原来卡在哪
一家两三百人、年营收一二十亿元的柔性制造企业：非标订单的「报价」其实是一条完整链路——图纸解析、需求拆解、研发协同、生产方案、成本核算、报价。整条链路高度依赖稀缺的技术骨干，报价速度决定订单能不能拿下、准确率决定这单有没有利润；骨干一忙报价卡住几天，售前节点直接卡死、订单流失。
具体怎么做的
深入车间调研，把「报价」重新拆成一条业务链路：跟一个订单从图纸到交付走完全程，问清谁看图、谁拆解、谁定物料、谁判工艺、谁核成本、谁报价。
先解决非结构化信息入口：多模态能力解析 PDF/CAD 图纸，抽取材料、尺寸、结构要求并结构化。
让 AI 进入企业自己的业务规则：结构化需求与企业自己的物料、供应商、历史报价规则匹配，垂直 Agent 串联——端到端直接出价会失真，改成「模型只做结构化＋规则库匹配＋每单人工校准」。
把老师傅经验变成企业数据资产：人工校准与回填机制形成数据飞轮——AI 生成、人工校准、数据回填、下一次结果更好。
不等所有需求搞清楚再开发：边干边改，拿阶段性产出（Demo/流程/功能）帮客户澄清需求，来回几次甚至十几次。
先让关键人试用，再逐步推广：关键人拿真实订单试跑→业务小组试运行 1–2 个月→真实订单验证→部署、培训、扩大到整个部门。
效果 · Before → After
报价相关工作量
释放的人力
报价知识
踩过的坑
- 真实图纸远比样例杂（手写标注、特殊符号、扫描件）——给识别加人工校准兜底，修正结果回填模型
- 企业数据远没有想象中标准——大量时间做清洗、结构化与业务规则还原
- 比数据更难的是人——乙方无权安排甲方员工，AI 转型必须是一把手工程，简单裁人从来不是选项