client-bogebu/docs

Fork 0

Files

chendelian 9a632358d4 修改

2026-06-26 15:44:57 +08:00

32 KiB

Raw Blame History

博格步企业级 AI Agent 中台建设方案

客户：博格步（厦门，外资企业，童车/儿童用品）
文档性质：售前方案 / 客户提案
版本：v1.0

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

flowchart TB
    subgraph 用户入口
        U1[员工]
        U2[管理层]
        U3[采购]
        U4[技术]
        U5[财务]
        U6[法务]
    end

    subgraph 接入层
        A1[Web 工作台]
        A2[企业微信/邮箱入口]
        A3[文件上传入口]
    end

    subgraph AI中台层
        M1[模型网关]
        M2[知识库管理]
        M3[Agent 管理]
        M4[权限管理]
        M5[日志审计]
        M6[提示词/规则管理]
        M7[任务调度]
    end

    subgraph Agent编排与执行层
        E1[OpenClaw 桌面端]
        E2[Python 技能]
        E3[RPA 执行器]
        E4[API 调用器]
        E5[人工确认节点]
    end

    subgraph 业务Agent层
        B1[采购报价分析 Agent]
        B2[技术文件审核 Agent]
        B3[合同审核 Agent]
        B4[ERP 操作顾问 Agent]
        B5[财务数据分析 Agent]
        B6[MRP 参数建议 Agent]
        B7[数字员工执行 Agent]
    end

    subgraph 数据与知识层
        D1[ERP 操作手册]
        D2[技术规范]
        D3[合同模板]
        D4[采购规则]
        D5[供应商报价]
        D6[历史采购数据]
        D7[订单预测]
        D8[财务数据]
        D9[公司制度]
    end

    subgraph 企业系统层
        S1[IFS ERP]
        S2[报价系统]
        S3[邮箱/企业微信]
        S4[财务系统]
        S5[文档系统]
        S6[本地/云端文件]
    end

    subgraph 安全治理横切层
        G1[权限控制]
        G2[数据脱敏]
        G3[操作审计]
        G4[异常告警]
        G5[人工审批]
    end

    U1 & U2 & U3 & U4 & U5 & U6 --> A1 & A2 & A3
    A1 & A2 & A3 --> M1 & M3 & M4
    M1 & M2 & M3 & M6 & M7 --> E1
    E1 --> E2 & E3 & E4
    E2 & E3 & E4 --> E5
    E1 --> B1 & B2 & B3 & B4 & B5 & B6 & B7
    M2 --> D1 & D2 & D3 & D4 & D5 & D6 & D7 & D8 & D9
    B1 & B2 & B3 & B4 & B5 & B6 & B7 --> S1 & S2 & S3 & S4 & S5 & S6
    G1 & G2 & G3 & G4 & G5 -.-> AI中台层
    G1 & G2 & G3 & G4 & G5 -.-> Agent编排与执行层

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。

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。

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。

32 KiB Raw Blame History Unescape Escape