GPU 故障率是 CPU 的 120 倍 · 换卡记录却散在工程师个人电脑的 Excel 里
智算集群运维(GPU 与高速网络) · 真实业务触发
月度备件盘点:本月换了 14 张 H800 备件卡,组长被主任问「这 14 张哪些是真坏、哪些是误换、送修检测结果出来没有」—— 台账在三个工程师各自的电脑里,格式都不一样。
不是流程描述,是调研出来的真痛点 —— 每条可点开核对出处
变化不在「快」,在「参与的角色」和「覆盖的范围」
5 步 · 每一步的产出都是下一步的输入
痛感 4 × AI 适配 4 ÷ 落地难度 2 = 8.0
最大差异点 · 不需要客户先建台账系统。三份格式不一的 Excel、微信里的换卡沟通记录、备件库的出入库单,原件直接进来 —— 台账是拼出来的,不是要求客户先补出来的。
评分口径:痛感看「这事没做好谁会生气、生气到什么程度」; AI 适配看「输入是否非结构化、是否要跨部门取数、错了能不能当场看出来」; 落地难度是分母 —— 需要客户先做数据治理的场景,分数会被压得很低。
判断标准只有一个:这份东西能不能直接进企业的流程
不自动换卡、不下「硬件故障」的最终判定(复检与备件领用是人签字的动作)。「疑似误换」只是复核建议,换下的卡以第三方检测报告为准。送修比价只列选项与金额,供应商选择是采购流程的事。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了