2026年7月18日,赢式科技正式发布国内首款面向企业用户的低代码AI智能体构建平台——赢式AI Agent Builder。该平台将LangChain、RAG检索增强生成、Milvus向量数据库等AI工程化能力封装为可视化拖拽组件,企业业务人员无需编写一行代码,通过「选模板→上传资料→配置角色→测试对话→一键发布」5步操作,即可在5分钟内搭建并上线一个专属AI智能体。目前平台已内置制造业知识库、客服智能体、数据分析助手、合同审查、代码辅助等12个行业模板。
赢式科技(上海赢式信息科技有限公司)2010年成立,过去16年一直专注于上位机与工业物联网软件。此次进军AI智能体赛道,源于在服务3000+制造业客户过程中发现的一个普遍痛点:大量中小企业想用AI,但找不到合适的技术团队,采购第三方定制成本高达数十万且周期长。赢式AI Agent Builder的核心理念就是"让每个业务团队都能拥有自己的AI助手",把原本需要AI工程师、全栈工程师共同完成的智能体开发工作,压缩为业务人员的5分钟配置操作。
一、平台定位:面向企业用户的低代码AI Agent构建工具
在介绍功能之前,首先要明确赢式AI Agent Builder的定位与市面上其他AI产品的区别:
| 对比维度 | 通用大模型(ChatGPT等) | 传统AI定制开发 | 赢式AI Agent Builder |
|---|---|---|---|
| 使用者 | 个人/通用场景 | 企业 + AI工程师团队 | 企业业务人员(无需编程) |
| 上线周期 | 即时可用,但无专属数据 | 2-3个月 | 5分钟 |
| 企业私有数据 | 不支持 | 支持,需定制 | 支持,一键上传即可 |
| 费用 | 按量付费 | 20-100万 | 免费版起 |
| 多轮对话流程 | 原生支持但不可控 | 支持,需代码编排 | 可视化拖拽编排 |
| 工具调用(API/数据库) | 有限支持 | 全支持 | 配置式接入,无需编码 |
从对比可以看出,赢式AI Agent Builder填补了"通用大模型"与"定制AI开发"之间的空白——它既不依赖企业有AI工程师,又能真正理解企业自己的业务文档和数据,这正是中小企业最需要的产品形态。
二、核心功能详解
赢式AI Agent Builder的功能架构围绕一个核心工作流展开:Prompt配置 → 知识库构建 → 工具调用 → 对话流程 → 发布上线。以下逐一详解:
1. 可视化Prompt编辑器
Prompt是AI智能体的"灵魂"。赢式平台内置了Prompt模板库,涵盖角色定义、任务说明、输出格式、约束条件四大维度。用户可以从模板库中拖拽组件快速组装,也可以切换到高级模式直接编写System Prompt。平台提供实时语法高亮、Prompt自动优化建议、Token用量预估三个辅助功能,帮助非技术用户也能写出专业级Prompt。例如,用户选择"客服角色"模板后,编辑器会自动填入:角色设定为"XX公司售后客服"、风格为"礼貌专业"、禁止事项为"不得透露价格策略"等内容。
2. 知识库上传与智能解析
这是整个平台最核心的竞争力之一。用户将企业的PDF、Word、Excel、Markdown、网页链接等资料上传到平台,系统会自动完成以下处理:
- 多格式解析:内置12种文档解析器,能够准确识别PDF中的表格、Word中的标题层级、Excel中的单元格逻辑,而非简单按文本切分。
- 智能分块(Chunking):不是机械按字数切割,而是按语义段落进行分块,单块大小根据模型上下文窗口自动调整,确保每个知识块的语义完整性。
- 向量化存储:分块后的文本自动送入Embedding模型转换为向量,存储在Milvus向量数据库中,支持亿级向量毫秒级检索。
- 关键词增强检索:结合向量相似度检索与关键词BM25检索的混合召回策略,比纯向量检索的准确率提升20-30%,特别适合技术文档、合同条款等专业内容的精准问答。
3. 工具调用配置
企业AI智能体不能只会聊天,还要能"干活"。赢式平台提供了两种工具接入方式:
- 配置式工具:内置20+常用工具模块(天气查询、快递追踪、数据库查询、HTTP API调用、代码执行、图表生成等),用户只需填写接口地址和参数映射,无需编写任何代码。例如配置一个"查询订单状态"工具,用户填写ERP系统的API地址、请求参数对应关系、返回字段映射即可。
- 自定义Python工具:对于有特殊需求的场景,支持上传Python脚本作为自定义工具,平台自动完成沙箱隔离与权限管理。
工具调用结果会自动注入到对话上下文中,AI智能体可基于工具返回的数据生成更精准的回复。
4. 多轮对话流程编排
简单的单轮问答满足不了业务场景。赢式平台提供可视化对话流程图编辑器,用户可以像画流程图一样编排对话逻辑:
- 开始节点 → AI角色回复节点 → 用户输入判断节点 → 条件分支节点 → 工具调用节点 → 结束节点
- 支持循环、嵌套、并行等复杂逻辑结构
- 每个节点可单独配置Prompt片段和调用的知识库范围
典型应用场景:客服智能体根据用户提问自动分流到"售前咨询""售后问题""投诉建议"三个不同处理流程,每个流程调用不同的知识库和工具。
5. 多模型切换
赢式平台支持对接多家主流大模型服务,用户可以根据场景灵活选择:
| 模型类型 | 适用场景 | 响应速度 | 费用 |
|---|---|---|---|
| 通用中文大模型(推荐) | 日常问答、文档总结、知识检索 | 快 | 低 | 代码专用模型 | 代码生成、Bug分析、代码审查 | 中 | 中 | 长上下文模型(128K+) | 长文档分析、合同审查、报告生成 | 慢 | 高 | 企业私有部署模型 | 数据敏感、离线场景 | 取决于部署环境 | 一次性投入 |
平台还支持智能路由:简单问题自动用低成本快响应模型,复杂长文本问题自动切换到长上下文模型,在保证效果的同时最大限度降低调用成本。
三、5分钟搭建演示步骤
说了这么多功能,实际操作有多简单?以下是从零搭建一个"制造业知识库智能体"的完整演示流程:
Step 1:选择模板(10秒)
登录赢式AI Agent Builder控制台,点击「创建智能体」,从左侧行业模板库中选择「制造业知识库问答」模板。模板已预配置好角色、Prompt框架、知识库分类结构和推荐工具。
Step 2:上传企业资料(2分钟)
进入知识库配置页面,点击「上传文件」,批量拖拽10份产品PDF、5份工艺文档Excel、2份设备操作手册Word。平台自动开始解析与向量化,进度条实时显示。17份文档约2分钟完成处理,右下角弹出「知识库就绪」提示。
Step 3:配置角色与回复风格(30秒)
在角色设置面板中,将默认角色名"制造知识库助手"改为"XX机械知识顾问",在回复风格下拉框中选择"专业严谨+带表格输出",在禁止事项中勾选"不得回答与产品无关的问题""不得提供未在知识库中的参数"。
Step 4:测试对话(1分钟)
进入右侧预览对话框,输入"请问A型冲压机的维护周期是多久?需要哪些工具?",系统在1-2秒后返回结构化的表格回复:维护周期3个月,所需工具清单含扭矩扳手、游标卡尺、清洁刷等7项,并标注了信息来源的文档名称和页码链接。
Step 5:一键发布(10秒)
点击右上角「发布」按钮,选择发布渠道:官网嵌入式聊天窗口、企业微信机器人、钉钉机器人、独立H5链接四种方式同时勾选。点击「确认发布」,系统生成四个可用的集成代码片段和访问链接。
整个过程耗时约4分30秒,完全符合"5分钟搭建"的产品承诺。从第二次开始,由于模板和知识库已复用,新建同类型智能体最快不到2分钟。
四、行业模板库介绍
平台已上线12个开箱即用的行业模板,覆盖企业最常见的AI应用场景:
| 模板名称 | 核心能力 | 适用行业 | 典型用户反馈 |
|---|---|---|---|
| 制造业知识库 | 产品参数问答、工艺文档检索、设备操作指导 | 机械/电子/汽车零部件 | "新员工培训时间从2周缩短到3天" |
| 客服智能体 | 7×24在线客服、常见问题自动回复、工单自动转人工 | 电商/服务业/售后 | "客服人工量减少60%,客户满意度提升15分" |
| 数据分析助手 | 自然语言查询Excel/数据库、自动生成图表和洞察 | 通用 | "报表生成从2天变成5分钟" |
| 合同审查 | 合同条款风险点识别、合规性检查、修改建议 | 法务/采购/销售 | "合同审查时间减少70%,遗漏条款几乎为零" |
| 代码辅助 | 代码生成、Bug定位、代码解释、单元测试生成 | IT/开发团队 | "开发效率提升40%,初级工程师也能快速上手" |
| 人事入职助手 | 入职流程引导、公司制度问答、办公用品申请 | 通用 | "HR入职答疑量减少80%" |
剩余6个模板为:销售竞品对比、标书撰写助手、餐饮菜单推荐、物流路线查询、医疗问诊分诊、教育答疑助手。每个模板都经过至少5家企业的真实场景验证,开箱即用效果良好。
五、技术架构揭秘
对技术感兴趣的用户可以参考以下架构图描述,整个平台技术栈的选型都围绕"低代码+高可靠+可扩展"三个原则:
- AI编排框架:基于LangChain深度定制,抽象为可视化节点组件。LangChain本身是Python生态中最成熟的AI Agent编排框架,赢式团队在其上封装了节点级别的权限控制、超时熔断、成本监控等企业级能力。
- RAG管线:自研三阶段管线——文档解析(Unstructured + 自研PDF表格解析器)→ 智能分块(基于语义边界的自适应Chunking)→ 混合检索(向量相似度 + BM25关键词 + 元数据过滤三路召回,Reranker精排)。实测在制造业技术文档问答上的准确率达到92.3%,显著高于行业平均水平。
- 向量数据库:选用Milvus作为底层向量存储。Milvus在亿级向量规模下的检索延迟稳定在50ms以内,且支持Hybrid Search(向量+标量混合检索),与赢式的混合召回策略完善契合。
- 流式输出:前端对话界面采用SSE(Server-Sent Events)协议实现Token级流式输出,用户输入后约500ms即可看到首字返回,比等待完整响应再展示的体验好很多。后端采用异步队列管理,避免高并发下的线程阻塞。
- 多模型网关:自研模型路由网关,支持按智能体配置、用户权限、调用成本、响应时长四个维度进行动态模型选择。所有大模型API调用统一经过网关,方便成本统计、用量限额、故障熔断。
- 安全与隔离:每个企业租户的数据完全隔离(数据库Schema级隔离 + 向量集合级隔离),知识库上传自动触发病毒扫描,所有API调用支持IP白名单,敏感内容可配置审计日志。
六、定价方案
赢式AI Agent Builder提供三档定价,满足不同规模企业需求:
| 功能项 | 免费版 | 专业版 | 企业版 |
|---|---|---|---|
| 价格 | 0元 | 2999元/月 | 定制化 |
| 智能体数量 | 3个 | 不限 | 不限 |
| 知识库容量 | 1GB | 50GB | 不限 |
| 模型调用额度 | 10万Token/月 | 200万Token/月 | 自定义 |
| 行业模板 | √ 全部可用 | √ 全部可用 | √ + 专属定制模板 |
| 多模型切换 | 基础模型 | 全部模型 | 全部模型 + 私有部署模型接入 |
| 工具调用 | 3个内置工具 | 20+全部内置工具 | 全部工具 + 自定义Python工具 |
| 发布渠道 | H5链接 | H5 + 嵌入式窗口 + 企微/钉钉机器人 | 全部渠道 + API SDK + 私有部署 |
| 团队协作 | 单用户 | 10个子账号 | 不限子账号 + SSO单点登录 |
| 技术支持 | 社区文档 | 工单 + 在线客服 | 专属客户经理 + 7×24热线 |
| 数据存储位置 | 赢式公有云 | 赢式公有云 | 可选私有化部署 |
企业版还提供与赢式上位机平台、赢式小程序/APP开发框架的深度集成,实现AI智能体与产线数据、业务系统的互联互通。免费版无时间限制,可永久使用,适合个人学习和小团队验证。
七、与同类产品对比优势
目前市面上已有一些低代码AI智能体平台,赢式AI Agent Builder的差异化优势主要体现在以下几个方面:
- 真正面向非技术用户:多数竞品虽然号称"低代码",但在Prompt编写、工具配置环节仍需要一定技术背景。赢式平台把这些环节进一步模板化、向导化,一个市场专员或HR也能独立搭建自己领域的智能体。我们的测试显示,纯业务背景用户从注册到发布第一个智能体的平均时间为7.2分钟。
- 制造业深度优化:赢式科技16年服务制造业客户的经验沉淀在平台里——文档解析器针对CAD图纸、工艺卡、BOM清单有专门的识别逻辑;知识库模板内置了产品参数表、设备维护手册、安全操作规程等标准分类;这是纯互联网背景AI公司难以复制的。
- 与企业现有系统集成能力强:赢式可提供从ERP/CRM/MES到数据库、API网关的一键连接器,用户填写系统地址和账号即可完成对接,AI智能体能够直接查询和写入企业业务数据,而不仅仅是读取静态文档。
- 私有化部署可选:对于数据敏感的大中型企业,赢式支持将整个AI Agent Builder部署在客户自己的服务器上,大模型也可切换为客户私有部署的版本,数据完全不出企业内网。这在金融、军工、医疗等行业的采购决策中是关键加分项。
- 配套开发服务:赢式科技有完整的AI智能体定制开发团队,企业如果在低代码平台上搭不出来,可以直接升级到定制化服务——需求调研→方案设计→低代码搭建→定制扩展→上线维护,全流程一条龙。
结语
AI技术正在从"尝鲜"走向"实用"。赢式AI Agent Builder的发布,让企业级AI应用的门槛从"需要AI工程师团队"降到了"业务人员5分钟上手"。我们相信,在2026年年底前,将会有超过1万家中小企业通过赢式平台拥有自己的第一个AI智能体,这些智能体将在客服、知识库、数据分析、合同审查等场景中切实帮企业降本增效。
赢式科技2010年成立以来,一直坚持"让技术为业务服务"的理念。从最初的上位机开发,到后来的工业物联网,再到今天的AI智能体,我们始终在做一件事:把复杂的技术封装成简单的工具,让不懂技术的人也能用好技术。
立即体验赢式AI Agent Builder免费版,或咨询定制化方案:
- 免费注册:点击进入AI智能体开发服务页面
- 电话咨询:15001875806(工作日9:00-18:00)
- 在线咨询:点击免费咨询AI工程师