夜雨聆风学习资料网

ARTICLE · 1086168

家具家装品牌N套业务系统接入「AI 智能体层」落地建设方案|商派“智库”

家具家装品牌N套业务系统接入「AI 智能体层」落地建设方案|商派“智库”

商派 ShopeX × 家装企业 

知名家装品牌业务系统"AI 智能体层"建设方案

00 / 需求还原

给老系统建一个 AI 智能体层

N套老系统一行代码不改,在它们之上加一层 AI 智能体层:问数、预警、报表、技能这些过去只能靠大量二次开发才能补齐的能力,由这层直接长出来——让现有系统 智能化、AI 化、Agent 化。

四条现实压力

压力 01 · 人力

微信人肉答疑,扛不住

订单部人工在微信端回 N渠道 × N角色的日常查询,同一问题几十种问法、口径不一,问答类占 90 项需求的三成。

压力 02 · 架构

N套系统各管一段,中间没有桥

订单散在 B2B、DMS、OMS、C2F,财务在 SAP。跨系统问数、预警、报表过去只能大量二开,又贵又慢。

压力 03 · 管理

要管住渠道,不只服务渠道

推送预警里一半是催办与考核:超期未提、达成缺口、订单经理考评与一票否决——客户要能压着渠道按规则动作的工具。

压力 04 · 节点

季度订货会

咨询量翻几倍、主战场在经销商手机端。会前解读、会中查单、会后预警。

能力全景 · 90 项需求收成四类

答 · 问答 27 项

24 小时替人答疑

政策、返利、交期、账户对账进知识库统一作答——同一问题同一答案,答不了转人工,不硬编。

查 / 析 · 报告 19 项

一句话查全链路、自动出报告

MCP 直连八套系统实时取数,一个订单从下单到履约一次问清;报告按统一口径自动生成。

推 · 推送提醒 16 项

出事之前先预警

超期未提、预定金不足、达成缺口、账户余额——阈值触发、主动送达企微 / 短信 / 挂件,从“事后发现”变“事前预警”。

做 · 技能 28 项

把老员工手上的活自动化

交期分配、预定金冻结解冻、对账审核等——规则先落纸再执行,高风险动作过确认门、全程留审计回执。

01 / 总体框架

商派双智能体 AI 外骨骼体系

商派把“老系统不动、AI 加在外面”称为AI 外骨骼架构:老系统是骨骼,一套不换;AI 是穿在骨骼外面的那层,力量由它提供,动作还是原来那套。嵌入式智能体嵌进系统内部当助手;工作台智能体(WorkBuddy)在系统外完全操控系统;两者共用同一套智能体底座。

图 1 · AI 订货平台总体架构(竖版)

使用者 → 两种 AI 形态 → 智能体平台 → MCP 连接层 → 治理闸门 → 八套老系统

外部使用者 · 代理商 / 分销商 / 零售下单者

移动端为主 · 订货会现场与日常订货 · 不进后台,只要结果

↓ 在订货页面里直接对话

内部使用者 · 订单中心 / 供应链 / IT

坐在电脑前 · 查数、出报告、做预测、批量处理

↓ 在工作台里自然语言指令

嵌入式智能体 · 系统内助手(H5 挂件)

嵌进B2B / DMS页面任意位置,不离开系统说话就能办事 · 蓝图配置即上线 · 解决不了转人工

订货会数据政策返利问答产品品类推荐订货模拟测算订单确认回写预警接收

工作台智能体 · WorkBuddy(系统外独立工作台)

自然语言驱动 · MCP 直连系统 · Skill 自己写、越用越顺手

跨系统查数订单诊断报告销售预测以销定产建议批量处理推送配置

两条线共用同一底座 · 不是二选一,是各管一段

商派智能体平台(Agent Hub)· 配置与编排层

配一个智能体 = 配置项,不是开发任务 · 版本可追溯 · 配完即上线

蓝图设计Skill 技能包模型中转站Token 计量人群与权限长期记忆确认门策略审计留痕

MCP 连接层与知识底座 · 翻译层

工具注册 · 统一调用 · 渠道 × 角色的数据隔离在这层完成

知识库 · RAG 问答

政策文件 · 返利规则 · 产品手册 · 同问同答 · 可转人工

N套系统连接器

OMS · B2B · DMS · C2F · SAP · 库存系统 · 产品中台 · 逐套 API 盘点后开发

事件引擎 · 推送预警

阈值规则 · 定时任务 · 企微 / 短信 / 挂件触点

治理闸门

确认门:回写、冻结解冻、过账等高风险动作先列影响清单、人工点确认才执行 · 审计留痕全程回执 · 权限矩阵:N 渠道 × N 角色各看各的数据

老系统群(骨骼)· 一套都不换

不动表结构 · 不动二开 · 数据仍落回原系统,AI 不建新库、不做双账本

OMS 订单评审B2B 代理商采购DMS 经销采购 零售C2F 定制SAP 财务 电商库存产品中台 主数据

嵌入式智能体管系统里的人,工作台智能体管电脑前的人,底座是同一套 MCP、Skill 与 Token 生态。

━嵌入式智能体线(外部) ━工作台智能体线(内部) ━治理闸门与事件引擎

读图要点:经销商在挂件里问“我订 300 套能拿几个点返利”,和订单中心在 WorkBuddy 里问“高定渠道本月达成多少”,调用的是同一批连接器、同一套权限规则、同一池 Token。

差别只在:嵌入式由后台蓝图配置、面向移动场景;工作台由自然语言驱动、面向生产作业。

02 / 老系统为什么不换

AI 是加挂层,不是替换层

八套系统承载十年以上业务流程与数据沉淀,换任何一套都意味着业务停摆、数据迁移和全员再培训。做法是在系统外面加一层“会说话的手”,系统本身一行代码不动。

“这些系统该有的都有了,换是换不动的。要的是上面有一层 Agent 来桥接。”

理由 01 · 接入方式

读写走接口,不碰表结构

所有查询与回写经 MCP 连接器调用系统已有 API,不改数据库、不二开;连接器卸掉系统即回原状,零侵入、可回退。八套第三方系统逐套盘点 API 后开发连接器,一套一验收一计价。

理由 02 · 数据归属

主数据不动,不做双账本

订单、库存、财务主数据仍在 OMS、DMS、SAP;AI 只读及经确认门回写,不新建数据库——避免“系统一套数、AI 一套数”的对账灾难。知识类进知识库,交易类实时查、不做缓存副本。

理由 03 · 成本对比

换八套 vs 加一层

替换 = 业务停摆 + 数据迁移 + 全员再培训,周期以年计;加挂 = 接一套用一套,12 月订货会先上线挂件四模块,验证后逐套扩连接器,风险切成小段。

理由 04 · 治理兜底

不动系统,也管得住 AI 的手

治理闸门设在智能层与老系统之间:AI 可以读、算、给建议;凡往系统里写,必须先列出“改哪张单、改什么字段、影响多少金额”,人点确认才执行,全程留回执。读的放行、写的过闸;越权取数在到达老系统之前就被拦下。

03 / 端到端流程

订货会场景 · 三阶段三泳道

12-14 是底座,01 是配置,02-08 是经销商手机端走完的完整订货路径,09-11 是内部线会前会后的作业。

经销商全程不离开订货页面、不装新 App;每一步 AI 答案都标明数据来源;下单写动作必须过确认门。

图 2 · 订货会端到端流程(竖版)· 14 个节点

会前 · 打底与配置→会中 · 移动端现场→会后 · 跟踪与履约

外部 · 经销商线(嵌入式智能体)

会前

01挂件配置上线

订货会四模块(数据 / 政策 / 产品 / 品类)· 权限视图按渠道角色配置 · 知识库就绪 · 蓝图配置即上线 · 兜底转人工

会中

02扫码进订货会页 · 识别身份

自动切到该经销商的政策视图(手机端)

03政策问答

订多少拿几个点 · 品类推荐

04一句话查单

订单 / 库存 / 余额 · 跨系统一次问清

05订货模拟

达成测算:补哪些品 · 够到下一档返利

06确认下单

过确认门 → 回写DMS / B2B

会后

07订单进度 · 物流一句话查

会后随时问,不用打电话催客服

08预警推送接收

超期未提 / 预定金不足 / 业绩缺口 · 经挂件 / 企微 / 短信主动送达

内部 · 订单中心线(工作台智能体)

会前

09报告模板与阈值配置

诊断报告模板 · 推送阈值 · 预测口径 · 把老员工的规则先落纸再固化

会中

10现场支援与接待监控

复杂问题转人工 · 接待量与未解决率实时看 · 当天有人兜底、有数可看

会后

11会后经营作业

诊断报告自动生成 · 推送规则运营 · 以销定产建议进 OMS 工单

系统与数据底座(MCP · 知识库 · 事件引擎)

会前

12打底:知识库建库 + 连接器接通

底座就绪,支撑配置与问答

会中

13实时执行:MCP 查询 · 确认门回写 · 权限隔离

会后

14事件触发:阈值命中 → 企微 / 短信 / 挂件送达经销商

订货会验证的不是单个功能,是“嵌入式智能体 + 底座”整链路;会中所有接待留痕,会后自动变成诊断报告和推送规则的养料。

04 / 数据关联

四类数据,四条管道

不把所有数据搬进一个湖,按数据性质走四条管道:静态知识走知识库、交易数据走 MCP 实时查、阈值事件走事件引擎、AI 产生的结果走回写与审计。混在一起就会做出又慢又错的中台。

流程图

图 3 · 数据关联(竖版)· 源系统 → 管道 → 消费 → 价值

数据源(老系统 / 文档)

政策 / 返利 / 规则文档(静态知识 · 变化低频)

商品主数据 · 产品中台(品类 / 规格 / 手册)

订单 · 库存 · 价格(B2B / DMS)

财务 · 预定金 · 应收(SAP)

定制订单 · 工单(C2F / OMS)

历史订单 · 经销商画像(推荐与预测基线)

↓ 分管道加工

知识库 · RAG(静态知识)→问答

结构化建库 · 检索增强 · 同一问题同一答案

MCP 实时查询(交易数据)→报表

不缓存副本 · 每次查原系统 · 带时点标注 · 一句话跨系统出数

事件引擎(阈值事件)→推送

订阅交易数据变化 · 阈值命中即触发 · 出事之前先预警

回写与审计(结果数据)←技能

确认门放行才写 · 全程回执可追溯 · 落回原系统

↓ 业务价值

人工接待量下降 · 政策口径零分歧

查单从半天到秒级 · 跨部门协调归零

超期未提率下降 · 资金占用可控

老员工经验变资产 · 新人上手周期缩短

权限线贯穿

N 渠道 × N 角色 → 数据范围。代理商 A 与 B 问同一政策,得到各自视角的答案;价格员、结算专员、导购各看各的数。隔离在 MCP 层完成,不在应用层打补丁。

05 / 运行机制

Skill、MCP、Token,双智能体

四个部件各管一件事:Skill 管“把流程变成可执行动作”,MCP 管“让 AI 够得着系统”,Token 管“用量与钱”,双智能体管“谁在什么位置用”。

部件 01 · Skill 技能包

把流程固化成动作

一个 Skill = 一段被文档化、可重复执行的业务流程:取数规则、计算逻辑、动作清单、确认节点都在里面。链路:trigger → fetch → compute → 确认门 → act → receipt。22 项技能需求从零共创,首批:交期按波次分配、预定金冻结解冻、报关单装箱清单生成。

部件 02 · MCP 连接器

AI 与系统之间的同传

把每套系统的 API 注册成标准工具,任何智能体用同一协议调用;权限与数据范围在这层切清。链路:register → invoke(authz) → isolate → audit。八套系统逐套盘点、一套一验收一计价。

部件 03 · Token 生态

用量与钱的计量单位

每次 AI 请求消耗 Token,按请求可查、按模型分列,多实例共用一池。订货会峰值用量可预估,预算按 Token 包 + 订阅分级报——直接回应“一个 Skill 多少钱”。

部件 04 · 双智能体

各管一段,不是二选一

外 = 嵌入式挂件,长在系统里,服务经销商与老板;内 = WorkBuddy,在系统外,服务订单中心与 IT。订货会现场以外部线为主,会后经营以内部线为主,读同一批连接器。

06 / 业务目标

这套方案可以实现什么

订货会咨询接待

现状:微信人工回复,会中峰值接不住落地后:挂件 24 小时同问同答,人工只接转办与例外度量:接待量 · 转人工率 · 未解决率

跨系统查单

现状:N套系统人工拼数,一个订单问半天落地后:一句话全链路说清,带数据时点标注度量:查单耗时 · 跨部门协调次数

经销商行为管理

现状:超期未提、预定金不足靠事后发现落地后:阈值触发主动送达,扣款预警在事前度量:超期未提率 · 预定金占用 · 达成率

订单诊断与产供销协同

现状:报告靠老员工 Excel,出一次几天落地后:报告分钟级自动生成,以销定产建议直达 OMS 工单度量:报告产出时长 · 预测准确率

政策一致性与培训成本

现状:政策靠老员工口口相传,新人上手慢落地后:知识库同问同答,老员工经验固化成 Skill度量:新人上手周期 · 政策争议单数

07 / 十例工程剖析

10 个场景的具体实现

每个例子按同一体裁拆解:执行管线、要客户什么数据、开放什么接口、配合什么参数、模型怎么选。蓝=MCP 取数,绿=规则计算,紫=LLM / 输出,琥珀=事件 / 工单,红=确认门。

例 01PPT P3 · 嵌入式

按卖点推荐产品

“推荐几款带数显的恒温淋浴器”

挂件触发→LLM 抽槽位→混合检索召回→规则+销量排序→推荐卡片

属性走结构化过滤(产品中台),卖点话术走向量召回;参数数字必须来自结构化字段,防幻觉。一次建库覆盖产品对比、竞品对比、品类核心产品等五类问法。

可直接实现。前提:产品中台属性结构化 + 属性词典(“数显”=“带屏”),手册 PDF 批量导出建库。

例 02PPT P3 · 嵌入式

下单保障缺口测算

“6月和7月还需要下单多少”

挂件触发→时间窗解析→三源取数→缺口=目标−已下单→缺口解读→一键转下单草案

目标(绩效源/Excel)、已下单(B2B)、已提货(SAP)三源取数;钱不交给 LLM,公式固化在 Skill 内可审计。

可实现,规则先落纸。保障度公式、目标数据源、剔除口径三项必须书面签认——报错一个缺口金额,经销商会拿截图对质。

例 03PPT P8 · 事件+双端

每周《订单诊断报告》

七模块全维诊断 + 下单建议

每周定时批处理→七模块取数→症候库诊断→LLM 叙事→双端分发

七模块:提货达成、订单保障、提货均衡性、未提订单、交期分析、问题诊断与下单建议、提货计划与资金准备。数字只许引用计算层,LLM 不自由诊断。

可实现,核心在症候库共创。老订单员“该催提货还是催下单”的判断须变成决策表:2-3 场工作坊,首批 20-30 条症候规则,用真实数据回放校准。

例 04PPT P4 · 嵌入式

未提订单与预定金测算

“6-7月还要提多少货,准备多少预定金”

挂件触发→拆两个子任务→OMS/SAP/知识库取数→规则计算→资金准备清单→冻结申请过确认门

预定金 = Σ(订单额 × 品类比例);财务数字零容错,LLM 不碰算术。

可实现,预定金比例表是第一前置。SAP 财务接口授权周期最长,建议本周即发起授权申请。

例 05PPT P4+P6 · 事件引擎

超期未提明细与扣款预警

“我有没有超期未提的订单”

A · 每日批扫主动推+B · 实时问答被动查→共用判定内核→分级触达

问答与推送共用同一套判定逻辑,保证“问的和推的一致”;触达升级链:挂件→企微→短信,同一单同一周不重复轰炸。

可实现,误报是最大风险。超期口径须财务书面确认;上线前用近 3 个月历史数据回放对账,AI 判定 vs 实际扣款一致率 ≥99% 才开推送。

例 06PPT P4 · 嵌入式

对账单 / 账户余额查询

“查询一下5月对账单”

挂件触发→意图+强鉴权→SAP 取数→模板渲染+勾稽自检→账单卡片

期初+发生≠期末即拦截不展示;月中查询展示未关账实时数,界面必须写明口径。

可直接实现,按“财务级”标准交付。三条铁律:数字只从 SAP 来、关账口径必标注、AI 不裁决差异只提供“一键异议”工单通道。

例 07PPT P5 · 写动作

订单加急申请流转

“请帮我加急XX订单”

槽位收集→可行性预判→确认门→工单双推(总代+订单员)→状态回传·超时升级

AI 只做收集、预判、流转、回传四件事,加急成不成由人决定——确认门里明确写“不承诺加急结果”。投诉关键词(延误/延期/投诉)命中即跳过预判、高优工单。

直接可实现,是“AI 不越权”的样板。同页改地址、售后催单、投诉转接三个同族需求共用此模板。

例 08PPT P5 · 工作台

区域出货聚合报表

“XX零售中心到区域出货情况”

WorkBuddy 触发→维度解析→快照聚合取数→权限裁剪→图表输出+下钻

出货明细千万行级,走 T+1 日快照 + 预聚合(轻数仓路线),不实时扫 SAP 生产库;不用开放 text2SQL,模板化聚合可控可审计。

可实现,架构上必须走快照而非实时。区域数据敏感,角色 × 范围权限矩阵需销售管理与 IT 共同签认后才开放。

例 09PPT P6 · 事件引擎

业绩达成推送家族

“完成率不足50%,请及时提货”

定时+阈值双触发→按经销商计算→分级判定→个性化文案→多触点频控触达

PPT 已给 8 类消息模板连措辞都拟好了,等于验收标准自带;LLM 只做称谓与语气自然化,数字锁死引用计算层。

直接可实现。工程量集中在 SAP 过账事件对接、企微 userid / 手机号档案清洗、频控策略拍板。建议先挂件单通道灰度两周再开升级链。

例 10PPT P7 · 工作台

单品库存周转预估

“某款单品还能卖多久?”

WorkBuddy 触发→SKU 解析→销存四面取数→两期算法→健康评级+LLM 解读

一期:可售天数 = 库存 / 加权日均销(移动平均),当天可上线;二期:积累 3 个月标注后再评估时序模型。同族:热销 TopN、库存健康度、欠货分析共用同一套销存数据面。

分析直接可实现,预测分两期。客户自己把“销售预测”排在第三期——先跑起来积累“准/不准”标注,二期再上时序模型就有验收依据。

08 / 三张配合清单

十例合起来看:客户要配合三张清单

清单一 · IT 侧 · 接口开放

SAP:出货、余额、预定金、对账单、过账事件订阅——周期最长,最先启动B2B:订单查询、草案回写(写)OMS:未提订单、交期、在途排产、工单库存中台 / C2F / 产品中台  :库存、定制进度、属性与系列映射、门店层级通道类:企微应用消息、短信网关、工单系统

清单二 · 业务侧 · 规则参数落纸

财务类:预定金比例表、冻结解冻扣款规则、对账与关账口径目标类:保障度公式、目标分月拆分、剔除口径、预警分级线预警类:超期判定起点、扣款倒计时、频控与免打扰分析/诊断/流转类:健康阈值、权限矩阵、症候库、加急规则与 SLA

清单三 · 组织侧 · 共创与验收机制

口径确认会:每个计算类 Skill 上线前业务部门书面签认公式工作坊:2- 3 场,资深订单员用真实数据回放校准历史回放对账:预警类上线前回放 3 个月,一致率 ≥99%样张签认 + 标注回流 + 灰度节奏:先挂件单通道、先单渠道,12 月订货会前完成一轮灰度

总结:通过商派AI智能体层方案+业务系统协同之后,问答走知识库 RAG,查询走 MCP 实时查,计算走规则 Skill,推送走事件引擎,报告走批处理 + 受控生成,写动作全部过确认门。真正以最简单有效的方式,让现有的老业务系统 智能化、AI 化、Agent 化。

知名家装品牌业务系统 AI 智能层建设方案|商派 ShopeX 

以“AI+开源”双轮模式,商派打造面向未来增长的自主可控、安全智能的新商业底座
给商城加个"会卖货"的AI外挂:商派AI导购智能体(AI购物助手)落地指南与答疑

相关学习资料