云端高科 -
AI智能体开发案例：工业设备售后系统Agent化改造，工单自动化率68%
10月的第三周，"AI 接管软件"从预测变成了政策语言。10月16日，工业和信息化部在解读《"人工智能+软件"实施方案》时明确：智能编程工具已贯穿需求分析、代码生成到测试运维全流程，软件正由"被动执行指令的工具"向"理解意图、自主完成任务的智能伙伴"演进，智能体类软件加速迈向规模化应用。
同日，微软首席营销官 Jared Spataro 复盘了软件工程的四种人机协作模式——作者、编辑者、导演、编排者：人类从"写代码"退到"审代码"，再退到"定意图、定护栏、最后验收"。10月15日，蚂蚁披露的小程序生态 Agent 化思路点破了企业 AI 项目的关键：要把服务、价格、会员权益、履约状态改造成机器可调用的技能；同一天，豆包手机助手的屏幕自动化协议公示结束，微信、淘宝等超150款 App 拒绝被智能体操作。
四条线指向同一个结论：智能体能不能真干活，不取决于它多聪明，而取决于业务有没有被拆成一组可调用的技能。本文以云端高科近期交付的工业设备项目为例，拆解一次"不重写老系统"的 Agent 化改造，供做软件设计与 AI 智能体开发的企业参考。
一、项目背景：一台设备修三周
客户是华东一家工业设备制造商（应要求脱敏），主营流体泵组与控制系统，年出货约1.2万台，服务网络覆盖28个省级区域、140余个网点。调研梳理出四个痛点：
- 报修入口分散：电话、经销商微信群、400 工单系统三处并行，日均报修约260条，约31%需二次沟通才说得清故障；
- 老系统不懂设备语义：工单系统只做流转，报修后要人工翻型号、批次与维修记录，平均14分钟/单；
- 知识锁在人脑里：老师傅知道"某批次密封件常和叶轮一起换"，却从未结构化，人一离职就断档；
- 停机的钱漏在流程里：平均故障修复时长（MTTR）约52小时，真正动手维修只有6小时，其余耗在传话、派工、等备件上。
客户诉求因此很克制：不重写系统，先让 AI 接住"信息入口"与"派工决策"两段。老系统仍在跑计费与配件账。
二、技术方案：技能包 + 编排层
最大的技术决策只有一句话：把老系统的能力包装成标准工具（Skills），让智能体只负责理解与编排，不直接碰数据库。这与我们在上一个 AI 智能体小程序项目验证过的"网关代理 + 工具调用"一致，只是这次面对的是存量系统。
1. 入口层：工程师端与客户端各一个小程序
用 uni-app 一套代码多端产出微信小程序、企业微信工作台入口与 H5。客户侧只有三步：选设备 → 描述故障（拍照/语音）→ 提交；工程师侧含待办工单、远程诊断、备件查询与报价确认。选小程序的原因很实际：工程师不愿多装 App，经销商不愿做账号对接，扫码即用且迭代成本低于原生；后续若需离线功能，可直接扩展为原生 App，我们在手机APP开发项目中已多次走通。
2. 技能层：六类原子技能，走 MCP 标准化封装
没有改动老系统一行核心代码，只在网关侧加一层适配器，把原有接口封装成六个标准工具：
| 技能 | 能力 | 权限级别 |
|---|---|---|
| device.profile | 查设备型号、批次、质保状态 | 只读，自动执行 |
| ticket.query | 查历史工单与同类故障分布 | 只读，自动执行 |
| part.stock | 查区域仓备件库存与在途量 | 只读，自动执行 |
| diagnose.collect | 采集振动、温度、压力参数 | 只读，自动执行 |
| quote.draft | 生成备件 + 人工报价草案 | 建议，需人工确认 |
| dispatch.suggest | 生成派工与调拨建议 | 建议，需人工确认 |
注意后两行：凡是会对外产生后果的动作——下派工单、锁定备件、发起结算——一律置为"建议 + 人工确认"。本周超150款头部 App 拒绝被智能体自动操作，正说明行业已有共识：观点层面可以谈"智能体即服务"，工程层面必须给高危动作留闸门。
3. 编排层：意图识别 → 任务拆解 → 技能路由 → 人工闸门
主控 Agent 加四个专业 Agent，各管一段：受理 Agent把口语描述、照片、语音转成结构化工单并补全档案；诊断 Agent检索向量化的维修手册与案例库，结合 IoT 参数给出 2—3 个原因及置信度；调度 Agent按区域、技能标签、工程师负荷与备件库存生成派工建议；质检 Agent识别"自信但无依据"的结论并退回。其中知识库语料清洗花了整整3周，是投入产出比最高的3周。
三、开发周期：14周，四个阶段
| 阶段 | 周期 | 关键产出 |
|---|---|---|
| 业务梳理与技能盘点 | 3周 | 技能清单、权限分级表、验收基线 |
| 原型与界面设计 | 2周 | 高保真原型、双端 UI 规范 |
| 开发与联调 | 6周 | 小程序双端、技能适配层、编排中枢、知识库 |
| 测试与灰度上线 | 3周 | 越权与幻觉测试、4个区域灰度、全量发布 |
"技能盘点"占总周期约21%，它替代了传统需求确认，也提前框定了能被 AI 自动化的边界。戴手套操作、工厂噪声下的语音交互等细节，都在UI/UX 设计环节锁定。
四、上线6个月的落地数据
4个区域灰度后逐步全量、运行满6个月，客户方统计口径如下：
| 指标 | 改造前 | 上线6个月 | 变化 |
|---|---|---|---|
| 工单自动化率（无需人工首次介入） | — | 68% | 新建立指标 |
| 平均故障修复时长 MTTR | 52小时 | 约29小时 | -44% |
| 一次修复率 | 61% | 79% | +18个百分点 |
| 受理环节人工工时 | 基准100% | 43% | -57% |
| 备件周转天数 | 41天 | 33天 | -8天 |
- 案例库沉淀结构化案例约1,860条，被后续工单引用的复用率约54%；
- 新工程师独立接单的上手周期，从约3个月缩短至6周；
- 受理团队由11人调整为6人，其余转岗做知识运营与输出质检——把"操作员"升级成"审核员"，是客户最认可的一条收益。
五、五条踩坑经验
- 技能盘点比模型选型重要得多。换模型只影响约5%的体感，技能颗粒度拆错一次却要返工两周。
- 给模型"业务语言"，不是"系统语言"。直接喂字段名会大量误判，改成"这批泵组是否还在质保期内"后准确率明显回升。
- 工具失败信息要改写成模型能读懂的短提示。丢接口堆栈，它只会回"系统出错了"；改成"库存服务暂不可用，请查邻近区域仓"，Agent 就能自行重新规划。
- 高危动作必须设人工闸门。报价、派工、结算全走"建议—确认"两段式，既合规也让人有安全感，接受度反而更高。
- 多智能体协作要设最大轮次与超时熔断。互相调用极易死循环，我们设了3轮、20秒上限，超限降级到人工待办。别急着做"全能助手"——改成分工协作后，问题定位快了一个数量级，这也是服务中心反复强调的原则。
六、常见问题（FAQ）
Q1：老系统做 Agent 化改造，大概需要多少预算和周期？
以本案例规模（双端小程序 + 6类技能 + 4个专业 Agent + 知识库）计算，周期约14周，投入通常在20万—50万元；轻量版（报修入口 + 知识库问答）一般4—6周、8万元以内即可验证。真正的变量不是模型调用成本，而是技能盘点与语料清洗的工作量。
Q2：必须先把系统上云或重写，才能做 Agent 化吗？
不需要。老系统可以完全保留，改造是在网关侧加一层技能适配层，通过 MCP 协议把原有接口暴露为工具。判断标准只有一条：关键业务动作是否可被稳定、幂等地调用。
Q3：Agent 化改造和直接上一套新 SaaS，应该怎么选？
看数据主权与流程独特性。流程高度标准（通用报销、通用 CRM）时，新 SaaS 及其内置智能体更快更省；若流程中沉淀了企业特有的知识资产（如本案例的故障案例库、备件搭配经验），改造存量系统的收益远大于替换。建议参考案例中心的同类交付再判断。
Q4：上线后怎么衡量这套东西到底有没有用？
只盯三个指标：①工单自动化率（AI 独立完成且无需人工首次介入的比例）；②一次修复率（衡量诊断质量，而非聊天流畅度）；③人工审核工时占比（衡量人的角色是否真的从操作转向判断）。三者同时向好项目才算成立，只看对话量、满意度很容易自欺欺人。
写在最后
当软件从"被动执行指令"转向"理解意图、自主完成任务"，企业真正的差距，正从"谁的模型更强"变成谁的业务流程先被结构化、谁的技能先被封装成可调用的组件。如果你正在评估存量系统的 Agent 化改造、企业级软件定制或小程序开发，欢迎通过云端高科官网在线咨询，也可以先到关于我们了解交付方式，或在新闻中心关注我们的技术实践记录。
