项目案例 · 2026.06 AI智能体开发实录——工价结算从20天算不清到3天准确核算 专用车制造行业 · 工价结算系统建设实录 |
一家做专用车制造的客户找到我们——他们每月能接到 1100-1300 张订单,每张订单的工价要拆到 33 个班组、5 个事业部、8-15 道工序、6 种尺寸维度、30+ 种加装项。 之前每个月 4 个人轮着核对 20 多天,还要担心"老师傅记错规则"、"Excel 漏行"、"工价重复发"——这家企业出过多次车间腐败问题,原因都指向"工价核算不透明"。 我们用 AI 智能体做了 1 套工价结算系统。1个月上线,第一个月就把核算时间从 20+ 天压到 3 天,月度 336 万工价 0 错算。 这篇文章讲清楚 3 件事:业务为什么这么难、AI 智能体做了什么、上线后什么样。 |
01业务复杂度:为什么这事"看上去简单,做起来要命" |
专用车制造的工价核算,是个"看起来Excel可做,做起来要命"的事。
为什么这么说?——4 个让业务方睡不着的问题:
1. 车型-工序-班组的笛卡尔积爆炸——5 事业部 × 30+ 车型 × 33 班组 = 数千种组合。每种组合的工价都不一样。
2. 同一订单有 8-15 道工序——一道订单的工价要算给 5-10 个班组,且每个班组的工价都按不同规则。班组 1 看"款式+尺寸",班组 2 看"加装项",班组 3 看"批次归属"……
3. 6 种尺寸维度——容积、轴距、罐径……不同车型用的维度不同。罐式车看容积,压缩车看容积分档,清运车看轴距,环境清洗看罐径。
4. 30+ 种加装项——"不锈钢"加 30%、"出口"加 40%、"二次装配"加 500 元……且系数可叠加(不锈钢 × 出口 = 1.3 × 1.4 = 1.82)。
这种业务规模,用 Excel 算能算——但算得对、算得快、算得可追溯,Excel 做不到。
这家企业之前每月 1229 张订单跑完,4 个人轮着核 20 多天,最后一天还要担心"这个工价对不对"——因为规则太散,没人能 100% 确定。
↑ 配图 1:1 个月的 1229 张订单长这样
![]() |
这张图是上线后第 1 个月跑出来的——1 个月的订单列表。鼠标悬停解读状态、加装、结算列可以看明细,点击"打开"看三段式工价。
02AI 智能体的关键能力:为什么这事"只有 AI 干得了" |
AI 智能体在这个项目里不是"加速器",是"唯一解"——有些事没有 AI 短期做不到。
3 个 AI 智能体做到、人工做不到的事:
1. 本地文件处理:把不规则 Excel 倒推成结构化规则
业务方只给了 3-4 张 Excel:部分车间的部分工序计算规则 + 近 2 个月的工价结算明细。
没有 AI 之前——让顾问人工读 3-4 张 规则混乱的Excel,把规则整理成结构化文档——基本不现实。
AI 智能体的做法:1-2 天读完 → 倒推出"非标×卷罐×标准化=130 元"、"加装不锈钢×1.3"、"轴距 3308 以下按 A 档"……并和业务方/HR 多轮确认。
关键能力:AI 智能体能处理"非结构化的本地文件",这是 LLM 出现之前任何工具都做不到的事。
2. 把"老师傅脑子里的规则"文档化
这家企业的工价规则散落在 3 个地方:Excel 文档、老师傅记忆、纸质单据。
之前多次尝试梳理但一直无法实现——因为没人能把"老师傅脑子里的逻辑"挖出来。问老师傅"这个工价为什么这么算",他说"就是这样"——没有 AI 之前,这种"经验型知识"几乎无法文档化。
AI 智能体的做法:用多轮对话,把老师傅的经验问出来 + 验证 + 文档化。
关键能力:AI 智能体能"问对人"——它知道"这个工价为什么这么算?"该问谁、怎么问、问到什么深度。
3. 三段式工价计算:基础×系数+加装
公式:price = base_price × Π(applied_coeffs.factor) + Σ(applied_addons.price)
没有 AI 之前——这种条件嵌套的逻辑,写代码要 1-2 周(还要反复调试)。
AI 智能体的做法:业务规则文档定下来后,AI 智能体自动生成决策流代码、自动识别生产任务单的关键参数(正则匹配)、自动处理"加装只加到第一道有效工序"这种细节。
关键能力:AI 智能体把业务规则直接转成可执行代码——这中间不需要"程序员翻译"。
↑ 配图 2:AI 智能体要解析的字段长这样
![]() |
这是 AI 智能体在系统里的"输入面板"——业务方填订单号、事业部、车型、容积、轴距、罐体尺寸、款型,剩下的 5 维度解析 + 款式推断 + 工价计算全部由系统自动完成。
判断逻辑——AI 智能体在这个项目里替代的是什么? 不是替代程序员——是替代"规则翻译"这个角色。业务方想到什么,AI 智能体就能把它变成代码。业务方只要负责"把规则讲清楚",剩下的是 AI 智能体的事。过去 3 个顾问 1 个月写不出来的工价规则文档,AI 智能体几分钟就能倒推出来。 |
03上线后什么样:5 张截图讲清楚 |
做完之后真实跑出来的数据——不是 PPT,是月度 1229 张订单的真实系统。
5 张截图对应 5 个潜在客户会问的问题:
问题 1:业务真有这么大吗?——是的,1 个月 1229 张订单。
回到刚才的配图 1,这 1229 张订单跑在系统里。解读状态用 3 色 badge 区分——绿色是已匹配,橙色是部分加装,红色是未匹配。1 个月下来 1148 张已匹配,93.4% 的自动匹配率。
问题 2:月度算多少?——336 万。
↑ 配图 3:月度工价核算仪表盘
![]() |
5 个事业部卡片清晰展示月度工价核算规模——厢式车 1,345,375 / 罐式车 1,027,940 / 环境清洗 463,557 / 清运 395,852 / 消防应急 134,485。合计 3,367,209.50 元——这是 1 个月的工价核算总量。
问题 3:算出来长什么样?——三段式工价。
↑ 配图 4:订单详情 - 三段式工价明细
![]() |
这是订单 T1990 的三段式工价明细——整车工价合计 2,570 元/台 = 基础 2,405 + 加装 165。基础工价 6 项:总装车间-抑尘车装配 1,600(肖泽班组长)+ 边灯安装 25(沈宏凤班组长)……每行工价都能追溯到"班组 + 工序 + 班组长"。
问题 4:怎么灵活结算?——按月/按批次/拆工序/拆加装。
↑ 配图 5:结算中心
![]() |
3 个结算批次清晰展示:2026-05-清运(已确认 / 1 单 / ¥380)、2026-05-厢式车(已确认 / 2 单 / ¥8,120)、2026-05-罐式车-02(草稿 / 5 单 / ¥9,143)。支持按月、按批次、拆工序、拆加装灵活结算——业务方要的任何结算粒度都能配。
判断逻辑——上线第 1 个月 0 错算意味着什么? 不意味着"系统完美"——意味着"规则明确的地方系统不会错"。剩下的 6.6% 未匹配订单,是因为业务方给的资料不完整("未匹配"的订单会标红,由人工补单)。系统的价值不是 100% 自动化,是 100% 可追溯 + 90% 自动化。 |
04关键业务结果:3 个数字告诉你值不值 |
1 个项目值不值,3 个数字能说明白。
3 个核心数字:
1 年节省 38 万怎么算的:
① 人力节省:4 个核算员 × 15 天/月 × 0.3 工时 = 18 天/月 × 12 月 = 216 工时
② 错算返工成本:之前每月错算 5-8 单 × 500 元/单 × 12 月 ≈ 5 万
③ 投诉处理成本:之前每月 5 起 × 2 小时 × 100 元/小时 × 12 月 ≈ 1.2 万
④ 车间腐败风险:这个数字没法估——但系统自动防呆让这类风险归零。
合计:1 年节省 38 万。
1 个补充:AI 智能体不是替代人
上线后,业务方的角色从"算工价"变成"定规则"——HR 的角色从"核对数据"变成"审结算"。AI 智能体替代的是"机械核对",不是"业务判断"。业务方还是要懂业务,HR 还是要懂结算——只是不再需要"用 Excel 算 4 轮"。
总结——AI 智能体做企业项目,最大的价值不是"做得快" 是"做得透明"。过去 20 天里 4 个人轮着核对的工价表,现在 3 天 1 个人就能看完。这中间省下的不是钱,是老板对业务的掌控感。专用车制造行业只是我们做的众多行业之一——制造业、零售、外贸、餐饮、医疗……每个行业的"工价"不一样,但"规则散落、老师傅记忆、人工核对"的痛点是一样的。AI 智能体能做的是:把"散落的规则"变结构化文档,把"老师傅的记忆"变可验证规则,把"人工核对"变自动防呆。如果你企业的工价核算、销售提成、采购结算、考勤工资……也有类似的痛——这套方案可能直接复用。 |
如果你的企业也有"老师傅记规则"、"Excel 算工价"、"每月对账对不齐"——这套方案可能直接复用。点个「在看」,转发给同样在做数字化转型的同行 关注「星启慧博」,每周一/三/五更新项目案例 |
夜雨聆风



