从需求描述到报价生成：售前报价Agent的工程化实践与7个关键决策

2026年1月21日 互联网

一、工程背景：从离散数据到智能生成的技术跃迁

在工业设备集成领域，某企业积累了超过7000份历史报价单，这些Excel格式的文档分散存储在不同业务部门的电脑中。当销售团队面对新客户时，需要花费数小时手动筛选相似案例，且修改过程缺乏标准化，导致报价误差率高达15%。

这种场景下，传统RPA方案仅能实现文件格式转换，而纯LLM方案又难以保证数据准确性。我们采用”模板约束+LLM填充+代码校验”的三层架构，构建了可解释的自动化报价系统。该方案在首期实现历史报价检索功能后，二期扩展为完整的报价生成Agent，将报价准备时间从4.2小时缩短至28分钟。

二、核心架构：三层协同的生成范式

1. 模板层：结构化约束

开发团队构建了包含127个字段的报价模板库，涵盖设备型号、服务条款、折扣规则等维度。每个模板配置JSON Schema校验规则，例如：

  1. {
  2.   "type": "object",
  3.   "properties": {
  4.     "equipment_type": {
  5.       "enum": ["RO反渗透","超滤系统","EDI模块"]
  6.     },
  7.     "service_period": {
  8.       "minimum": 1,
  9.       "maximum": 60
  10.     }
  11.   }
  12. }

这种强类型约束确保生成内容符合业务规范，避免LLM产生”设备保修期3650天”等荒谬结果。

2. LLM层：语义理解与参数抽取

采用混合模型架构，主模型负责需求理解，微调后的领域模型执行专业参数抽取。例如输入”需要处理200吨/天含盐废水，要求达到一级排放标准”，系统会：

  1. 识别关键实体：处理量(200t/d)、水质(含盐废水)、排放标准(一级)
  2. 映射设备选型：RO反渗透+化学软化预处理
  3. 计算服务参数：膜清洗周期、耗材更换频率

通过Prompt Engineering将业务知识注入模型，如添加示例：

  1. 用户需求：处理50m³/h印染废水
  2. 正确解析：
  3. - 处理量：50m³/h → 50*24=1200m³/d
  4. - 设备选型：超滤+生化处理组合
  5. - 特殊要求：色度去除率≥90%

3. 校验层：多维度数据验证

开发了三级校验机制：

  • 格式校验：检查日期格式、货币单位等基础字段
  • 业务规则校验：如”设备总价不得低于成本价120%”
  • 历史数据比对：识别与同类项目报价偏离度超过30%的异常项

当检测到”SKU-202305-RO膜组件”单价偏离均值28%时，系统会触发人工复核流程。

三、关键工程决策：构建可靠生成系统的7个要点

决策1：状态机驱动的工作流管理

采用LangGraph 1.0构建有向图状态机，定义了6个核心状态：

  1. graph TD
  2.     A[需求接收] --> B[参数解析]
  3.     B --> C{校验通过?}
  4.     C -->|是| D[案例检索]
  5.     C -->|否| E[LLM修正]
  6.     D --> F[报价生成]
  7.     E --> B

每个状态转换配置超时机制，如参数解析阶段超过90秒自动回退到人工干预模式。

决策2：多轮追问的交互设计

当需求模糊时，系统启动渐进式追问流程：

  1. 初始问题：”处理量单位是m³/h还是t/d？”
  2. 确认问题：”确认采用304不锈钢材质？”
  3. 补充问题：”需要包含安装调试服务吗？”

通过维护上下文状态表，确保追问过程不丢失已确认信息。

决策3：动态模板选择策略

开发了模板匹配算法，综合考虑：

  • 行业相似度（化工/电子/食品）
  • 处理规模（10-100t/d小规模 vs 500+t/d大规模）
  • 服务类型（EPC总包 vs 设备销售）

匹配度计算公式：

  1. 相似度 = 0.4*行业权重 + 0.3*规模权重 + 0.3*服务权重

当相似度>0.75时直接复用模板，0.5-0.75间进行字段适配，<0.5时触发全新报价流程。

决策4：LLM自修正机制

针对校验失败的字段，设计了两阶段修正：

  1. 提示重构：将错误信息转化为修正提示，如”检测到膜组件单价异常，请参考历史平均价￥28,500重新生成”
  2. 少样本学习：提供3个正确案例作为修正参考

实测显示，83%的校验错误可通过自动修正解决，剩余17%转人工处理。

决策5：Excel渲染引擎优化

开发了基于OpenXML的渲染组件，实现：

  • 动态公式计算：自动生成SUM/VLOOKUP等公式
  • 条件格式设置：突出显示折扣项、可选配件
  • 多Sheet管理：设备清单、服务条款、付款计划分页展示

渲染速度优化至2.3秒/页，支持10万行级数据渲染。

决策6：版本控制与审计追踪

构建报价单版本树，记录每次修改的：

  • 修改人（系统/人工）
  • 修改时间（精确到秒）
  • 变更字段（前值/后值）

提供差异对比视图，可追溯至初始生成版本。

决策7：渐进式部署策略

采用三阶段发布：

  1. 影子模式：系统生成报价但不返回，人工对比验证
  2. 辅助模式：生成草案供销售修改，记录修改幅度
  3. 自动模式：高置信度场景直接采用系统报价

经过2个月迭代，自动模式适用率从12%提升至67%。

四、实施效果与行业价值

该方案在某水处理企业落地后，实现：

  • 报价准备时间减少89%
  • 报价错误率从15%降至2.3%
  • 新销售培训周期缩短60%

这种工程化方法论可推广至：

  • 机械设备定制行业
  • 专业服务报价场景
  • 标准化产品组合销售

核心价值在于将隐性业务知识转化为可执行的生成规则，同时保持系统的灵活性与可解释性。未来计划集成实时价格库和供应商API，构建更动态的报价生态系统。

最新文章