恒田AI企业大脑会议纪要：质量数据试点与外部知识库建模
会议主题：恒田AI整体进展、质量数据建模、外部客户知识库建设
纪要整理：CIO小田
整理时间：2026-06-18
资料口径：基于今日会议内容整理；涉及客户资料、内部数据系统、ERP 数据和多 Agent 推理机制，本页只沉淀管理共识、实施路径和业务价值，不公开客户敏感原文或系统密钥信息。
一、管理层核心结论
今日会议形成三项关键共识：
-
恒田AI企业大脑已进入持续数据沉淀和部门试点阶段。
当前 glossary 业务词条正在持续自动生成，企业大脑的数据底座和 Agent 系统已具备进一步承接业务场景的基础。质量部门将作为独立部门数据试点先行推进，跑通后作为模板复制到其他部门。 -
“质量”数据建模要进入整体业务对象网络，而不是停留在通用标准查询。
后续“质量”对象将与“客户”对象建立明确关联，让小田能够按客户找到对应的精细质量标准，支持客户差异化管理，而不是只回答泛化的质量要求。 -
外部知识库建设要围绕重点客户建立点对点数据管道。
例如围绕优衣库等重点客户，持续收集外部公开资料、行业信息、客户偏好和相关产品信息，并在后台通过多 Agent 协作推理，例如设计小田、产品小田等，从设计、产品、质量、交付和客户价值等角度形成综合判断。
二、恒田AI整体进展
1. 数据系统进展
当前恒田AI的数据系统已经从单纯资料汇总，进入“业务术语—业务对象—对象关系—待处理事项”的持续沉淀阶段。
重点进展包括：
- glossary 业务词条正在持续自动生成；
- 企业大脑后台已开始把公司资料转化为业务可理解的术语和对象；
- 后续将继续接入更丰富的数据来源，包括 ERP 数据；
- 质量部门将作为首个部门级数据试点，验证数据输入、对象建模、业务查询和复核机制；
- 质量部门试点成熟后，将形成部门数据建模模板，再同步到生产、业务、采购、仓储、财务等其他部门。
管理意义：
这说明恒田AI不再只是“问答工具”，而是在逐步形成企业级数据底座。只有当数据被整理成统一口径，业务部门才能真正用它做查询、判断、复盘和流程改进。
2. Agent 系统进展
当前 Agent 系统的方向是：不同小田承担不同业务角色，不再由单一智能体回答所有问题。
本次会议重点提到的能力包括：
- 企业大脑后台持续吸收和整理内部业务数据；
- 小田可基于已建模对象进行关联查询；
- 后续可由不同 Agent 从不同角度对同一客户或同一业务问题进行推理；
- 例如设计小田关注款式、趋势、设计适配；产品小田关注产品化、品类、打样和交付；质量小田或质量数据模型关注客户质量要求和执行标准。
管理意义：
多 Agent 不是为了增加系统复杂度，而是为了把一个客户或订单问题拆成多个专业视角，帮助管理层看到更完整的客户需求、产品机会、质量风险和交付要求。
三、质量部门作为数据试点的推进逻辑
1. 为什么先选质量部门
质量部门适合作为首个部门级数据试点，原因有三点：
| 原因 | 说明 | 业务价值 |
|---|---|---|
| 数据边界相对清楚 | 客户质量标准、质量手册、检验要求等资料较集中 | 便于先建立标准化数据模板 |
| 业务价值直接 | 质量要求影响订单评审、生产执行、检验和客户验收 | 能直接降低返工、投诉和沟通成本 |
| 可复制性强 | 质量数据的建模方法可迁移到其他部门 | 后续可形成公司级数据建模范式 |
质量部门试点的目标，不是一次性把所有质量资料都做完，而是先跑通一条可复制路径：
资料进入 → 业务词条生成 → 质量对象建模 → 客户关联 → 查询验证 → 业务复核 → 模板复制
2. 后续作为各部门模板
质量部门跑通后，应沉淀为一套标准模板，包括：
- 部门数据清单模板；
- 业务术语确认模板；
- 业务对象建模模板；
- 对象关系确认模板；
- 数据来源和责任人模板；
- 查询验证和业务复核模板；
- ERP 数据接入字段确认模板。
后续其他部门接入时，不需要重新摸索，而是按模板填写本部门核心对象、关键流程和数据来源。
四、“质量”相关数据建模的具体操作过程
1. 建模目标
本次会议明确：“质量”不是孤立的数据目录，而是要接入恒田AI整体业务对象网络。
核心目标是：
客户 → 质量标准 → 产品/品类 → 订单/项目 → 检验要求 → 执行责任
这样小田在回答问题时，不只是返回一套通用质量标准，而是能根据具体客户，连带找到该客户对应的精细质量要求。
例如：
当业务人员询问某客户某产品的质量要求时，小田应优先找到该客户专属质量标准，而不是只回答公司通用标准。
2. “质量”对象与“客户”对象建立关联
后续建模时，应把“质量”对象和“客户”对象明确关联。
建议关系如下：
| 业务对象 | 关联对象 | 关系说明 |
|---|---|---|
| 客户 | 质量标准 | 某客户对应一套或多套质量要求 |
| 客户 | 产品/品类 | 某客户采购或关注的具体产品范围 |
| 产品/品类 | 质量标准 | 某类产品适用的质量条款和检验标准 |
| 质量标准 | 来源文件 | 标准来自客户文件、质量手册、环思/ERP 记录或人工确认 |
| 质量标准 | 责任部门 | 由质量部门负责解释、复核和维护 |
| 质量标准 | 生效状态 | 区分正式生效、待确认、参考适用、已过期 |
3. 具体操作步骤
建议按以下步骤推进：
第一步：整理质量数据来源
先明确质量数据来自哪里，包括：
- 客户质量手册；
- 客户品质基准；
- 客户专项要求；
- 环思系统中的客户基准；
- 后续 ERP 中的订单、客户、产品、检验相关数据；
- 质量部门人工确认的补充说明。
第二步：生成和复核 glossary 词条
后台可以持续自动生成质量相关业务词条，但必须由质量部门进行业务复核。
重点复核内容：
- 词条名称是否符合恒田内部叫法；
- 解释是否准确；
- 是否区分客户专属要求和公司通用要求；
- 是否能被一线人员理解和执行；
- 是否需要标注来源和适用范围。
第三步：建立质量对象
围绕质量管理建立对象，例如：
- 质量标准；
- 客户质量要求；
- 检验项目；
- 外观标准；
- 尺寸标准；
- 色差要求；
- 包装要求；
- 客户验货要求；
- 质量风险点；
- 质量复核事项。
第四步：建立客户关联
每一个质量对象都要尽量关联到对应客户、产品或订单场景。
关键不是“有没有质量标准”，而是要回答：
- 这是哪个客户的要求？
- 适用于哪些产品？
- 是正式标准还是参考标准？
- 来源文件是什么？
- 谁确认过？
- 是否还有效？
第五步：接入 ERP 数据
后续 ERP 数据接入后，质量模型可以获得更丰富的数据资源。
ERP 可补充的价值包括：
- 客户与订单关系；
- 产品与订单关系；
- 生产批次与质量记录；
- 检验结果与异常记录；
- 返工、投诉、交付等过程数据。
接入 ERP 后，小田不只是查标准，还可以逐步支持质量风险识别、订单质量复盘和客户差异化管理。
第六步：查询验证和业务复核
模型建好后，要用真实问题验证：
- 小田能否按客户找到专属质量标准？
- 是否能区分通用标准和客户标准？
- 是否能说明来源文件？
- 是否能提示缺失数据和待确认责任人？
- 质量部门是否认可答案口径？
只有通过业务复核的内容，才能作为正式查询结果使用；未复核内容应标注为“待确认”。
五、外部知识库建模共识
1. 建设方向
会议形成共识：外部知识库不应泛泛收集，而应围绕重点客户建立点对点数据管道。
例如围绕优衣库等重点客户，持续收集和整理：
- 客户公开资料；
- 品牌定位；
- 产品策略；
- 设计趋势；
- 质量要求；
- 供应链要求；
- 可持续发展要求；
- 门店与市场信息；
- 行业新闻；
- 竞品动态。
这些信息要进入企业大脑，并与恒田内部客户、产品、质量、订单等对象建立关系。
2. 点对点客户数据管道
重点客户建议建立独立数据管道：
重点客户 → 外部资料收集 → 资料清洗 → 客户知识库 → 多 Agent 推理 → 业务建议
点对点管道的价值在于：
- 每个重点客户形成独立知识资产；
- 外部趋势可以与内部订单、质量、产品数据结合；
- 支持销售、产品、设计、质量等部门围绕同一客户做协同判断；
- 让客户开发和客户维护不再只依赖个人经验。
3. 多 Agent 后台推理
外部知识库接入后，可由多个 Agent 从不同角度分析同一客户。
示例：以优衣库为重点客户时，可形成以下协同：
| Agent | 分析角度 | 输出价值 |
|---|---|---|
| 设计小田 | 流行趋势、款式方向、视觉风格 | 帮助判断适合推荐的设计方向 |
| 产品小田 | 产品结构、品类机会、打样路径 | 帮助形成可落地的产品方案 |
| 质量小田/质量模型 | 客户质量标准、验货要求、风险点 | 帮助提前识别质量控制重点 |
| 销售小田 | 客户关系、机会推进、沟通策略 | 帮助形成客户开发路径 |
| CIO小田 | 数据来源、信息可信度、知识库维护 | 确保资料可追溯、可更新、可复用 |
管理意义：
外部知识库的目的不是堆资料，而是让恒田围绕重点客户形成更强的洞察能力，提前理解客户要什么、质量关注什么、产品机会在哪里、内部需要准备什么。
六、产生价值
1. 对客户经营
重点客户知识库能帮助恒田更系统地理解客户，减少单靠个人经验判断，提高客户开发和客户维护质量。
2. 对订单交付
质量标准与客户、产品、订单建立关联后，订单前期评审可以更快识别质量要求和潜在风险，减少后期返工和反复确认。
3. 对质量管理
质量部门的经验和文件不再停留在个人或文件夹中，而是沉淀为企业可查询、可复核、可复制的质量知识。
4. 对跨部门协同
设计、产品、质量、销售、IT 等角色可以围绕同一客户和同一数据底座协同判断，减少信息割裂。
5. 对企业大脑长期建设
质量部门试点跑通后，将形成部门数据接入模板，为其他部门数字化建模提供样板，推动企业大脑从资料问答升级为经营辅助系统。
七、风险与注意事项
| 风险 | 影响 | 控制措施 |
|---|---|---|
| glossary 自动生成但未经业务确认 | 可能造成术语解释偏差 | 质量部门必须参与复核，关键词条标注确认状态 |
| 质量标准与客户关联不完整 | 小田可能返回通用标准而非客户专属标准 | 建模时必须建立客户—质量—产品关系 |
| ERP 数据口径不一致 | 影响后续查询和复盘准确性 | ERP 接入前先确认字段含义、责任人和更新频率 |
| 外部客户资料来源不稳定 | 可能产生过期或不准确判断 | 外部资料必须保留来源和日期，定期复核 |
| 多 Agent 推理缺少统一业务目标 | 结论可能发散 | 每次推理都围绕客户、产品、质量、订单和交付价值收敛 |
| 客户资料敏感 | 涉及商业机密和合作边界 | 内外部数据分级管理，敏感资料不公开发布 |
八、下一步建议
-
质量部门确认首批试点范围
明确首批客户、产品、质量文件和业务负责人。 -
整理质量数据建模字段
先控制在 20 个以内核心维度，确保能落地、能复核、能复制。 -
建立客户—质量对象关系
优先打通“客户对象”和“质量对象”的关联，让小田能按客户找到专属质量标准。 -
准备 ERP 数据接入清单
由 IT 与业务部门共同确认 ERP 中哪些客户、订单、产品、质量字段需要接入。 -
选择重点客户建设外部知识库样板
建议先围绕优衣库等重点客户建立点对点数据管道，形成外部资料收集、清洗、建模和多 Agent 推理流程。 -
建立复核机制
所有自动生成词条、质量对象、客户关联和外部知识结论，都应有来源、日期、责任人和确认状态。
九、会议结论
今日会议确认了恒田AI企业大脑下一阶段的清晰路径：
- 内部数据方面，以质量部门为试点，持续完善 glossary、质量对象和客户关联；
- 系统数据方面，后续接入 ERP，形成更完整的客户、订单、产品和质量数据资源；
- 外部数据方面，围绕重点客户建立点对点知识库数据管道；
- 智能应用方面，通过多 Agent 从设计、产品、质量、销售等角度协同推理，服务客户经营、订单交付和质量管理。
管理重点是：先把质量部门试点做深、做准、做可复制，再把方法推广到各部门，最终让恒田AI成为企业数据沉淀、业务查询、客户洞察和经营决策辅助的长期能力。