那 613 张工单上写着「已处理」三个字 · 这三个字是这家公司三年里最贵的三个字
运维与质保工程师 · 真实业务触发
弘锐储能运维团队 14 人,三年累计 1,842 张工单。老师傅 2 人,每天要接 100 多通电话,人一走经验就断。2026 年团队扩到 14 人,其中 6 人入职不满 8 个月,同样的故障反复从头试错。运维总监想要一个「新人能自己查」的东西。
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 = 8.8
最大差异点 · 这是「接住客户第三问并转向」的场景。客户问「能不能做预测性维护」,答案是能做一半:把已经发生过的 1,842 次故障的处置方法变成可检索的,这一半是确定的、今天就能兑现的;而猜未来哪台会坏那一半,行业里的试点大多停在演示阶段 —— 不是算不准,是预警发出后没人负责处置、没排期、没备件、没复盘。把确定性的一半做实,比赌不确定的一半更有用。
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
不做故障预测、不做设备健康度评分、不输出「下周哪台会坏」;役龄失效窗口是历史统计事实(这类部件在这个役龄区间的故障次数显著高于其他区间),不是对任何单台设备的预测 —— 这个区别必须写在知识库首页;工单原文的处置描述一个字不改,不做润色、不做归并。
Live Demo 里有一个完整案例的每一步,包括 Agent 在哪一步拦住了