01
任务是流程，不是单次问答
需要按顺序完成多个步骤、在不同环节读取不同资料、中途还要等人确认——这类任务靠通用助手很难做稳。
- 适用情况
- 有明确的业务流程需要自动化
- 技术方式
- 企业知识库 + 业务模型 + 主流框架
- 交付形式
- 可运行的智能体应用
适用情况
什么情况适合定制开发
如果现成工具能解决，我们会直接建议用现成的。定制开发更适合下面这些情况。
02
必须与现有系统打通
要给客户答案，先得查到订单、工单或库存的真实状态；要推进流程，就得能调用现有系统的能力。
03
通用助手不懂你们的内部规则
判定标准、审批流程、术语口径都是企业特有的，需要把这些规则明确写进智能体的执行逻辑里。
04
需要按企业自己的规则执行
哪些情况全自动、哪些必须人工确认、哪些不允许执行——这些边界要在系统里落地，而不是靠使用者的自觉。
定制范围
定制的是这四个维度
把"定制"说清楚，双方才知道交付边界在哪里，也避免后期反复改动。
任务与流程
定义这个智能体负责哪些任务、按什么顺序执行、每一步需要什么输入、遇到什么情况转人工。
知识与口径
约定使用哪些资料作答、哪些问题不回答、答案以哪份文件为准，以及资料的更新与生效方式。
系统与权限
确定对接哪些系统、能读取哪些数据、能执行哪些动作，以及哪些操作需要人工审批后才可生效。
交互与入口
在哪个入口使用（办公平台、网页、内部系统）、以什么形式呈现结果、需要哪些操作按钮。
交付内容
你会拿到什么
交付的不只是一个能跑的应用，还包括让你们的团队能接手、能继续调整的说明与文档。
01
流程梳理与边界定义
把现有流程写成可执行的步骤，明确自动化范围与转人工节点。
02
智能体设计与配置
任务编排、提示与规则设计，以及不同条件下的执行逻辑。
03
企业知识库接入
按业务场景组织资料，让回答有据可依并可追溯到原文。
04
系统对接与权限配置
完成办公平台与业务系统 API 对接，并配置数据范围与操作权限。
05
测试记录与上线支持
试运行阶段的测试记录、问题清单与调优结果。
06
使用说明与迭代建议
日常使用与维护说明，以及后续可扩展的方向建议。
开发流程
从流程梳理到上线，通常分五步
建议先用小范围原型验证思路，再投入完整开发——流程没想清楚就开发，返工成本很高。
-
01
流程梳理与边界
把业务过程拆成步骤，明确哪些自动化、哪些保留人工。
-
02
原型验证
先做小范围原型，用真实场景验证思路是否成立。
-
03
开发与集成
完成智能体开发、知识库接入与系统对接。
-
04
测试与调优
按测试用例验证各类情况，修正回答与流程逻辑。
-
05
上线与迭代
上线后收集真实反馈，持续调整规则与知识内容。
-
智能体框架选型
支持多种主流智能体框架，具体选型按任务复杂度、工具调用需求与团队维护能力决定，不绑定单一方案。
-
知识库接入方式
按场景组织企业资料并建立检索，让回答基于检索到的内容生成，可追溯到原文。资料更新后即刻生效，不需要重新训练。
-
系统对接与权限控制
明确能读取哪些字段、能执行哪些动作、哪些操作需要人工审批后才生效。可对接企业微信、飞书、钉钉与业务系统 API。
-
部署方式与数据边界
数据能否出企业、部署在哪里、日志如何留存，都在方案设计阶段确定并写入实施方案，而不是等开发完成再讨论。
配套方案
和这几段能力配合使用
企业 AI 解决方案咨询
不确定该定制什么时，先做一次诊断把场景和优先级排清楚。
了解方案垂直领域模型训练
当通用模型在专业判断上不稳定时，用企业数据训练专属模型。
了解方案企业 AI 数字员工系统
如果需求与预置岗位接近，用数字员工系统比定制开发更快上线。
了解方案常见问题
关于定制开发
和买一个现成的 AI 工具有什么区别？
现成工具通常解决通用问题，需要使用者自己去适配流程；定制开发是把你们的流程、口径和系统对接关系做进应用里，用起来更贴合实际，但前期投入与开发周期也更高。如果需求与预置的数字员工接近，我们会直接建议用现成方案。
支持哪些智能体框架？
支持多种主流智能体框架。具体选型会在方案设计阶段结合任务复杂度、工具调用需求与企业技术团队的维护能力确定，不绑定单一方案。
开发一个智能体需要多长时间？
取决于流程复杂度和系统对接情况——对接环节往往比开发本身更耗时。我们会在流程梳理阶段评估工作范围，给出分阶段排期，先做原型验证再进入完整开发。
数据安全怎么保证？
数据范围、访问权限、部署方式与日志留存策略会在方案设计阶段明确并写入实施方案。涉及核心工艺或客户信息的场景，我们会先确认边界，再决定技术路线。