GUIDELINE
这不是技术说明书，是一份合作入门指南
—— 快速导航 · 三部分 ——
新读者建议从第 1 章开始 · 着急看价格可以直接跳到第 6 章
先算一笔你的账
在说我们是谁之前，先算三笔账。这些钱，你现在每天都在付，只是没开票。
重复回答的账
一个员工每天花2小时重复回答客户问题，一年就是700多个小时——相当于一个员工4个月的有效工时，全耗在说同样的话上。
新人培养的账
新员工上手要半年。这半年工资你照发，他能独立处理的事不到一半，还拖着一个老员工陪他练。
最难算的账
老师傅脑子里的配方、判断、门道，是厂里真正的核心资产。有一天他退休了、被挖走了——那不是少一个人，是资产表上少了一块。
这本手册要聊的，就是怎么把这个水龙头拧上。
这三笔账你每天都在付，只是没开票。翻到第 8 章看看你需要付出的时间成本——拢共不超过 10 小时。
半个师傅 Master Lite 是什么
不是又一个AI工具。半个师傅是「驻场工程师」——人来、建模、跑通、走人。
一句话
半个师傅 Master Lite（Forward Deployed Engineer，前沿部署工程师）——把 AI 从概念变成你每天能用的工具。
稍微多说两句
最早由 Palantir（全球市值 3000 亿美金的企业 AI 公司）创立。2026 年，OpenAI 成立子公司 DeployCo，初始投资 40 亿美金，核心模式就是半个师傅 Master Lite。
我们做的事和它们一样，但规模不同——它们服务的是百亿级政府和大集团，我们服务的是 成长中的实体企业。
我们的方法
而是： 我来你现场，把你的业务流程梳理成AI能理解的"本体"（Ontology），然后让AI替你干活
半个师傅不是卖工具的--是来人、梳理业务、让 AI 跑通一个场景。关键区别见第 4 章「我们怎么做的」。
我们解决什么问题
客户问同样的问题、经验只在老师傅脑子里、买了 AI 工具用不起来——根因只有一个。
你很可能遇到过这些情况
场景一：客户问同样的问题
每来一个新客户，同样的答案再说一遍。耗时间、耗精力、还容易说漏。说漏一次的代价有多大？一个被答错的客户，大概率不会再打第二次电话。
场景二：经验只在你脑子里
老师傅知道怎么调配方，但他说不清楚"为什么"。新员工来了要学半年才能上手。换句话说：厂里最重要的生产资料，没有备份。
场景三：买了AI工具，用不起来
试过ChatGPT、试过各种AI软件，新鲜两天就放着吃灰了。不是因为AI不好，是因为它不了解你的业务。这笔钱你大概率已经花过了。
三个场景指向同一个根因：AI 读得懂文档，但读不懂你的业务。翻到第 4 章看我们怎么解决这个问题。
我们怎么做的
核心方法：Ontology（本体论）——不是给你一套软件，而是帮你的业务「建模」。
核心方法：Ontology（本体论）
不是给你一套软件，而是帮你的业务"建模"——把你的产品、客户、流程、规则封装成 AI 能理解的结构化本体。
打个比方：如果说普通AI是"有问必答的实习生"（但不了解你的业务），那我们的AI是 "干了3年的老员工"——它懂你的产品、懂你的客户、懂你的流程、知道什么能做、什么不能做。
本体五要素
每套业务本体包含5个要素，让AI真正理解你的业务结构。
Object 实体
你的业务世界里有什么
品牌主体、商品全链路、渠道、营销触点、供应链、运营
Link 关系
这些东西怎么关联
一场活动可推多个单品、单品可参与多场活动
Logic 规则
判断标准是什么
把品牌沉淀的业务经验，变成可自动执行的智能判定标准
Action 操作
AI能帮你做什么
从“看数据”到“做决策”，实现端到端的业务闭环
Permission 权限
谁能做什么
精细化数据管控，兼顾开放协作与数据安全
交付方式：驻场轻服务
我们不远程交一份报告就走人，而是：
- 来现场——吃透你的业务
- 搭本体——把你的经验结构化
- 跑通一个场景——让你亲眼看到效果
- 教你怎么用——人走了但能力留下了
关键原则
整个过程你的人全程参与。这套东西不是我们做完了塞给你，是你看着它长出来的——所以你能接得住。
不是什么项目都接
✅ 适合我们做的
- 售后/用户咨询智能闭环
- 全渠道营销内容生产提效
- 一线团队业务内容沉淀
- 订单/客户跟进辅助
❌ 不适合我们做的
- 单纯装一个AI对话机器人
- 不想调整流程就想出效果
- 没有内部人愿意配合
- 只看价格不看价值
Ontology 五要素（Object·Link·Logic·Action·Permission）是核心方法。驻场调研，先建模、再跑通。如果你不确定自己的场景适不适合，第 5 章有对照表。
我们服务谁
不是所有企业都适合。但如果你有「问答、判断、匹配、推荐」类的工作，大概率可以。
最适合的第一类客户：知识工作密集型实体企业
你的业务里有大量"问答、判断、匹配、推荐"类的工作，目前主要靠老师傅的经验和人工重复劳动。
快消品牌 / 连锁品牌
全渠道用户咨询自动闭环、爆品营销内容智能生成、高价值会员复购精准推荐
本地生活 / 供应链
大促订单异动自动预警、新品上市全渠道效果快速研判
美妆个护/快消
成分适配类用户咨询自动闭环、高价值会员复购精准推荐
餐饮 / 连锁
菜品分析、客户反馈、供应链管理
中小制造
质检SOP、设备维护预警自动触发、柔性生产排程辅助判断
家居家电/全屋定制
户型方案匹配推荐、产品安装售后咨询自动答复、经销商库存动态协同
最适合的是「知识工作密集型实体企业」——有大量问答、判断、匹配工作的行业。如果你不确定，回到第 1 章先算算账，那三笔账中了一条就值得试试。
服务与价格
我们只卖一种东西：确定性。驻场调研，让你的一个业务场景被 AI 理解并跑通。
我们只卖一种东西：确定性
不是卖软件、不是卖培训、不是卖咨询报告。卖的是：
"驻场调研，让你的一个业务场景被AI理解并跑通。"
先建立一个参照系
招一个"懂AI又懂业务"的人
年薪￥30W起
不一定招得到，招到不一定留得住
上一套"AI大系统"
￥25W到￥100W+
周期长，失败率自己搜
半个师傅诊断包
￥3W / 30天
不绑长约，跑不通及时止损
同样是花一笔钱：前两种是长期负担，第三种是一次验证。跑通了再谈下一步，跑不通你止损。
三种合作方式，从免费到深度
起步
发3个问题
免费
把客户最常问的3个问题发过来，我们免费告诉你 AI 能答到什么程度。答完你自己判断。
- ✓ 3个问题，免费测试
- ✓ 30秒，不收钱不推销
⭐ 大多数人从这开始
推荐
场景诊断包
￥3W / 30天
派工程师驻场调研，把你的业务梳理成 AI 能懂的本体，跑通一个真实场景。
- ✓ 业务本体诊断报告
- ✓ 1个工作流跑通
- ✓ 启动付一半，验收付尾款
- ✓ 跑不通，尾款不收
首期客户有特别政策
深度
场景扩展 / 续约
面议
诊断包跑通后，扩展更多场景或按月续约。前两步都顺了再谈这个。
- ✓ 多场景并行扩展
- ✓ Agent 持续运维
- ✓ 按场景或按月灵活计费
跑通第一个场景后再谈
半个师傅 Master Lite 场景诊断包
关于"首期特别政策"，说句实话
驻场这种模式，决定了我们同一时期只能深度服务少数几家客户--人就在你厂里，分身乏术。
所以首期名额是真的有限，特别政策也是真的只给首期：
一是我们需要第一批跑通的标杆案例，愿意为此让利；
二是首期客户的反馈，会直接决定我们产品怎么改--你参与得深，价格自然不一样。
3万是起步价，不是底价。先聊，判断你的场景值不值得做--值得做，再谈具体档位；不值得做，我们第一个告诉你。
30 天场景诊断包，3 万起，启动付一半、验收付尾款，跑不通尾款不收。不绑长约、不卖软件、不动数据。首期名额有限，翻到第 10 章从最小的动作开始。
一个正在发生的故事
一家有机肥厂，30 天竞标巨变。这不是广告，是真实案例。
他们的处境
过去三年，这家厂参与了87场招投标——2024年27次、2025年12次、2026年截至7月就投了48次。但三年加起来只中了4个标，中标率不到5%。
不是产品不行。是每次准备标书都像重新考试：翻参数、找资质、查业绩——最怕一两条"隐藏废标条款"没发现，整本标书白做。2024年就因为中小企业声明函格式不符，直接被否决。
我们做了什么
按 Ontology 五要素，把他们三年87场投标经验拆了一遍。先建模，再落地。
📋 查看五要素在竞标场景中的对应 展开
Object 实体
你的业务世界里有什么
产品参数、资质文件、招标条款类型、客户档案
Link 关系
这些东西怎么关联
哪个型号 → 对应什么技术参数 → 需要什么资质证明
Logic 规则
判断标准是什么
参数匹配规则、废标条款识别规则、中小企业声明函排查规则
Action 操作
AI能帮你做什么
参数自动匹配、废标条款标红提醒、资质模板一键调取
Permission 权限
谁能做什么
AI 出匹配报告和建议；最终报价、投标决策，人说了算
第二步：落地为 Agent + Skill + Data
- Data：产品参数库、全套资质文件、87场历史标书、行业标准——全结构化，装进知识底座。
- Skill：封装了三个核心能力——参数自动比对、废标条款标红、资质模板调取。每个 Skill 都写死了 Logic 和 Permission 边界。
- Agent：招标文件一到，Agent 自动调度——调匹配 Skill → 查产品 Data → 查资质 Data → 对标废标规则 → 输出匹配报告。
以前 vs 现在
❌ 以前
- 准备标书：翻资料两三天，手忙脚乱
- 废标条款：靠人逐字找，漏了就全废
- 投标效率：年均约20次，人力到顶
✅ 现在
- 准备标书：AI 先筛，匹配结果秒出，人复核关键点
- 废标条款：AI 自动标红，逐条核对以防遗漏
- 投标效率：2026年7个月投了48次——人没多，每次快了几倍
三年总投标
中标仅 4 场，命中率 < 5%
2026 单笔最高中标
超过此前 累计总和（117万）
格式类否决
AI 自动标红废标条款，逐条核对
"以前看见标书就头疼，现在AI先过一遍，心就定了一半。"
—— 厂长原话
从 87 投 4 中到 7 个月 48 投，关键是让 AI 理解了竞标业务的「本体」。具体怎么操作？第 8 章讲 5 个步骤。
项目怎么走
5 个步骤，30 天。你要做的事拢共不超过 10 小时，重活在我们这边。
5个步骤，驻场调研
访谈 → 框定一个场景 → 确定验收标准
把你的产品/客户/规则封装成五要素
用真实数据测试 → 迭代 → 优化
验证报告 → 能做什么、不能做什么
扩展更多场景 / 推荐给同行 / 结束
我们负责
- 业务诊断和场景选择
- Ontology 本体搭建
- AI 原型开发和测试
- 培训和知识转移
- 验证报告
你负责
- 提供真实业务信息
- 安排3-5小时访谈时间
- 指定1人配合试用和反馈
- 如实反馈：好用不好用
- 决定是否继续
你要做的事，拢共加起来不超过10个小时。重活在我们这边。
驻场调研分 5 步走，你只需要投入 10 小时。如果还有顾虑，第 9 章 FAQ 可能已经回答了。
常见问题
我们被问得最多的 7 个问题。如果你还有别的，直接问。
AI 只给建议、数据归你、不买硬件、不绑长约——这些不是口号，是设计原则。准备好了？翻到第 10 章从最小的动作开始。
下一步
三个动作，由小到大。大多数人从动作一开始——30 秒，不花钱。
大多数人从动作一开始。30秒，发三个问题，你就知道我们说的是真是假。
