(yǔ)義抽取：放棄傳統(tǒng)的正則匹配，改用LLM進(jìn)行字段提取。將OCR 識(shí)別后的文本塊+原始表格結(jié)構(gòu)作為Prompt輸入給LLM，配合Few-Shot提示，讓LLM自動(dòng)將不同供應(yīng)商的表頭統(tǒng)一映射為標(biāo)準(zhǔn)字段unit_price。

（4）校驗(yàn)邏輯：建立規(guī)則引擎，比如數(shù)量*單價(jià)=總價(jià)。如果算術(shù)不匹配，自動(dòng)標(biāo)記為“置信度低”，轉(zhuǎn)人工復(fù)核。

2）Text-to-SQL+RAG混合架構(gòu)

·垂直領(lǐng)域認(rèn)知增強(qiáng)技術(shù)

（1）混合知識(shí)增強(qiáng)：結(jié)合S11，系統(tǒng)在處理查詢時(shí)，不僅檢索數(shù)據(jù)庫(kù) Schema，還通過(guò)RAG技術(shù)檢索非結(jié)構(gòu)化的“采購(gòu)知識(shí)庫(kù)”，確保模型理解“降本率”、“PPV”等專業(yè)概念。

（2）雙層反饋進(jìn)化：基于S12，利用歷史高頻問(wèn)答構(gòu)建緩存與反饋機(jī)制。系統(tǒng)能通過(guò)用戶反饋不斷自我優(yōu)化，越用越準(zhǔn)，大幅降低推理延遲。

（3）領(lǐng)域模型微調(diào)：基于S0，使用企業(yè)私有數(shù)據(jù)對(duì)基座模型進(jìn)行Post-training，使其具備特定行業(yè)的邏輯推理能力。

·多代理對(duì)抗與自愈機(jī)制

（1）多智能體反思：對(duì)應(yīng)S21，引入“Critic Agent”角色。在生成SQL后，不由同一模型直接執(zhí)行，而是由另一個(gè)代理進(jìn)行邏輯審查（比如：“這個(gè)查詢是否漏了時(shí)間限制？”），通過(guò)多輪辯論確保邏輯閉環(huán)。

（2）代碼自愈糾錯(cuò)：對(duì)應(yīng)S22，通過(guò)靜態(tài)代碼分析器預(yù)執(zhí)行SQL。一旦報(bào)錯(cuò)，系統(tǒng)會(huì)自動(dòng)捕獲錯(cuò)誤碼（如Syntax Error），并將錯(cuò)誤信息回傳給LLM進(jìn)行二次修正，直至SQL可執(zhí)行。

·動(dòng)態(tài)安全圍欄與行級(jí)鑒權(quán)

（1）SQL動(dòng)態(tài)注入：對(duì)應(yīng)S23，系統(tǒng)不直接執(zhí)行Agent生成的SQL。而是在執(zhí)行前，根據(jù)當(dāng)前用戶的ID和角色（Role），強(qiáng)制在SQL的WHERE子句中注入權(quán)限過(guò)濾條件（例如：強(qiáng)制追加AND factory_id='A'）。

（2）邏輯隔離：實(shí)現(xiàn)了自然語(yǔ)言意圖到物理數(shù)據(jù)權(quán)限的自動(dòng)映射，從根源上杜絕了越權(quán)查詢風(fēng)險(xiǎn)。

·智能洞察與多模態(tài)生成

（1）自適應(yīng)可視化：對(duì)應(yīng)S31，系統(tǒng)根據(jù)返回?cái)?shù)據(jù)的特征（是時(shí)間序列、占比分布還是對(duì)比關(guān)系），自動(dòng)推薦并生成最佳的圖表類型（折線圖、餅圖、柱狀圖），無(wú)需人工配置。

（2）多模態(tài)敘事：對(duì)應(yīng)S33，結(jié)合RAG檢索到的文檔和SQL查出的數(shù)據(jù)，生成“圖表+文字分析報(bào)告”，直接給出業(yè)務(wù)建議，而非冷冰冰的數(shù)字。

4.重要產(chǎn)品

·Data Agent：一款對(duì)話式商業(yè)智能工具，即Data Agent。它打破了傳統(tǒng)報(bào)表系統(tǒng)的僵化模式，允許業(yè)務(wù)人員通過(guò)自然語(yǔ)言與企業(yè)的結(jié)構(gòu)化數(shù)據(jù)庫(kù)進(jìn)行實(shí)時(shí)交互，，即時(shí)查詢并對(duì)比零部件成本、歷史價(jià)格趨勢(shì)及供應(yīng)商份額。系統(tǒng)不僅能秒級(jí)生成可視化圖表，更能基于內(nèi)置的歸因模型自動(dòng)輸出業(yè)務(wù)洞察，比如識(shí)別材料成本差異、推薦國(guó)產(chǎn)化替代方案，并提供從數(shù)據(jù)結(jié)果到計(jì)算邏輯的全鏈路透明展示，幫助采購(gòu)員在談判中實(shí)現(xiàn)基于數(shù)據(jù)的精準(zhǔn)決策。

·Knowledge Chatbot：面向采購(gòu)全流程的智能業(yè)務(wù)咨詢助手，充當(dāng)業(yè)務(wù)人員的“合規(guī)顧問(wèn)”與“技術(shù)參謀”。該模塊基于RAG技術(shù)，激活了沉淀在企業(yè)內(nèi)部的海量非結(jié)構(gòu)化資產(chǎn)，支持用戶針對(duì)復(fù)雜的采購(gòu)SOP流程、內(nèi)控合規(guī)紅線、歷史合同條款或技術(shù)規(guī)格書(shū)進(jìn)行自然語(yǔ)言提問(wèn)。它能迅速?gòu)臄?shù)萬(wàn)份文檔中跨源檢索并精準(zhǔn)定位依據(jù)，有效解決了人工查閱效率低下及經(jīng)驗(yàn)傳承斷層的問(wèn)題，為采購(gòu)合規(guī)與風(fēng)控提供全天候的智力支持。

·Enterprise Knowledge：賦予一線業(yè)務(wù)人員自主權(quán)的知識(shí)庫(kù)構(gòu)建與管理中心。作為連接個(gè)人業(yè)務(wù)資料與企業(yè)公共知識(shí)資產(chǎn)的橋梁，它支持用戶通過(guò)拖拽方式自助上傳報(bào)價(jià)單、審計(jì)報(bào)告、行業(yè)標(biāo)準(zhǔn)等多種格式的本地文件（PDF/Word/Excel）。通過(guò)內(nèi)置的高精度OCR與文檔解析引擎，該模塊能即時(shí)提取文件中的關(guān)鍵信息并完成向量化處理，將其實(shí)時(shí)同步至系統(tǒng)的檢索范圍中，確保AI的回答始終基于最新、最鮮活的業(yè)務(wù)事實(shí)，解決了傳統(tǒng)知識(shí)庫(kù)更新滯后、難以覆蓋臨時(shí)性業(yè)務(wù)資料的痛點(diǎn)。

5.創(chuàng)新思維

1）認(rèn)知范式融合：從“割裂查詢”到“數(shù)文聯(lián)動(dòng)”

打破傳統(tǒng)BI與文檔管理系統(tǒng)的界限，創(chuàng)新構(gòu)建了ChatBI+Knowledge Chatbot雙引擎架構(gòu)。系統(tǒng)不僅能計(jì)算復(fù)雜的成本數(shù)據(jù)，更能實(shí)時(shí)關(guān)聯(lián)分析合同條款與技術(shù)文檔，實(shí)現(xiàn)從單一數(shù)據(jù)呈現(xiàn)到立體化“歸因洞察”的跨越，讓決策既有數(shù)據(jù)支撐又有法規(guī)依據(jù)。

2）知識(shí)生態(tài)重塑：從“靜態(tài)維護(hù)”到“實(shí)時(shí)自生長(zhǎng)”

突破傳統(tǒng)企業(yè)知識(shí)庫(kù)依賴IT統(tǒng)一維護(hù)的時(shí)效瓶頸，通過(guò)Enterprise Knowledge機(jī)制，賦予一線業(yè)務(wù)人員自助上傳文件的權(quán)限，將原本離散在個(gè)人電腦里的報(bào)價(jià)單和臨時(shí)文件，即時(shí)轉(zhuǎn)化為企業(yè)共享的最新知識(shí)資產(chǎn)，實(shí)現(xiàn)知識(shí)庫(kù)的動(dòng)態(tài)自愈與生長(zhǎng)。

3）可信架構(gòu)突破：從“概率生成”到“嚴(yán)謹(jǐn)決斷”

針對(duì)車企采購(gòu)對(duì)數(shù)據(jù)準(zhǔn)確性的苛刻要求，引用業(yè)界比較主流的Multi-Agent對(duì)抗與反思機(jī)制。通過(guò)引入“批評(píng)者”角色對(duì)生成的SQL進(jìn)行邏輯互斥校驗(yàn)，結(jié)合統(tǒng)一語(yǔ)義層管控，將大模型的發(fā)散性創(chuàng)造力約束為金融級(jí)的執(zhí)行精確力，解決AI在嚴(yán)肅商業(yè)場(chǎng)景落地的信任難題。

4）交互體驗(yàn)降維：從“技術(shù)門(mén)檻”到“語(yǔ)言即接口”

實(shí)現(xiàn)數(shù)據(jù)能力的徹底平權(quán)。利用Text-to-SQL技術(shù)將復(fù)雜的數(shù)據(jù)庫(kù)查詢邏輯封裝于無(wú)形，讓不懂SQL代碼的采購(gòu)人員通過(guò)自然語(yǔ)言即可調(diào)取百萬(wàn)級(jí)零件數(shù)據(jù)，將數(shù)據(jù)分析能力從少數(shù)分析師手中，真正下放到聽(tīng)得見(jiàn)炮火的一線業(yè)務(wù)端。

6、團(tuán)隊(duì)配合

本項(xiàng)目采用了“領(lǐng)域?qū)＜遗c技術(shù)極客共創(chuàng)”的敏捷協(xié)作模式，組建了由業(yè)務(wù)分析師、數(shù)據(jù)工程師與算法工程師構(gòu)成的混合特戰(zhàn)隊(duì)。在執(zhí)行過(guò)程中，業(yè)務(wù)團(tuán)隊(duì)作為“知識(shí)架構(gòu)師”深度介入，將復(fù)雜的采購(gòu)術(shù)語(yǔ)與合規(guī)SOP精確翻譯為系統(tǒng)的統(tǒng)一語(yǔ)義層邏輯；技術(shù)團(tuán)隊(duì)則通過(guò)Multi-Agent對(duì)抗機(jī)制與百萬(wàn)級(jí)異構(gòu)數(shù)據(jù)治理夯實(shí)底層能力；雙方最終建立起高效的“專家在環(huán)”反饋閉環(huán)，將一線業(yè)務(wù)員的每一次糾錯(cuò)即時(shí)轉(zhuǎn)化為模型微調(diào)語(yǔ)料，通過(guò)這種“業(yè)務(wù)定義規(guī)則、技術(shù)保障落地、反饋驅(qū)動(dòng)迭代”的深度耦合，確保了Alaya系統(tǒng)在復(fù)雜場(chǎng)景下兼具金融級(jí)的準(zhǔn)確性與專家級(jí)的邏輯判斷力。

合作服務(wù)效果

在當(dāng)今競(jìng)爭(zhēng)激烈的商業(yè)環(huán)境中，采購(gòu)部門(mén)面臨著巨大的挑戰(zhàn)，包括如何高效管理百萬(wàn)級(jí)零部件的數(shù)據(jù)、制定科學(xué)談判策略以及實(shí)現(xiàn)即時(shí)響應(yīng)和高效協(xié)同。逸迅科技基于結(jié)構(gòu)化數(shù)據(jù)倉(cāng)庫(kù)與Data Agent能力的解決方案，為這些問(wèn)題提供了一條有效的路徑。

首先，在業(yè)務(wù)價(jià)值方面，該方案成功地打通了百萬(wàn)級(jí)零部件的數(shù)據(jù)孤島，實(shí)現(xiàn)了高效智能的成本分析。通過(guò)將數(shù)萬(wàn)零部件、數(shù)百個(gè)字段的離散采購(gòu)報(bào)價(jià)單整合為統(tǒng)一的數(shù)據(jù)資產(chǎn)，不僅消除了信息碎片化的問(wèn)題，還大幅提升了數(shù)據(jù)分析的速度。傳統(tǒng)的Excel手動(dòng)處理方式被革新，成本對(duì)標(biāo)報(bào)告生成時(shí)間縮短60%以上，使得決策響應(yīng)速度顯著加快。

其次，構(gòu)建了一個(gè)數(shù)據(jù)驅(qū)動(dòng)的談判策略引擎，這標(biāo)志著從“經(jīng)驗(yàn)判斷”到“智能推薦”的重要轉(zhuǎn)變。利用歷史談判數(shù)據(jù)與大語(yǔ)言模型，系統(tǒng)能夠自動(dòng)生成潛在降價(jià)杠桿、風(fēng)險(xiǎn)預(yù)警與應(yīng)急預(yù)案，確保不同區(qū)域和團(tuán)隊(duì)面對(duì)數(shù)百個(gè)供應(yīng)商時(shí)策略一致，減少溝通成本與決策偏差。這種方法預(yù)計(jì)能提升5-8%的潛在成本節(jié)約機(jī)會(huì)。

此外，采用逸迅科技自研的Alaya平臺(tái)（Data Agent構(gòu)建平臺(tái)）的RAG增強(qiáng)檢索與Chatbot技術(shù)，提供對(duì)話式精準(zhǔn)知識(shí)服務(wù)，實(shí)現(xiàn)了即時(shí)響應(yīng)與高效協(xié)同。這種技術(shù)支持下的智能問(wèn)答系統(tǒng)，不僅能以自然語(yǔ)言查詢技術(shù)細(xì)節(jié)，準(zhǔn)確定位分散的知識(shí)內(nèi)容，還能大幅減少技術(shù)支持響應(yīng)時(shí)間約80%，極大提高了跨部門(mén)協(xié)作效率與滿意度。

采購(gòu)團(tuán)隊(duì)反饋顯示，初期使用階段就已顯著感受到效率的提升，特別是在復(fù)雜零件處理和多輪談判中表現(xiàn)尤為突出。零部件數(shù)據(jù)的結(jié)構(gòu)化與AI輔助分析減少了人為誤差與重復(fù)勞動(dòng)，使成本對(duì)標(biāo)與降本機(jī)會(huì)識(shí)別更加高效準(zhǔn)確。

關(guān)于企業(yè)

·逸迅科技

上海逸迅信息科技有限公司（簡(jiǎn)稱“逸迅科技”）2012年成立于張江，作為上海首批入庫(kù)數(shù)商（數(shù)據(jù)技術(shù)型），聚焦于數(shù)據(jù)智能、智慧城市、物聯(lián)網(wǎng)、智能運(yùn)維、數(shù)字孿生等領(lǐng)域，基于自主研發(fā)的全棧數(shù)據(jù)產(chǎn)品技術(shù)底座，為政府、制造、能源、交通運(yùn)輸?shù)刃袠I(yè)客戶提供一站式數(shù)智化解決方案，助力數(shù)據(jù)業(yè)務(wù)應(yīng)用及產(chǎn)業(yè)落地，輔助業(yè)務(wù)決策，加快數(shù)字化及數(shù)智化轉(zhuǎn)型速度。

·德國(guó)知名車企

在全球豪華汽車制造業(yè)中，該德國(guó)知名車企作為領(lǐng)軍者，其產(chǎn)品線不僅涵蓋了高端乘用車和商用車，還包括了高性能動(dòng)力系統(tǒng)。該車企以其在智能制造與數(shù)字化轉(zhuǎn)型方面的卓越表現(xiàn)而聞名，并擁有多個(gè)分布于全球的研發(fā)中心和生產(chǎn)基地。

★以上由逸迅科技投遞申報(bào)的Agent案例，最終將會(huì)角逐由金猿組委會(huì)×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2025中國(guó)大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎(jiǎng)項(xiàng)。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢(shì)論壇”現(xiàn)場(chǎng)首次揭曉榜單，并舉行頒獎(jiǎng)儀式，歡迎報(bào)名蒞臨現(xiàn)場(chǎng)。