台铃×火山引擎VeKnow：4倍提效数万家门店24万张实拍照片审核

过去十多年，传统制造企业投入大量资源建设信息系统，将采购、生产、销售和财务等业务搬到线上。

最初，这些系统主要帮助企业记录和处理日常业务。随着各环节逐步打通，企业开始利用经营数据安排预算、调整生产和配置资源。数字化也从提高业务处理效率，逐渐参与到经营决策中。

台铃科技数字化中心总经理陈骏介绍，与较早开展数字化建设的同行相比，台铃还有不少基础工作需要“补课”。近两年，生成式AI开始进入企业办公和业务场景，台铃决定跟上最新的技术路线。2025年，台铃借着开源大模型开发了企业智能体“铃宝”，但使用体验还有些差强人意。

2026年，台铃开始与火山引擎全面合作，顺利将企业Agent从日常办公逐步延伸到门店巡检、经销商订货和生产管理等业务场景。

作为一家在行业内做到头部的实体制造企业，台铃拥有着复杂的研发、制造、渠道、售后体系，庞大的员工基数和数万家门店，AI能带来的经营效率提升极为可观。而众所周知的是，数据的质量对于AI实际应用效果至关重要，在企业Agent中这一点则对应着“知识的价值”。

双方合作的核心之一，就是火山引擎知识引擎VeKnow和HiAgent，前者负责将台铃原本分散在不同系统中、形态复杂、格式不统一的知识，进行统一接入、加工、管理和持续进化，后者则支持面向业务需求完成专业智能体搭建并接入知识提供系列专业服务。

从通用办公到专业场景，铃宝有了知识底座

2025年春节前后，DeepSeek的走红让台铃科技的管理层开始讨论：公司应该怎样把AI用起来？

台铃科技数字化中心总经理陈骏和团队研究了不少技术问题，一个多月后，基于开源大模型开发的内部智能体“铃宝”上线了。它能写演讲稿、做PPT、整理会议纪要，也能翻译和查询制度。上线初期，不少员工愿意尝鲜，可集中推广一结束，用户量便明显回落。

究其原因，无非“通用”二字，铃宝能做的这些事，其他成熟AI产品大多也能做，甚至做得更好。

2026年，台铃与火山引擎合作，铃宝迎来了重大升级。相比继续增加通用办公功能，双方更希望通过高质量的企业知识供给，让铃宝向企业专业办公场景细分升级。

效果是显而易见的。据陈骏总结，除了在基础能力上的显著强化外，合作后的铃宝更加服务于具体的场景、具体的工作了，在一些场景作业时真的能发挥出人与AI协同的工作能力了。

比如，　财务人员查出差和报销手续，仓库人员查GPS、控制器等贵重物料的收发规定，售后人员查三包配件的处理办法，需求各不相同，却有相似的麻烦：企业知识来源分散、形态复杂，有的保存在业务系统中，有的留在员工电脑里，文件格式和管理方式也不统一；即使找到了资料，还要确认版本、权限和适用范围。

这些问题并不是大模型本身能够解决的，要让Agent能够准确回答企业内部的专业问题，需要的是完整、持续、有明确来源和依据的知识。

并且知识“接进来”，还不等于Agent就能直接“用起来”。一份制度可能有几十页，涉及不同岗位和执行条件；有的资料包含表格、图片和复杂的文档结构。如果只是简单提取文字，原本的内容层级、适用条件和业务语义就可能在处理过程中丢失。

而火山引擎知识引擎VeKnow擅长的，正是通过复杂文档解析、灵活切片和知识增强，对不同格式的资料进行加工，让原本零散的内容成为智能体能够理解、检索和调用的知识。双方一拍即合，围绕售后、营销、制造、行政办公和数字化这五个业务领域建设知识问答平台。

对于需要跨文件关联的复杂问题，VeKnow还提供知识图谱、本体语义建模等知识编译能力，帮助Agent理解不同业务规则之间的关系，获得更完整的业务上下文。

陈骏介绍，目前铃宝在台铃内部员工中的使用覆盖率已经达到了80％左右，长期目标是提高到95％以上。这就需要靠VeKnow后续补齐更多还没梳理出来的企业知识、挖掘并满足更多需求场景。

数万家门店与一张订单，智能体走进业务

台铃在全国有数万家门店，因为门店形象、陈列有统一标准，因此需要门店工作人员定期拍照上传检查，通常一家门店一次需上传4－5张图片。

2025年，台铃就设立了专门团队审核这些照片，但职能却只可覆盖部分核心门店：因为除了逐张检查照片是否符合标准外，当发现问题后还要通知门店整改、重新复核，工作繁琐且量级巨大。

如今，台铃将门店照片的初步审核交给由火山引擎VeKnow和HiAgent搭建的智能体。门店照片上传后，AI按照对应标准知识指出不符合标准之处；门店整改、重新上传，系统再次判断。当遇到争议或异常情况，再交由人工处理——目前在审核团队人力投入减少前提下，门店巡检覆盖数却已经扩大至2.5倍，每月可审核超过24万张门店实拍图，整体审核提效4倍以上。

企业知识在这里不再只是供人查询的资料，也开始成为Agent执行任务时的判断依据。而除了已有的标准化知识，智能体还能基于VeKnow的长期记忆能力，沉淀门店的历史巡检记录，为后续管理提供参考。

门店巡检的覆盖范围扩大后，模型调用费用也需要控制。最初，一家门店上传四五张照片，系统就要分别调用模型进行识别。火山引擎数智平台交付团队尝试了一个办法：先把这几张照片合成为一张，再统一交给模型审核。测试下来，Token消耗减少了，识别准确率也没有下降。

经销商订货是另一件需要大量人工参与的工作。台铃的车型和产品配置众多，不同地区的销售规定也不完全相同，因此经销商下单前，需要根据自身所需先和台铃的商务内勤电话沟通，再由工作人员协助下单。业务规模越大，所需处理的咨询和订单就越繁杂，对接工作所需投入的人力就越多。

铃导者APP－AI订货助手入口

台铃与火山引擎正在基于VeKnow和HiAgent测试经销商订货助手，通过面向经销商的“铃导者”APP，提供文字、语音咨询和订货协助，该项能力目前已经进入试用阶段。

按照台铃的规划，订货助手除了要基于产品知识、渠道规则和业务上下文回答车型配置和产品价格等问题，还将逐步链接更多上游环节实时数据。

数据显示，仅10月27日一天，经销商通过“铃导者”APP就向订货助手发起咨询超过10000次，其中下单需求意图识别超3000次，最终协助完成下单转化占比超42％。

台铃希望随着知识体系和业务系统逐步完善，让订货助手承担更多日常咨询与订货工作，减少业务规模增长带来的重复人力投入。

除了上述案例外，台铃也在将AI应用延伸到更多现场。例如，在电动车装车过程中，台铃已经尝试利用摄像头和AI识别，检查工作人员是否按照要求佩戴安全帽、安全绳；对于装车数量标准化、易燃物早期预警，以及面向线下门店的实体导购机器人，台铃也还在继续探索。

制造业的AI底座，先把知识管起来

随着监管趋严，一辆电动两轮车要上市销售，电池、电机、控制器等关键零部件的对应关系，需要在生产过程中得到更精细的管理。

这些变化不止发生在工厂。一项产品标准调整后，仓储要核对物料，销售要确认不同地区的适用规定，售后也需要更新处理口径。对制造企业来说，如何让这些知识及时传递到不同部门，已经成为日常管理的一部分。

但企业知识建设是一件“又脏又累”的工作，它们散落错综复杂，跨地域、部门、环节、人员极广，这是电动两轮车全行业甚至所有传统制造企业面临的相同困境。

火山引擎VeKnow希望解决的，正是企业知识从接入、加工、可信治理到业务应用和持续进化的完整链路，并提出了“一次治理、多场景复用”的思路，企业可以通过API、Skill等方式，将已经接入、加工和治理的知识资产供不同Agent调用，新应用可以复用已有知识基础，再根据业务需要补充新内容。

台铃已经沿这一方向建设，五大业务域的知识问答平台为铃宝提供专业依据，门店巡检调用门店管理标准，尚在测试的订货助手继续补充产品、渠道和订单知识。应用进度不同，底层知识却可以持续积累。

知识管理还要跟上业务变化。一项制度频繁被查询却找不到有效答案，可能意味着知识缺口；不同部门规定冲突，就需要核对修订。VeKnow依托知识回流治理、效果评测以及用户使用反馈，帮助企业发现问题，推动知识持续进化，而非一次建库就结束。

“VeKnow提供的是知识底座，”陈骏补充道，“后链路的智能体搭建和场景编排还将在HiAgent上完成。”现阶段，台铃科技已经完成面向业务场景的AI大框架搭建，深入洞察业务实际需求，并自主落地多个场景化智能体，持续推进铃宝APP进化为AI中台，统一为业务提供AI能力和服务。

随着AI从辅助办公走向生产、销售和经营管理，VeKnow提供的高质量知识供给、可信治理和多场景复用能力，HiAgent提供的智能体搭建和场景编排能力，也有机会为更多传统制造企业实现专业知识底座的建设和Agent搭建。