怎么配出来的

在扣子APP里配好AI助手——告诉助手需求，助手自己理解业务逻辑、配好规则。客户打开扣子APP对话就能用，零门槛。

数据存储按需选择——BOM这种结构化数据存飞书多维表格，助手直接读写；编码规范、校验规则等参考文档存文件系统（知识库）；简单配置用助手记忆。按数据特点选最合适的。

配置一次，持续迭代——先配核心功能（查错+查询），跑起来后加清洗和格式转换，每周根据实际使用反馈调整规则，助手越用越聪明。

架构三块：助手（大脑+对话）+ 文件系统（知识库）+ 飞书多维表格（数据库），不需要服务器，扣子APP里完成全部配置。

BOM助手需求说明（拿去直接用）

把下面这段需求发给你的扣子AI助手，就能开始配：

角色：BOM管理助手

你的任务：帮我管理BOM数据，完成查错、清洗、查询和格式转换四项工作。

查错规则：

清洗规则：

查询：我直接问物料编码、BOM子件、用量等问题，你从飞书多维表格中查询回答。

格式转换：我提供源格式和目标格式，你完成转换。

数据存储：

查错——贴数据自动跑5项检查，一家制冷设备企业第一次扫描2000行BOM，5分钟揪出30-50个问题，人工逐行检查要1-2天；

清洗——按规则批量修正，清洗频率从"每季度集中搞一次"变成"每周跑一次，每次改几个最严重的"，数据越用越准，不用停线等清洗；

查询——直接问"020S001的最新用量是多少"，一句话查物料，不用翻Excel；

格式转换——ERP导出的格式采购看不懂，贴给助手30秒出结果。规则明确、逻辑单层，助手完全胜任。

多级BOM展开+条件用量：成品展开5-6级，每级有替代料、可选件、条件用量——"订购量>1000用A料，否则用B料"。逻辑嵌套深，大模型递归一深就跳步算错。

带损耗率的物料推算：下料损耗3%取整→机加工再损耗2%取整，链式3-4层，每步输出是下步输入，助手保不住计算精度和顺序。

BOM变更影响分析：改一个子件要反向追溯所有引用它的上层BOM（同一子件可能被多个成品共用），逐级算成本差异，助手可能漏查共用件，更做不了精确核算。

智能替代料决策：缺货时要同时比库存、价格、交期、质量等六维加权评分，给出最优方案，助手能聊建议，给不出基于实时数据的结构化推荐。

根本原因：逻辑嵌套深，大模型无法保证递归；计算需回溯和精确累加，大模型做不了图遍历；结果要结构化输出，不是一段建议。

以多级BOM展开为例，核心逻辑：递归展开→条件判断→用量累加。输入成品编码和数量，查数据库取子件，按条件判断实际用料，有子BOM则递归，采购件则累加到汇总表，输出结果。

损耗推算同理——每步用量÷(1-损耗率)再取整，需要链式计算引擎。

替代料决策需要多维度加权评分算法。

整体是"数据库+后端算法+前端看板+API集成"四层架构。企业发展到需要与ERP/MES集成时，通过API实时获取数据，这是替代料决策和MRP运算的前提。

先用扣子助手搞定80%日常问题，验证规则价值；规则稳定后复杂计算用算法补上；最后看板落地让团队真正用起来。价值没验证就上算法，容易做偏。

这就是会锦的方案：扣子助手覆盖日常，定制算法解决深水区。不是要么全自助要么全定制，而是先轻后重、逐步升级——80%的问题，扣子助手打开就能用；剩下20%，找专业服务商定制开发算法。

制造业AI落地，教你用，陪你做