32 KiB
32 KiB
深圳匠厂科技有限公司
Artisan Factory
企业 AI 落地专家
咨询 · 产品 · 实施 · 培训 · 运营
| 项目 | 内容 |
|---|---|
| 方案名称 | 博格步企业级 AI Agent 中台建设方案 |
| 方案提供方 | 深圳匠厂科技有限公司 |
| 客户单位 | 博格步（厦门）轻工制品有限公司 |
| 文档性质 | 售前方案 / 客户提案 |
| 版本 | v1.0 |
博格步企业级 AI Agent 中台建设方案
1. 项目理解
博格步当前提出的需求，核心并不是建设一个"能聊天的机器人"，也不是为某个部门单独采购一套 AI 工具，而是要建设一套统一的企业 AI 能力底座——用来长期承载采购、供应链、技术、合同、财务、ERP 运维及流程自动化等多条业务线的智能化需求。
从前期沟通来看，博格步的业务特点决定了这套系统必须满足以下现实约束：
- 行业属性强：童车/儿童用品涉及零部件规格多、供应商分散、技术文件与合规要求高，AI 能力必须贴合实际业务对象（报价单、零件参数、合同条款、MRP 参数等），而不是泛泛的通用问答。
- 系统环境已成型：企业已运行 IFS ERP 和报价系统，并有过微软 Power Automate Desktop（PAD）/RPA 的使用经验。新方案应在现有系统之上增强，而非推倒重来。
- 需求覆盖面广且会持续扩展：当前已明确的需求包括供应商报价分析、技术文件审核、合同审核、ERP 操作顾问、财务数据分析、MRP 参数建议、订单/采购单处理等；未来还会新增更多场景。因此必须采用中台化架构，避免每个场景重复建设。
- 执行必须可控：涉及 ERP 写入、采购单提交等操作时，AI 负责理解和判断，实际执行由 OpenClaw/Python 技能、API 或 RPA 完成，高风险节点须人工确认——不能"盲目操作系统"。
本方案的定位是：为博格步建设一个统一 AI 工作入口 + 一个企业 AI Agent 中台 + 一套知识库体系 + 一组业务 Agent + 一套可审计的执行能力，分阶段落地、逐步扩展，最终形成覆盖多部门的数字员工体系。
2. 客户现状与核心痛点
2.1 信息化基础
| 现状 | 说明 |
|---|---|
| IFS ERP | 已上线运行，承载订单、采购、库存、财务等核心业务 |
| 报价系统 | 已使用，管理供应商询价与报价数据 |
| RPA 经验 | 曾使用微软 PAD 等工具，团队对流程自动化有基本认知 |
| 业务文档 | ERP 操作手册、技术规范、合同模板、采购规则等资料较多，但分散存放 |
2.2 核心痛点
采购与供应链
- 供应商报价分析高度依赖采购人员个人经验，缺乏统一的比对口径和历史数据辅助。
- 同类物料、不同供应商之间的价格差异、异常波动难以快速识别。
- 采购经验难以沉淀为可复用的规则与知识。
技术与质量
- 零件审核、技术文件（PDF、图纸说明、参数表等）资料复杂，人工初审耗时长。
- 审核标准依赖工程师经验，不同人员之间一致性有差异。
- 新品/新供应商资料审核周期影响供应链响应速度。
合同与法务
- 供应商合同、采购合同数量多，人工逐条审核压力大。
- 付款条件、交付条款、违约责任、质保、知识产权等风险点容易遗漏。
- 合同审核周期长，影响采购推进效率。
ERP 与内部运营
- IFS ERP 操作知识分散在手册、邮件、老员工经验中，新员工和跨部门同事咨询成本高。
- IT/ERP 团队重复答疑占用大量时间。
- 流程操作路径不统一，容易出错。
财务与供应链计划
- 财务数据分析、对账核对仍以人工整理报表为主，响应管理层需求偏慢。
- MRP 相关参数（MOQ、采购周期、安全库存等）调整多凭经验，缺少数据与 AI 辅助分析。
- 订单预测、历史采购数据的价值未充分释放。
流程自动化
- 订单处理、采购单校验、数据核对等重复性操作仍占用大量人工。
- 现有 RPA 脚本偏固定，难以应对页面变化和业务规则调整。
- 希望 Agent 能像数字员工一样执行流程，但必须具备审批、日志、异常回退机制。
3. 建设目标
3.1 总体目标
建设一套可落地、可扩展、可审计的企业 AI Agent 中台，作为博格步未来所有 AI 需求的统一承载平台。
3.2 分项目标
| 目标 | 具体内容 |
|---|---|
| 统一 AI 工作入口 | 员工、管理层、采购、技术、财务、法务等角色通过统一入口访问 AI 能力，按权限看到不同 Agent 和知识库 |
| 企业 AI Agent 中台 | 模型网关、知识库管理、Agent 配置、权限管理、日志审计、提示词/规则管理、任务调度等基础能力一次建设、多场景复用 |
| 企业知识库体系 | 将 ERP 手册、技术规范、合同模板、采购规则、供应商报价、历史采购数据、公司制度等纳入统一知识管理，支持 RAG 检索与结构化规则 |
| 业务 Agent 矩阵 | 按场景建设采购报价分析、技术文件审核、合同审核、ERP 操作顾问、财务数据分析、MRP 参数建议、数字员工执行等 Agent |
| API/RPA/技能执行能力 | 通过 OpenClaw 桌面端编排 Python 技能，对接 IFS API、报价系统接口、数据库视图、文件导入导出，必要时复用 PAD/RPA |
| 可审计、可追溯、可扩展 | 所有模型调用、Agent 执行、人工确认均有日志；新增场景只需扩展 Agent 和技能，无需重建平台 |
4. 整体方案架构
架构说明
- 接入层：提供 Web 工作台作为主要操作界面，同时支持企业微信/邮箱触发任务、文件批量上传等入口，降低使用门槛。
- AI 中台层：统一管理公有云大模型 API 调用、知识库、Agent 配置、权限和审计，是所有业务 Agent 的公共底座。
- Agent 编排与执行层：以桌面端 OpenClaw 为核心编排引擎，通过 Python 技能实现业务逻辑，配合 API 调用器和 RPA 执行器落地到企业系统；高风险操作必经人工确认节点。
- 业务 Agent 层：按博格步实际场景拆分的 7 类 Agent，共用中台能力，独立配置知识和工具。
- 数据与知识层：结构化与非结构化数据统一管理，支撑 RAG 检索和规则比对。
- 安全治理：权限、脱敏、审计、告警、审批贯穿全链路，不作为事后补丁。
5. 技术架构与选型
5.1 技术选型表
| 模块 | 选型 | 说明 |
|---|---|---|
| 前端入口 | Web 工作台、企业微信/邮箱入口 | Web 为主操作界面；企微/邮箱用于通知触发和轻量交互 |
| Agent 编排 | 桌面端 OpenClaw | 本地/桌面侧编排 Agent 工作流，管理技能调用、任务队列和人工确认节点 |
| 技能开发 | Python | 各类业务技能、自动化技能均用 Python 开发，便于维护和数据处理 |
| 大模型 | 公有云模型 API | 调用 GPT、Claude、通义千问、DeepSeek 等公有云 API；不做私有化模型部署；按客户预算和合规要求选择 |
| RAG 知识库 | 文档解析 + 向量检索 + 结构化规则库 | 非结构化文档走向量检索，业务规则走结构化匹配，两者结合提高准确率 |
| 向量库 | Milvus / Elasticsearch / pgvector（可选） | 根据数据规模和运维偏好选择，不做唯一绑定 |
| 关系数据库 | MySQL | 存储用户、权限、Agent 配置、执行日志、审计记录等结构化数据 |
| 缓存与任务队列 | Redis | 会话缓存、任务队列、限流、异步任务状态管理 |
| 文档解析 | PDF、Word、Excel、OCR、图纸/图片解析 | 覆盖技术文件、合同、报价单等主要文档格式 |
| 系统集成 | IFS API、报价系统接口、数据库视图、文件导入导出、RPA 页面自动化 | 有 API 优先 API；接口不完整时 API + RPA 混合 |
| RPA 执行 | OpenClaw 技能 + 元素定位 + 必要时复用微软 PAD | 复用客户已有 PAD 经验，降低学习成本 |
| 权限认证 | 账号体系 / RBAC，可对接企业统一身份 | 按部门、角色控制 Agent 和知识库访问范围 |
| 日志审计 | 模型调用日志、Agent 执行日志、人工确认记录、异常记录 | 全链路可追溯，满足内控和复盘需求 |
| 部署方式 | 公有云部署 | 中台服务、数据库、缓存部署在公有云；OpenClaw 桌面端部署在办公环境 |
5.2 选型原则
- 轻量起步：不做重型私有化部署，公有云 API + 公有云基础设施，降低初期投入和运维负担。
- 快速试点：OpenClaw + Python 技能开发周期短，可在 4-6 周内完成首个 PoC 验证。
- 与现有系统共存：不替换 IFS ERP 和报价系统，通过 API、数据库视图、RPA 等方式对接，保护已有投资。
- 可扩展：中台能力一次建设，后续新增 Agent 或技能只需扩展配置和脚本，不需要重建平台。
6. 核心业务场景方案
6.1 采购报价分析 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | 供应商报价格式不一，采购人员需逐份人工比对历史价格、同类物料和供应商表现，耗时长且依赖个人经验 |
| 主要能力 | 解析报价单（Excel/PDF）；与历史报价、同类物料价格、采购规则比对；识别异常报价、价格波动和潜在风险；辅助成本拆解；生成标准化分析报告 |
| 数据来源 | 报价系统导出数据、历史采购记录、供应商主数据、采购规则库、物料分类标准 |
| 输出结果 | 报价对比表、异常标记、风险说明、采购建议、可导出的分析报告 |
| 第一阶段落地边界 | 支持 Excel/PDF 报价单上传分析；对接报价系统只读数据；输出分析报告供采购员决策，不自动修改系统数据 |
| 预期价值 | 单次报价分析时间从数小时缩短到数十分钟；采购经验沉淀为可复用规则；降低对个人经验的依赖 |
6.2 技术文件审核 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | 童车零部件技术资料（规格书、图纸说明、检验报告等）格式多样，人工审核耗时长，标准执行不一致 |
| 主要能力 | 解析 PDF、Word、Excel、图片及图纸说明；提取关键技术参数；与企业内部技术规范/检验标准比对；标记缺失项、不一致项和风险项；输出审核意见清单 |
| 数据来源 | 技术规范库、零件标准、历史审核记录、供应商提交的技术文件 |
| 输出结果 | 参数提取表、符合/不符合项清单、风险等级、审核建议 |
| 第一阶段落地边界 | 覆盖 2-3 类高频零件资料；参数提取 + 规则比对；结果供工程师复核，不自动判定放行 |
| 预期价值 | 技术文件初审效率提升 50% 以上（建议验收口径）；降低漏审风险；统一审核标准 |
6.3 合同审核 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | 供应商合同、采购合同数量多，法务和采购逐条审核压力大，关键风险条款容易遗漏 |
| 主要能力 | 识别合同关键条款；与标准合同模板比对；标记缺失条款、异常条款和不利条款；覆盖付款、交付、违约、质保、知识产权等风险维度；输出风险等级和修改建议 |
| 数据来源 | 合同模板库、标准条款库、历史合同样例、法务审核规则 |
| 输出结果 | 条款对比表、风险点清单、风险等级、修改建议、审核报告 |
| 第一阶段落地边界 | 覆盖采购类合同；支持 Word/PDF 上传；输出风险报告供法务/采购复核，不替代法务终审 |
| 预期价值 | 合同初审效率显著提升；风险点识别覆盖率提高；统一审核口径，减少遗漏 |
6.4 ERP 操作顾问 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | IFS ERP 操作知识分散，员工遇到问题依赖 IT 或老员工，咨询成本高、响应慢 |
| 主要能力 | 基于 ERP 操作手册和流程文档问答；给出操作路径和注意事项；推荐相关流程和文档；支持截图/步骤引用；辅助新员工培训 |
| 数据来源 | IFS 操作手册、流程说明、常见问题文档、异常处理记录 |
| 输出结果 | 操作步骤说明、相关文档引用、流程建议 |
| 第一阶段落地边界 | 覆盖 Top 20 高频操作问题；纯问答模式，只读不写 ERP；准确率以可用率为验收口径 |
| 预期价值 | ERP 相关内部咨询量减少；新员工上手周期缩短；IT 团队从重复答疑中释放精力 |
6.5 财务数据分析 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | 财务数据分析依赖人工整理报表，响应管理层需求慢；异常费用和波动不易及时发现 |
| 主要能力 | 读取财务报表、Excel 和 ERP 财务数据；按业务口径进行自然语言查询和分析；识别异常费用、异常波动和对账差异；生成管理层可读的分析摘要 |
| 数据来源 | ERP 财务模块、财务报表、Excel 分析表、财务制度和分析口径说明 |
| 输出结果 | 数据分析摘要、异常标记、趋势说明、可导出报告 |
| 第一阶段落地边界 | 支持 3-5 个高频分析场景（如费用对比、应收账款分析等）；只读查询，不修改财务数据 |
| 预期价值 | 财务分析响应速度提升；减少人工整理报表时间；提高数据使用价值 |
6.6 MRP 参数建议 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | MRP 相关参数（MOQ、采购周期、安全库存、批量策略等）调整多凭计划员经验，缺少数据驱动的辅助分析 |
| 主要能力 | 分析历史采购数据、订单预测、库存周转和供应商交付表现；对 MRP 关键参数提出调整建议；说明建议依据和数据来源；支持情景对比 |
| 数据来源 | IFS ERP 采购/库存数据、订单预测、历史交付记录、MRP 当前参数配置 |
| 输出结果 | 参数建议表、依据说明、风险提示、对比分析 |
| 第一阶段落地边界 | 只读分析 + 建议输出；不自动修改 ERP 中的 MRP 参数；建议供计划员审核后人工调整 |
| 预期价值 | 参数调整从"纯经验"升级为"数据 + AI 辅助"；降低库存积压和缺货风险；沉淀供应链分析能力 |
6.7 数字员工执行 Agent
| 维度 | 内容 |
|---|---|
| 场景问题 | 订单处理、采购单校验、数据录入等重复性操作占用大量人工；现有 RPA 脚本僵化，难以适应变化 |
| 主要能力 | 理解自然语言指令或流程触发条件；生成执行任务和参数；通过 OpenClaw/Python 技能调用 API 或 RPA 执行；自动读取、校验、录入数据；异常时暂停并推送人工确认；全流程日志记录 |
| 数据来源 | IFS ERP、报价系统、邮箱、业务流程模板、校验规则库 |
| 输出结果 | 执行结果报告、异常清单、操作日志、待人工确认事项 |
| 第一阶段落地边界 | 选择 1-2 个低风险、高频、规则明确的流程试点（如采购单字段校验）；AI 不直接盲目操作系统——AI 负责理解、判断和生成任务参数，OpenClaw/Python 技能/API/RPA 负责可控执行，高风险动作必须人工确认 |
| 预期价值 | 释放重复性人工操作；提升流程处理效率和准确性；为后续规模化数字员工打下基础 |
数字员工执行原则（重要）
用户指令 / 流程触发
→ AI 理解意图、匹配流程模板、生成执行参数
→ OpenClaw 编排 Python 技能 / API / RPA
→ 低风险步骤自动执行
→ 高风险步骤暂停 → 人工确认 → 继续或回退
→ 全程日志记录，结果可追溯
7. 典型业务闭环流程
7.1 供应商报价分析流程
flowchart LR
A[上传报价单 / 读取报价系统] --> B[文档解析与字段提取]
B --> C[AI 理解与结构化]
C --> D[调用历史报价 / 采购规则 / 供应商数据]
D --> E[比对分析 / 异常识别 / 成本拆解]
E --> F[生成报价分析报告]
F --> G{采购员确认}
G -->|通过| H[归档报告 / 更新知识库]
G -->|需补充| I[补充数据后重新分析]
G -->|需议价| J[输出议价建议供人工跟进]
7.2 技术文件审核流程
flowchart LR
A[上传技术文件 / 图纸 / 参数表] --> B[文档解析 / OCR / 参数提取]
B --> C[AI 理解文件内容]
C --> D[调用技术规范库 / 零件标准 / 历史审核记录]
D --> E[规则比对 / 缺失项识别 / 风险标记]
E --> F[输出审核意见清单]
F --> G{工程师复核}
G -->|通过| H[审核记录归档]
G -->|不通过| I[退回供应商补充 / 修改]
G -->|需进一步检测| J[转入实验室 / 实物检验流程]
7.3 数字员工执行流程
flowchart LR
A[用户指令 / 定时触发 / 邮件触发] --> B[AI 理解意图 / 匹配流程模板]
B --> C[生成执行任务与参数]
C --> D[OpenClaw 编排 Python 技能]
D --> E{执行方式}
E -->|有 API| F[API 调用 IFS / 报价系统]
E -->|无 API| G[RPA 页面自动化]
F & G --> H{是否高风险操作}
H -->|是| I[暂停 → 推送人工确认]
I -->|确认| J[继续执行]
I -->|拒绝| K[回退 / 记录异常]
H -->|否| J
J --> L[输出执行结果 / 日志归档]
K --> L
8. 分阶段实施计划
第 0 阶段：需求调研与数据盘点（1-2 周）
| 维度 | 内容 |
|---|---|
| 建设内容 | 各部门需求访谈；现有系统（IFS ERP、报价系统）接口与数据摸底；文档资料盘点；权限与角色梳理；确定首批 PoC 场景 |
| 客户配合事项 | 安排业务对接人；提供系统访问说明和样例数据；提供文档资料清单 |
| 交付物 | 需求调研报告、数据盘点清单、PoC 场景确认书 |
| 验收方式 | 双方确认需求范围和首批试点场景 |
第 1 阶段：AI 中台基础版 + ERP 操作顾问 / 合同审核 PoC（4-6 周）
| 维度 | 内容 |
|---|---|
| 建设内容 | 公有云环境部署；MySQL + Redis 基础环境；模型网关和知识库管理；Web 工作台初版；OpenClaw 桌面端部署；ERP 操作顾问 Agent 和合同审核 Agent 上线 |
| 客户配合事项 | 提供 ERP 操作手册和合同模板/样例；确认测试用户和权限；参与 UAT 测试 |
| 交付物 | AI 中台基础环境、Web 工作台、2 个 Agent 配置、知识库初版、测试报告 |
| 验收方式 | ERP 问答可用率达标；合同风险点识别可演示；权限和日志功能可用 |
第 2 阶段：采购报价分析 + 技术文件审核试点（6-8 周）
| 维度 | 内容 |
|---|---|
| 建设内容 | 报价系统数据对接；采购报价分析 Agent 上线；技术文件审核 Agent 上线；采购规则库和技术规范库建设；分析报告标准化 |
| 客户配合事项 | 提供历史报价数据和供应商样例；提供技术文件样例和审核标准；采购和技术部门参与验证 |
| 交付物 | 2 个 Agent 配置、数据对接流程、知识库扩展、分析报告模板、测试报告 |
| 验收方式 | 报价分析报告可生成且分析逻辑可解释；技术文件参数提取和审核意见可复核 |
第 3 阶段：财务分析 + MRP 参数建议（8-12 周）
| 维度 | 内容 |
|---|---|
| 建设内容 | 财务数据接入；财务数据分析 Agent 上线；MRP 参数建议 Agent 上线；历史采购/库存/订单预测数据整合 |
| 客户配合事项 | 提供财务分析口径和样例报表；提供 MRP 当前参数和历史数据；财务和计划部门参与验证 |
| 交付物 | 2 个 Agent 配置、数据接入文档、分析模板、测试报告 |
| 验收方式 | 财务分析场景可演示；MRP 参数建议有据可依且供人工审核 |
第 4 阶段：数字员工执行流程分批上线（每个流程 3-6 周）
| 维度 | 内容 |
|---|---|
| 建设内容 | 梳理订单处理、采购单校验等目标流程；开发 OpenClaw/Python 技能和 API/RPA 对接；建立人工确认和异常回退机制；分批上线和试运行 |
| 客户配合事项 | 确认首批自动化流程和规则；提供测试环境和测试数据；业务部门参与试运行和反馈 |
| 交付物 | 技能脚本、流程配置、API/RPA 对接文档、执行日志配置、试运行报告 |
| 验收方式 | 目标流程可自动执行；异常可回退；人工确认机制有效；执行日志可追溯 |
9. 交付物清单
| 序号 | 交付物 | 说明 |
|---|---|---|
| 1 | AI Agent 中台基础环境 | 公有云部署，含模型网关、任务调度、MySQL、Redis |
| 2 | Web 工作台 / 入口 | 统一 AI 操作界面，含企业微信/邮箱入口配置 |
| 3 | 知识库配置 | 各部门知识库、文档索引、向量检索、规则库 |
| 4 | Agent 配置 | 各业务 Agent 的提示词、工具、权限、流程配置 |
| 5 | OpenClaw 技能脚本 | Python 业务技能和自动化技能源代码及说明 |
| 6 | API/RPA 集成流程 | IFS ERP、报价系统等对接文档和配置 |
| 7 | 权限角色配置 | 部门/角色权限矩阵，RBAC 配置 |
| 8 | 日志审计配置 | 模型调用、Agent 执行、人工确认、异常日志 |
| 9 | 测试报告 | 各阶段功能测试、准确率测试、性能测试结果 |
| 10 | 用户操作手册 | 面向业务用户的操作指南 |
| 11 | 培训材料 | 管理员培训、业务用户培训课件和录屏 |
10. 验收指标
以下为建议验收口径 / 目标值，具体数值可在 PoC 阶段根据实际数据校准，不做过度承诺。
| 指标 | 建议验收口径 / 目标值 | 说明 |
|---|---|---|
| ERP 操作问答准确率 / 可用率 | Top 20 高频问题可用率 ≥ 80% | 以用户满意度抽样和人工抽测为准 |
| 合同风险点识别覆盖率 | 标准风险条款覆盖率 ≥ 85% | 以法务/采购复核确认为准 |
| 技术文件参数提取准确率 | 关键参数提取准确率 ≥ 85% | 以工程师复核为准 |
| 报价分析报告生成时间 | 单份报价分析 ≤ 30 分钟（含人工确认） | 对比现有人工分析耗时 |
| Agent 执行成功率 | 试点流程自动执行成功率 ≥ 90% | 不含人工确认暂停的正常流程 |
| 异常回退与人工确认机制 | 100% 高风险操作须经人工确认 | 功能验收，不留自动绕过路径 |
| 日志可追溯性 | 100% Agent 执行有完整日志 | 含输入、输出、模型调用、执行步骤 |
| 权限隔离有效性 | 跨部门知识库不可未授权访问 | 权限渗透测试验证 |
11. 数据安全与权限治理
11.1 数据传输与存储
- 公有云部署下，前端与中台、中台与企业系统之间的数据传输采用 HTTPS/TLS 加密。
- 数据库（MySQL）和缓存（Redis）部署在私有网络内，不直接暴露公网。
- 敏感文件存储在受控的云存储或企业指定位置，访问需鉴权。
11.2 模型 API 调用边界
- 大模型全部通过公有云 API 调用，不做私有化模型部署。
- 调用前对输入内容进行敏感字段脱敏（如银行账号、个人身份信息等）。
- 模型调用日志记录输入摘要（非完整敏感原文）和输出结果，便于审计。
- 可按场景配置"禁止上传"的数据类型和字段。
- 具体模型 API 供应商、数据传输边界和敏感数据脱敏策略，可在 PoC 阶段根据博格步的合规要求进一步确认。
11.3 权限与审批
- 按部门 / 角色（RBAC）控制 Agent 访问权限和知识库可见范围。
- 采购人员不可访问财务 Agent，技术部门不可访问合同 Agent，以此类推。
- 涉及 ERP 数据写入、采购单提交、参数修改等高风险操作，必须经人工审批，系统不保留绕过路径。
11.4 审计与追溯
- 所有模型调用、Agent 执行、人工确认、异常回退均有日志记录。
- 日志包含操作人、时间、输入摘要、输出结果、执行步骤和确认记录。
- 日志保留期限按客户内控要求配置，支持导出和审计查询。
11.5 文件与知识库访问控制
- 知识库按部门/项目/密级分类管理。
- 上传文件自动标记来源和权限归属。
- 离职人员账号及时停用，历史操作日志保留。
12. 项目风险与应对
| 风险 | 影响 | 应对策略 |
|---|---|---|
| 文档质量不稳定 | 知识库效果差，问答/审核准确率低 | 第 0 阶段集中盘点和清洗；建立文档准入规范；优先使用结构化程度高的资料 |
| ERP/报价系统接口复杂 | 数据对接周期延长 | 第 0 阶段提前摸底；优先文件导入导出等轻量方式；API 对接分步推进 |
| RPA 页面变化导致失败 | 自动化流程中断 | 优先 API 对接；RPA 作为补充；建立页面变更监控和脚本快速修复机制 |
| 大模型幻觉 | 输出错误建议或遗漏风险点 | 关键输出必须引用来源；高风险场景人工复核；规则库与模型输出交叉验证 |
| 用户权限复杂 | 权限配置工作量大 | 第 0 阶段梳理角色矩阵；先按部门粗粒度配置，后续细化 |
| 业务规则未标准化 | Agent 判断口径不一致 | 每个 Agent 先明确规则边界；第一阶段以"辅助+人工确认"为主，不追求全自动 |
| 公有云模型 API 可用性/成本波动 | 服务中断或费用超预期 | 模型网关支持多模型切换；按场景选择性价比合适的模型；设置调用限流和成本监控 |
13. 预期价值与 ROI
以下价值按预期可实现口径表述，具体量化数据建议在 PoC 阶段用实际业务数据测算。
| 价值方向 | 预期效果 |
|---|---|
| ERP 重复咨询减少 | 员工通过 AI 顾问自助解决高频操作问题，IT/ERP 团队重复答疑工作量预期减少 30%-50% |
| 合同初审效率提升 | 合同风险点自动标记，法务/采购聚焦关键条款审核，初审周期预期缩短 40% 以上 |
| 技术文件初审效率提升 | 参数自动提取和标准比对，工程师聚焦复核而非从头审阅，初审效率预期提升 50% 以上 |
| 采购报价分析时间缩短 | 单份报价分析从数小时缩短到数十分钟，采购员可覆盖更多供应商评估 |
| 采购经验沉淀 | 比价规则、风险识别逻辑沉淀为知识库和规则，减少对核心采购人员个人经验的依赖 |
| 财务和供应链分析效率提升 | 自然语言查询和自动分析摘要，减少人工整理报表时间，加快管理决策响应 |
| 数字员工规模化基础 | 首批流程自动化验证通过后，后续新增流程只需扩展技能和配置，边际成本递减 |
14. 为什么建议采用"AI 中台 + OpenClaw 技能执行"的路线
14.1 这不是单点机器人
博格步的需求覆盖采购、技术、合同、财务、ERP、流程自动化等多个部门，如果每个场景单独采购一个 AI 工具，将面临：
- 重复建设模型接入、权限管理、日志审计等基础能力
- 各系统数据孤岛，无法交叉利用
- 运维和升级成本高，难以统一治理
AI 中台一次建设基础能力，各业务 Agent 共享模型、知识库、权限和执行框架，新增场景只需扩展 Agent 和技能。
14.2 这不是纯大模型盲目操作系统
大模型擅长理解和生成，但不适合直接无约束地操作 ERP 等核心系统。本方案明确分层：
- AI 层：理解用户意图、分析文档和数据、生成建议和任务参数
- 执行层：OpenClaw 编排 Python 技能，通过 API/RPA 可控地操作系统
- 控制层：高风险操作人工审批，异常自动回退，全程日志追溯
这确保 AI 的"智能"用在刀刃上，系统操作的"稳定性"由技能框架保障。
14.3 这不是传统 RPA 的固定脚本
传统 RPA 只能执行预录制的固定步骤，页面变化即失效，也无法理解业务上下文。本方案中：
- RPA 作为执行手段之一，由 OpenClaw 在 AI 判断后按需调用
- Python 技能承载业务逻辑，比纯 RPA 脚本更灵活、更易维护
- 客户已有的 PAD 经验可以复用，降低迁移成本
14.4 这种方式更适合博格步的现状
| 博格步现状 | 方案匹配 |
|---|---|
| 已有 IFS ERP 和报价系统 | 通过 API/数据库视图/RPA 对接，不替换现有系统 |
| 有 RPA 使用经验 | OpenClaw 技能 + RPA 执行器，团队学习成本低 |
| 业务场景多且会持续增加 | 中台 + Agent 矩阵，新场景扩展成本低 |
| 外资企业，合规要求高 | 公有云部署 + 权限隔离 + 审计追溯 + 人工审批 |
| 希望 AI 能"干活"而不只是"说话" | 数字员工执行 Agent，AI 决策 + 技能执行 + 人工确认 |
15. 总结
博格步作为厦门外资企业，在童车/儿童用品领域有着复杂的供应链、技术审核和合规管理需求。企业已具备 IFS ERP、报价系统和 RPA 使用基础，现在需要的是一套统一的 AI 能力底座——而不是又一个孤立的聊天工具。
本方案建议的建设路径清晰务实：
- 先盘点、再试点：用 1-2 周完成需求和数据摸底，用 4-6 周完成 AI 中台基础版和 ERP 顾问/合同审核 PoC，快速验证价值。
- 再扩展、再深入：逐步上线采购报价分析、技术文件审核、财务分析、MRP 参数建议等核心业务 Agent。
- 最后规模化执行：在分析和审核能力成熟后，分批上线数字员工执行流程，AI 理解 + OpenClaw 技能执行 + 人工审批，确保安全可控。
技术路线采用公有云部署 + 公有云大模型 API + MySQL + Redis + OpenClaw 桌面端 + Python 技能，轻量起步、快速试点、与现有系统共存、可持续扩展。
最终，博格步将形成：
- 一个统一 AI 工作入口——全员按权限使用
- 一个企业 AI Agent 中台——模型、知识、Agent、审计统一管理
- 一套企业知识库体系——ERP 手册、技术规范、合同模板、采购规则持续沉淀
- 一组业务 Agent——覆盖采购、技术、合同、财务、ERP、流程执行
- 一套可审计的执行能力——API/RPA/技能落地，人工审批控制风险
这不是做一个"会聊天的 AI"，而是建设一批真正理解博格步业务、辅助决策、执行流程的企业数字员工——分阶段实施，每一步可验证、可交付、可扩展。
16. 关于匠厂科技
深圳匠厂科技有限公司（Artisan Factory）定位为企业 AI 落地专家，面向制造、供应链、贸易及外资企业提供从咨询到运营的全链路服务，涵盖咨询、产品、实施、培训、运营五个环节。
匠厂科技关注的不是"卖模型"或"卖工具"，而是帮助企业把 AI 真正落到业务流程里——让技术投入能对应到可衡量的业务结果。我们的能力组合包括：
- AI Agent 与中台建设：统一入口、Agent 编排、权限与审计
- RAG 知识库：文档解析、向量检索、结构化规则库
- RPA 与流程自动化：与 OpenClaw/Python 技能协同，对接现有系统
- 企业系统集成：ERP、报价系统、财务系统、文档系统等
- 业务流程梳理：从场景定义到落地边界、验收口径
- 数字员工建设：理解、判断、执行、审批分层，可控可扩展
结合本文档所描述的博格步建设路径，匠厂科技适合服务已具备 ERP、报价系统、RPA 使用基础的企业：在不推翻现有信息化的前提下，分阶段建设可落地、可扩展、可审计的企业 AI Agent 中台，先从 PoC 验证价值，再逐步扩展到采购、技术、合同、财务与流程执行等核心场景。
17. 联系我们
深圳匠厂科技有限公司
深圳市宝安区锦驰商务中心 C 座 5 层
陈德炼 · 18925203701
本文档为博格步企业级 AI Agent 中台建设售前方案，供客户内部评审参考。具体实施范围、周期和费用以双方确认的合同约定为准。