结论先行
把「报价单生成」从 4 小时降到 15 分钟，不是因为模型多强，而是因为我们找对了切入点：高频、标准化程度高、容错率要求明确、业务价值可量化。
1. 客户处境（脱敏）
某精密制造上市公司，年营收 20 亿+，核心业务是非标精密零件加工。销售团队 30+ 人，每天收到 50-100 份询价单，格式五花八门：PDF、Excel、邮件正文、微信截图、甚至手写传真拍照。
2. 原始诉求 vs 真实问题
原始诉求：“我们想用 AI 自动生成报价单，把销售从重复劳动里解放出来。”
诊断发现的真实问题：
- 销售 70% 时间在「找货号、查工艺、算成本」，只有 30% 时间在真正报价和跟客户沟通。
- 历史报价单 5 万+ 份，但从未结构化，货号、工艺、材料、表面处理、公差、数量、交期散落在 PDF 里。
- ERP 里的 BOM 数据只覆盖标准件，非标件全靠工艺工程师「凭经验」报工时。
- 新销售入职 3 个月还不敢独立报价，老销售离职带走大量隐性经验。
3. 我们的判断过程
为什么选「报价单生成」作为切入点？
| 维度 | 评估 | 结论 |
|---|---|---|
| 频次 | 每天 50-100 单 | ✅ 极高频 |
| 标准化程度 | 报价单结构固定，字段有限 | ✅ 高 |
| 容错率要求 | 报价错 1 个零 = 直接亏损 | ⚠️ 极高，需人工复核机制 |
| 业务价值可量化 | 4h → 15min，释放 70% 时间 | ✅ 明确 |
| 数据可得性 | 5 万+ 历史单据，可做 Few-shot | ✅ 有数据 |
| 集成复杂度 | 只需读取 PDF + 输出 Excel，不改 ERP | ✅ 低 |
为什么没选其他看似更「高大上」的场景？
- 智能客服：咨询量低、非标问题多、容错率要求极高、ROI 算不清。
- 生产排程：涉及 MES/ERP 深度集成、实时性要求高、变更频繁、PoC 周期长。
- 质检报告生成：频次低（周级）、模板变化大、价值不如报价单直观。
4. PoC 设计与验证结果
PoC 范围
- 单一产品线：精密轴类零件
- 输入：客户发来的 PDF/Excel/图片询价单（含图纸关键尺寸标注）
- 输出：标准化报价单 Excel（货号、材料、工艺路线、工时、单价、交期、总价）
- 验证集：200 份历史真实询价单（含 50 份异常/边界案例）
关键技术决策
- 不做端到端生成：先用 Flux Extract 抽取结构化字段 → 规则引擎匹配工艺/工时 → Flux Assist 生成报价文案 → 人工复核 → 导出 Excel。
- 工时估算用「检索 + 规则」而非「LLM 直接预测」：历史工时数据建立「特征-工时」映射表，新件检索最相似 3 个历史件加权平均，置信度低标记人工。
- 人工复核流程内置：低置信度字段高亮、关键金额字段必改、一键修正回写训练集。
验证结果（2 周，真实数据跑批）
| 指标 | 目标 | 实际 | 说明 |
|---|---|---|---|
| 字段提取准确率 | ≥ 90% | 94.2% | 货号、材料、数量、公差等核心字段 |
| 工时估算误差 | ≤ 20% | 18.5% | 中位数误差，极值剔除后 |
| 报价单生成时长 | < 20min | 12min | 含人工复核 8 分钟 |
| 人工修改比例 | < 30% | 22% | 仅修改工时/工艺细节 |
| 销售满意度 | - | 4.3/5.0 | 匿名问卷，N=8 |
5. 复盘：什么情况下这套打法不成立
这是最关键的一节。承认边界比吹嘘效果更能建立信任。
❌ 不适用的情况
- 没有历史数据积累：如果是全新产品线、全新工艺、全新材料，没有 50+ 相似历史案例，检索增强失效，Few-shot 也没素材。
- 报价逻辑高度非标、依赖专家「直觉」：如果工时估算全靠首席工程师拍脑门，没有任何可显性化的规则或相似案例，Agent 学不会。
- 客户询价格式极度混乱、关键信息缺失：如果客户只发一张手写草图、连材料都不说，Agent 只能反问，无法自动生成。
- 容错率要求「零差错」且无人工复核预算：如果企业要求全自动无人工介入，且不接受任何报价错误，当前技术做不到。
- 组织阻力大、销售拒绝配合：如果销售把「会报价」视为核心护城河，拒绝提供历史案例、拒绝标注数据、拒绝试用，项目推不下去。
⚠️ 需要额外投入的情况
- 多语言/多币种/多税制：需要额外的规则引擎配置和测试。
- 复杂组装件 BOM 展开：涉及多级 BOM、替代料、共用件，需要集成 PLM/ERP 数据。
- 实时报价大屏/客户自助报价门户：涉及前端开发、权限体系、高并发，超出 PoC 范围。
结语
这个项目最终进入了落地集成阶段。关键成功因素不是「我们用了最新的模型」，而是：
- 切得够小：只做精密轴类零件报价，不贪多。
- 指标够硬：用「4 小时降到 15 分钟」这种业务语言，而不是「F1 达到 0.9」。
- 留了后门：人工复核机制、低置信度标记、一键修正回写，保证了可控、可迭代。
- 诚实面对边界：在诊断报告里明确写了「什么情况下不适用」，客户反而更信任我们。
Agent 落地，不是比谁模型大，是比谁切得准、验证实、边界清。
这个问题，我们可以帮您诊断
把真实业务场景告诉我们，48 小时内回复初步建议。
获取方案与报价