润富德 样本AI化 某计量泵厂家脱敏案例

某泵业厂家（计量泵 / 蠕动泵）把一本选型样本交给润富德做样本AI化，目标不是「做个网页」，而是把一线选型经验沉淀成可 @ 的智能体——销售、客服、技术员不再翻几百页样本，@一下就出结构化选型工单。

样本越厚，人越累

做装备、做备件的厂家都懂一个痛点：样本厚、参数散、介质到泵头的映射全靠老师傅记在脑子里。

新人接一个选型咨询，翻半天样本还不敢确定；老师傅被反复打断，同样的问题一天答八遍。

这不是某一家的问题，是「上游样本」这个环节的共性摩擦。润富德·样本AI化，干的就是把这层摩擦削掉。

一、样本AI化到底是什么（先看定义）

样本AI化 = 把产品选型样本（纸质 / PDF / 网页）拆成结构化字段表，灌入知识库，再搭一个能被自然语言调用的智能体。结果是：「问参数、做选型」从翻书查表，变成 @一下即出。

它和「把样本做成网页」不是一回事。网页只是把纸搬上网；样本AI化是把经验变成会对话的系统。

我们用的是块数据方法论：不整本喂进去，而是按业务语义把样本切成可复用的「块」——

• 系列主表（每个系列是什么、能干嘛）

• 流量参数表（流量、压力、接口怎么对应型号）

• 选型组合规则（介质 → 泵头 → 系列 → 型号的映射逻辑）

三张表一立，样本就从「给人读」变成「给机器查」。

二、场景：它解决了什么

厂家样本厚、参数散、介质—泵头映射靠老师傅记。新人问一次翻半天，老师傅被反复打断。

润富德用块数据方法论把样本拆成三张结构化表，灌入知识库，再搭一个智能体，对外提供「@一下出选型」的能力。

受益的是三类人：

• 销售：报方案前自己 @一下，秒出推荐型号，不用等技术

• 客服：客户问参数，不用翻样本，直接调智能体

• 技术员 / 新人：选型不再依赖「找对人」，依赖结构

  
  

三、交付路径：五步闭环

样本AI化不是一次性工程，是一条可验收的闭环：

十题九准是硬验收线：用真实样本拟 10 道题，答对 9 道即算通过（准确率 ≥95%）。错一处，改一处，不糊弄。

四、案例实况：一段真实对话

下面是脱敏后的真实交互（品牌、型号为占位，字段结构与选型逻辑为真）。

用户输入（@智能体）

我们要给水处理加注弱酸药剂，流量约 7 L/h，要能接 4~20mA 外控，选什么泵头、哪个型号？

智能体输出（结构化工单）

两点诚实说明：

• 压力、速度等精确数值，以厂家最新样本为准（智能体不编造精度）

• 遇到模糊工况，智能体输出「请补充介质 / 温度 / 压力」的引导话术，由使用方补信息后再查（飞书智能体基于表格匹配，不反向追问）

  
  

五、智能体能干什么（能力清单）

六、脱敏与边界（先说清楚）

脱敏：本案例品牌名、具体型号均为脱敏占位，仅保留字段结构与选型逻辑，便于展示方法。

落地形态：飞书内部智能体，企业部署、授权账号后可 @使用（匿名访问需登录，不直接对外公开）。

验收标准：十题九准（准确率 ≥95%），据真样本拟题走验收。

我们的定位：润富德是方法论源头与标准制定者。样本拆一次，吃终身——但交付后样本的「保鲜」（参数随厂家更新）由归属方自担。

一句话：这不是「给个网页看」，而是把厂家的选型经验资产化——样本拆一次，吃终身。

七、FAQ（你可能想问）

Q1：样本AI化和普通「样本上网」有什么区别？

A：上网只是把纸搬上网，人还是要翻。样本AI化是把样本拆成结构化表 + 智能体，@一下直接出选型工单，人不用翻。

Q2：我的样本是 PDF 或纸质书，能处理吗？

A：能。无论 PDF、网页还是纸质扫描，都走「块数据拆解 → 四张参数表 → 知识库 → 智能体」同一条路径。

Q3：准确率怎么保证？

A：用真实样本拟题走「十题九准」验收，准确率 ≥95% 才算交付。错一处改一处。

Q4：智能体会不会乱编参数？

A：不会。它基于表格匹配输出，遇到模糊工况会引导补充信息，不反向追问、不编造精度数值。

Q5：交付后怎么用？

A：落地为飞书内部智能体，授权账号 @一下即用；匿名需登录，不直接公开。

Q6：润富德交付到哪一步？

A：润富德是方法论源头与标准制定者，负责把样本拆成结构化资产并搭好智能体；后续样本参数更新（保鲜）由归属方自担。

润富德·数商 —— 轮胎及装备行业数据资产化服务商 把一线主管的选型、排故、询价经验，变成可登记、可复用、可变现的数据资产。

个人服务理念：https://workbuddy.link/p/VWfJ1Nlb83ETDSizZULLeu