AgentDeal 智能询报价：把货代报价这件苦活，做成 AI 工作台
一个正在推广的自研产品项目。它不是为了展示 AI，而是为了把货代企业反复发生、容易出错、难以沉淀的询报价流程，做成可以协同、可以纠错、可以复用的工作台。
这段时间，我们在持续打磨 AgentDeal
它不是一个单纯的报价工具，也不是一个为了展示 AI 而做的聊天框。它要解决的是货代行业里一件很具体、很高频、也很折磨人的事：询报价。
货代报价看起来只是“查个价格，回个客户”，但真正做过的人都知道，这件事没那么简单。一票询盘进来，业务员要看起运港、目的港、箱型箱量、船公司、航线、中转港、有效期、附加费、本地费、是否需要拖车、是否有特殊要求，还要考虑客户是谁、之前有没有合作、这次价格能不能成交、有没有利润空间。
这些信息通常不在一个地方。有的在 Excel 里，有的在微信里，有的在邮件里，有的在供应商发来的附件里，还有很多在老业务员脑子里。所以我们做 AgentDeal，不是为了“让 AI 看起来很酷”，而是为了把这套反复发生、容易出错、难以沉淀的询报价流程，一步步做成可以协同、可以纠错、可以复用的工作台。
为什么先从询报价开始
货代企业不是不会报价。真正的问题是：报价这件事太依赖人。
老业务员熟，能靠经验快速判断；新人不熟，就要到处问、到处查。客户催得急，价格又不能错。一个附加费漏了，一个港口匹配错了，一个有效期看错了，可能这一单就白忙，甚至还会影响客户信任。
AgentDeal 当前在做什么
AgentDeal 现在围绕询报价流程，主要拆成几段能力。我们不是一开始就做一个“大而全”的系统，而是先抓住一个最具体的问题：货代企业每天都在发生的询报价。
运价上传
真实业务里的运价文件很少是标准格式。船公司有船公司的模板，供应商有供应商的表格，有些字段在表头，有些字段在备注，有些价格还会写成各种组合形式。系统首先要能接住这些原始文件，而不是要求业务员先把表格整理成理想状态。
AI 识别
AI 要从运价表里识别出关键字段，比如船公司、起运港、目的港、箱型、价格、有效期、航线信息等。这一步的价值，不只是减少录入，而是把原本散乱的 Excel 内容，变成系统可以继续计算、匹配和复用的数据。
AI Copilot 纠错
识别完成不代表就能直接用。港口可能没匹配上，起运港可能缺失，某些字段可能识别错，某些单元格可能需要业务员确认。AI Copilot 的作用不是回答问题，而是进入表格处理现场，帮助业务员匹配港口、补全字段、批量修正。
报价单生成
当运价数据被结构化以后，系统就可以根据客户询盘、箱型箱量和费用项，组合成报价方案。报价不是简单加减法，它可能包含海运费、本地费、拖车、报关、保险、目的港费用，也可能要根据客户要求做不同方案。
批量分享和客户跟进
报价不能只停留在系统里，最终还是要发给客户。AgentDeal 需要支持加价规则、报价备注、复制文本报价、链接分享、邮件分享、PDF 或 Excel 导出。更重要的是，报价动作要能和客户、询盘、联系人、跟进记录连起来。
Agent 能力体现在哪里
我们现在越来越清楚一件事：企业里的 Agent，不应该只是一个聊天框。真正有价值的 Agent，要能进入业务流程。
- ·能读表格：可以处理不同格式的运价文件。
- ·能理解字段：知道港口、船公司、箱型、航线、附加费、有效期这些字段意味着什么。
- ·能调用工具：不是只给建议，而是可以触发匹配、补全、修正等动作。
- ·能批量执行：一次处理多行、多列、多单元格，减少重复操作。
- ·能解释过程：告诉业务员改了什么，为什么这么改，还有哪些地方需要确认。
- ·能保留边界：关键报价动作仍然由人确认，不让 AI 越权做最终决定。
这件事难在哪里
AgentDeal 难的地方，不只是技术。技术当然重要，但更难的是理解业务里的“不标准”。
同一个港口，不同人可能写法不同。同一个费用，不同供应商可能放在不同位置。同一个客户询盘，业务员关注的是报价速度，操作关注的是执行风险，老板关注的是利润和过程可控。
所以这个项目不能只从模型能力出发。它必须从业务流程出发。先看业务员每天怎么报价，哪些地方最耗时，哪些地方最容易错，哪些经验最值得沉淀，再决定 AI 进入哪个节点。
我们的思路是先做小闭环：运价进来 → AI 识别 → 人机纠错 → 业务确认 → 生成报价 → 分享客户 → 留下数据。这一段跑通，比做一个大而全的概念更重要。
这个项目带来的判断
AI 落地不是先选模型，而是先拆流程
企业真正卡住的地方，通常不是“没有 AI”，而是流程没有被说清楚，数据没有被结构化，责任边界没有被定义。
AI 最适合先进入高频、重复、易错的地方
在货代询报价里，表格识别、港口匹配、字段补全、异常提示，就是很好的入口。它们不需要一开始就替人做最终判断，但能立刻减少很多重复劳动。
业务数据是企业 AI 的地基
没有运价、港口、箱型、客户、询盘、报价记录这些数据，AI 很难真正帮上忙。企业过去每一次报价、每一次修正、每一次客户沟通，其实都应该变成未来的资产。
人机协同比全自动更现实
尤其在货代行业，报价不是纯计算题。它背后有成本、利润、舱位、服务承诺和客户关系。AI 可以帮人算、帮人查、帮人提醒，但关键节点仍然要有人负责。
一个能用的小闭环，比一个宏大的 AI 方案更有价值
企业不需要一开始就“全面 AI 化”。先把最痛的一段流程跑通，让业务员真的愿意用，让数据真的留下来，再逐步扩大范围。
接下来要继续验证什么
- ·不同供应商、不同船公司的运价表，AI 识别稳定性如何继续提高。
- ·港口、航线、费用项这些基础数据，怎样建立更可靠的映射规则。
- ·Copilot 的工具调用，怎样做到既能批量处理，又让业务员看得懂、敢确认。
- ·报价单生成后，怎样更好服务销售跟进和客户转化。
- ·询盘、报价、客户、成交之间，怎样形成长期可复用的数据闭环。
这不是一个做完就结束的项目。它更像一个持续进化的业务系统：每一次上传、识别、修正、报价和客户反馈，都会帮助系统更懂业务，也帮助企业把过去散落在人脑和表格里的经验慢慢沉淀下来。
为什么把它放进实战项目
因为 AgentDeal 很适合作为“企业 AI 落地”的一个真实样本。它不是从一个抽象概念开始，而是从货代企业每天都在发生的问题开始。
它证明的是：我们懂货代询报价的真实细节；我们能把混乱表格和业务流程拆成结构化产品；我们知道哪些地方可以自动化，哪些地方必须人工确认；我们能把 AI Copilot 放进真实业务流程，而不是停留在演示里。
评论与交流
还没有评论，来说两句吧