门窗幕墙企业AI知识库智能体开发实战案例

AI 知识库与智能体搭建正在成为门窗幕墙行业数字化建设的新落点。门窗幕墙企业以项目制、非标定制为主，一个项目从投标答疑、方案深化、型材与五金选型，到工艺下料、加工组装、现场安装、验收维保，会持续产生大量非结构化知识；这些知识长期分散在共享盘、邮件、项目群与个人电脑里，检索成本高、版本冲突多、经验难沉淀。数商云为该行业头部集团设计并落地了企业级 AI 知识库智能体，以 RAG 检索增强为核心链路，把企业标准、产品资料、项目档案与工艺经验整合为可被智能问答与工具调用直接使用的知识资产，推动企业知识管理从"归档保存"走向"随取随用"。

一、业务背景：门窗幕墙企业的知识管理为什么格外难

(一) 项目制与非标定制，让知识天然碎片化

门窗幕墙是典型的"设计—制造—安装"一体化行业。一个工程项目往往同时牵涉建筑结构与幕墙系统的配合、型材系列与五金配件的匹配、玻璃配置与节能防火要求、密封与排水构造、加工工艺与运输吊装条件，以及现场安装和验收规范。这些内容既包含企业长期积累的内部标准，也包含外部规范、供应商手册、第三方检测资料与项目专属图纸。

更棘手的是，同一类知识会以多种载体存在：设计说明写在图纸文件里，选型逻辑藏在老工程师的判断经验里，加工要点留在工艺卡与作业指导书里，变更信息则散落在邮件、会议纪要与项目沟通记录中。知识不是不存在，而是缺少一个能被机器理解、被人快速调用的统一入口。

(二) 传统知识管理方式的瓶颈：找不到、用不准、传不下

1. 找不到全。共享盘依赖目录结构和文件命名习惯，检索只能靠文件名关键词，跨项目、跨专业的关联信息几乎无法一次找齐。
2. 用不准。同类型材、五金、构造做法在不同项目和不同时期有多个版本，新旧规范与变更记录并存，一线人员经常无法判断哪一份才是当前有效版本。
3. 传不下。资深工程师与班组师傅的经验很难被写进文档，一旦人员流动或项目收尾，经验便随人走、随项目散，新同事上手周期被拉长。

(三) 通用大模型不能直接上岗

把公开的通用大模型直接接入业务，会立刻暴露几个硬性问题：模型不了解企业内部的型材体系、五金编码与工艺约定，容易"编"出并不存在的规格型号或条文表述；模型无法感知项目上下文，回答缺乏针对性；更关键的是，项目图纸与企业标准属于敏感资料，不能无边界地外发。因此，企业需要的不是"再开一个聊天窗口"，而是以私有知识库为事实来源、以检索增强为约束、以智能体为执行载体的工程化方案。

二、需求拆解：AI 知识库智能体要解决什么问题

(一) 从"能问答"到"能办事"的定位转变

项目组在需求梳理阶段就明确了原则：知识库不是文档仓库的升级版，智能体也不是一个更聪明的搜索框。判断标准只有一个——能不能把一线人员手上的具体任务往前推一步。

1. 面向售前与技术支持：面对客户关于型材系列、性能指标、构造做法、交付周期与合规性的提问，能够快速给出有依据、可对外表达的技术口径，而不是让工程师翻半天资料再临时组织语言。

2. 面向设计与工艺：在方案深化与拆单环节，能够按项目条件检索相似工程做法，提示五金匹配、节点构造与加工注意事项，降低错漏碰缺带来的返工。

3. 面向生产、安装与售后：车间与现场遇到工艺偏差、安装干涉、密封失效等问题时，能够沿着"项目—部位—工序—材料"的线索快速定位相关标准与历史处理记录，避免同类问题反复发生。

(二) 不可让步的落地底线

• 可溯源。任何结论都必须给出引用来源与文档出处，用户能一键核对原文，从机制上抑制幻觉。
• 权限可控。按部门、项目、岗位做知识隔离，敏感资料只对授权范围可见，检索与问答全程留痕可审计。
• 会拒答。当知识库中确实没有依据时，智能体应明确说明"未找到依据"并给出人工求助路径，而不是强行生成一个看起来合理的答案。
• 可持续运营。知识会更新、项目会新增、规范会替换，系统必须支持持续维护，而不是一次性交付后逐渐失效。

三、方案设计：数商云 AI 知识库智能体搭建的整体架构

(一) 数据层：把散落的知识接进来、理清楚

数商云在数据接入阶段采取"多源并存、统一治理"的思路。来源覆盖企业标准与作业指导书、产品与型材五金资料、项目图纸的说明性文本、招投标与答疑文件、工艺卡与加工单、安装与验收记录、售后维保工单以及历史邮件与项目沟通记录。

针对门窗幕墙行业的特点，解析环节重点解决三类难题：一是版式复杂，表格、图纸标题栏与说明文字并存，需要将表格结构还原为可检索的行列语义；二是术语与编码不统一，同一构件在不同资料中叫法各异，需要建立企业术语表与同义词映射；三是版本与生效关系混乱，需要为每份知识补充项目、产品系列、专业、版本、生效状态等元数据，让"当前有效版本"可被机器判定。

(二) 知识层：切分、向量化与混合检索

1. 结构化与非结构化并重的切分策略。规范条文按条款切分，工艺文件按工序步骤切分，产品资料按型号与参数行切分，项目档案按项目与部位切分。切分的目标不是把文档切小，而是让每一段知识单元在语义上自成一体、在业务上可被独立引用。

2. 向量检索与关键词检索融合，再加一层重排。门窗幕墙场景中，型号编码、材质代号、构件名称等专有词必须精确匹配，而"为什么这个部位要做这种构造"之类的提问则依赖语义理解。因此系统同时使用向量检索与关键词检索召回候选知识，再通过重排模型按相关性排序，兼顾"找得全"与"排得准"。

3. 用知识组织补齐行业语义。在文档之外，系统还梳理了产品、型材、五金、工程之间的关联关系，使智能体在回答选型与匹配类问题时，能够沿着关系链路做有限度的推理，而不是仅依赖单篇文档的相似度。

(三) 智能体层：RAG 检索增强生成与工具调用编排

1. 意图识别与任务路由。用户的问题首先被判定类型：是查标准、查项目历史、查产品参数，还是要生成一份方案说明或对比结论。不同类型的问题走不同的处理链路，避免所有问题都塞进同一条检索管道。

2. 检索增强生成：先找证据，再组织表达。系统先完成召回与重排，再把筛选出的知识片段作为上下文交给大模型生成回答，并强制输出引用标注。模型的职责是组织语言与归纳，而不是回忆事实，这一点是控制幻觉的关键。

3. 工具调用：让智能体"会查、会比、会算"。在检索之外，智能体可调用面向业务的能力接口，例如按项目条件查询适用标准清单、按构造要求比对候选选型方案、按清单规则核对物料条目完整性。这些能力以可审计的工具形式提供，输出结果同样附带依据。

4. 多轮澄清与长任务拆解。当用户提问信息不足时，智能体主动追问关键条件（如部位、系统类型、项目阶段），再给出结论；对于"整理一份技术交底要点"这类复合任务，则拆解为检索、归纳、成文几个步骤依次执行。

(四) 应用层：多入口、可嵌入、可审计

智能体以对话入口的形式嵌入到员工日常使用的协同工具与浏览器环境，同时保留统一的权限与审计体系。用户在回答下方可以直接反馈"有帮助/不准确"，这些反馈会进入知识运营流程，成为下一轮知识补全与检索调优的输入。

四、实施路径：从场景试点到全面使用

(一) 知识盘点与场景优先级

项目启动后并未急于全量导入资料，而是先做知识盘点：哪些资料是高频被问到的、哪些是版本最混乱的、哪些是新人最容易出错的。优先把"高频、高风险、可验证"的场景做扎实，例如企业标准与典型构造做法的智能问答、项目档案的快速调取，让首批使用者先感受到确定性收益。

(二) 冷启动与评测调优

冷启动阶段由业务专家与技术人员共同构建评测集合，覆盖真实提问、口语化表达、边界与越权提问等情形，用统一口径评估召回是否找全、引用是否命中、拒答是否恰当。调优是围绕业务正确率展开的持续动作，包括切分粒度、检索策略、提示约束与术语表的反复打磨，而不是一次性的参数设置。

(三) 推广、反馈与知识治理闭环

进入推广阶段后，系统面向更多岗位开放，同时建立知识治理机制：明确各专业知识的维护责任人，把用户反馈转化为知识补全任务，将新项目沉淀的工艺做法按规范格式回流到知识库。智能体的效果并不只取决于模型，而取决于知识库是否被持续喂养和校正。

五、落地价值：知识从"存起来"变成"用起来"

(一) 售前与投标支持：响应更快、口径更统一

过去技术支持人员需要在多份资料之间来回核对，答复质量依赖个人熟悉程度。智能体上线后，常见技术问题可以即时获得带出处的回答，售前响应周期显著缩短，对外技术口径趋于统一，也减少了因表述不一致带来的沟通反复。

(二) 设计与工艺协同：减少错漏与返工

方案深化与拆单环节的隐性风险，往往来自"没想到"。智能体在相似工程做法、材料匹配与构造要求上提供即时参考，让经验判断有据可依，减少因信息缺失导致的返工与二次加工，设计与工艺之间的信息传递也更加顺畅。

(三) 生产与交付：问题定位更快

车间与现场的问题处理最怕"找不到依据、说不清原因"。沿着项目、部位与工序线索检索，能够快速定位到相关标准与历史处理记录，缩短问题在环节之间的流转时间，也让处理方式更趋一致。

(四) 售后与维保：档案随问随答

售后场景对历史档案的依赖度很高。此前调取项目资料耗时且依赖经手人，如今可通过智能问答快速获取相关记录与同类问题的处理结论，服务响应更有依据，用户沟通成本明显下降。

(五) 组织能力：知识资产化与人才加速

最长期的价值在于组织能力结构的变化：分散在个人手中的经验被转化为结构化、可检索、可追溯的企业知识资产，新同事的上手周期明显缩短，企业对少数资深人员的依赖度下降，知识不再随人员流动而流失。

六、可复制的经验：门窗幕墙行业 AI 知识库智能体搭建要点

(一) 知识质量决定智能体上限

模型能力与检索算法固然重要，但决定回答是否正确、是否可用的，是知识库本身是否权威、是否最新、是否完整。先治理知识，再谈智能，是这类项目最需要坚持的顺序。

(二) 场景聚焦优于功能堆砌

把有限的实施资源集中到少数高频、高风险场景，做出可验证的效果，再逐步扩展，远比一开始铺开大量功能更容易获得一线认可。使用者的信任来自第一次提问就被准确回应。

(三) 人机协同的边界要提前划定

智能体承担检索、归纳与初步判断，涉及责任判定的结论仍由人确认。把"建议"与"结论"区分清楚，既保护了业务风险，也让使用者更愿意持续使用。

(四) 安全与合规必须前置

权限体系、数据边界与审计留痕应当与系统同步设计，而非事后补救。对门窗幕墙企业而言，图纸、项目资料与客户信息都属敏感内容，权限可控是智能体能够真正进入生产环境的前提。

七、结语：让知识成为可调用的生产力

门窗幕墙行业的竞争，越来越体现在对复杂项目的响应速度与交付确定性上。数商云为行业头部集团完成的这次 AI 知识库智能体搭建，本质上不是交付一套软件，而是把企业多年积累的标准、案例与经验，重组为可检索、可引用、可对话、可运营的知识基础，让一线人员在需要的那一刻拿到正确依据。当企业知识管理从被动归档转为主动供给，知识才真正从成本项变成生产力。