深蒸馏 · 企业 AI 原生转型

分享 to B Agent 业务避坑经验 · 深蒸馏(07)

抖音短视频 | 2026-07-24 | 9.6 分钟 | 已深蒸馏 7 / 30 | 2 组 · 2 表
来源:原视频 | VA7(抖音)| 2026-07-24 | 9.6 分钟 / 约 3.6 千字转写
直链(在飞书/企微预览里点击可能被拦截,复制到浏览器打开):https://www.douyin.com/video/7666057077659603391
阅读路径:这条讲报价与交付单位,做 to B 的人会很有共鸣。第一组是「一个 agent 多少钱」为什么是不负责的报价;第二组用售后 agent 拆开一个岗位背后到底要接多少东西。核心一句:agent 不是合理的交付单位,数据基建才是大头。
一句话结论:企业买不到「几个 agent」就完成转型;一个岗位背后是知识库、政策库、历史判例、订单系统、ERP、API/CLI,这些没理顺,装多少 agent 都跑不出业务结果。

第一组 · 按 agent 报价为什么不负责

1.1 场景

一家 80 多人的电商公司要做客服、营销、广告三个部门转型。采购经理问「这三个 agent 一共多少钱」,并说之前咨询的团队都是按一个 agent 多少钱报价。

1.2 为什么不通

很多没做过落地的人以为:岗位无非是 SOP 和职能,把 SOP 做成 skill 装到 agent 上,职位就数字化了。但做过业务的人知道,一个岗位不只是一张 SOP。

原文在说什么

他的核心判断是:agent 是界面,不是交付物。按界面报价,等于按「装了几个软件」给数字化转型定价——真实成本永远在背后的数据与流程。

关键概念
对你的实际应用

你评估任何「AI 工具」时也可以用这条:它给我的是一层界面,还是能接进我的数据与流程?你的 report_html.py 属于后者(接了行情、K 线、净值),所以它值钱;纯对话式的分析每次都要重来,不值钱。

第二组 · 售后 agent 拆开看

2.1 知识层

得知道有哪些产品、每个产品有什么问题、退换货政策是什么 → 接商品知识库、售后政策库、历史会话数据。随之而来的问题:数据在哪、格式是否统一、政策版本是否过期、历史判例冲突时信哪一份。

2.2 系统层

涉及退换货要接订单系统;涉及工单要接 ERP。外采 ERP 有没有 API / MCP;自建系统能不能做一套 CLI 让 agent 查。

2.3 这一层的工作量

数据清洗打标、系统对接、业务规则梳理、权限管理——这些才是主体工作量。

原文在说什么

这一组是全条最实的部分:它把一个听起来简单的「客服 agent」拆成了六七个集成点,并且点出「判例冲突信谁」这种只有做过业务才会想到的问题。

关键概念
对你的实际应用

你的数据源也有「判例冲突」:腾讯、东财、雅虎给的收盘价偶尔不一致。现在是我现场判断用哪个,没有规则。补一条:以主源为准、辅源只做校验,冲突超过阈值就在报告里标注——这就是把冲突处理显性化。


与在用工作的关联

这条里的什么对应你手上的什么具体怎么用
agent 不是交付单位评估工具只看界面先问它接不接我的数据与流程
数据格式与版本行情源字段不统一统一落 facts 层,渲染只读 facts
判例冲突多源价格不一致定主源 + 阈值告警,别现场拍
权限管理凭据散在 cli-env写 CREDENTIALS.md 管起来

原文:VA7《分享tob agent业务避坑经验》,2026-07-24,9.6 分钟。

本篇依据:全程转写约 3.6 千字。报价场景(80 多人、客服/营销/广告)、售后 agent 的知识层与系统层拆解、判例冲突问题均为原文表述。

更正与边界:作者是服务方,对「按 agent 报价」的批评有其立场;但他给出的集成清单可独立核对,不依赖结论。

定位:中文深蒸馏,不是逐字摘要。标「对你的实际应用」的部分是我的分析。