底層技術棧
騰訊混元大模型 + 騰訊雲 AI 中臺 + 微搭執行時
🧠
騰訊混元大模型
LLM 基座，支撐語義理解、生成與推理
🔎
騰訊雲向量資料庫
RAG 知識檢索、企業私有語料召回
📄
騰訊雲 OCR / TI
文件結構化、圖表識別、語音轉寫
⚡
微搭執行時引擎
頁面/流程/元件視覺化執行容器
六大 AI 原子能力
覆蓋需求 → 建模 → 搭建 → 編排 → 執行 → 運維全鏈路
AI 應用生成
自然語言描述業務需求，AI 一鍵生成頁面、資料模型與基礎流程。
- 表單/列表/審批骨架自動搭建
- 資料模型欄位自動推斷與外來鍵關聯
- 樣式主題 / 企業微信端適配
AI 資料分析
智慧洞察業務資料，自動生成報表、看板與異常告警。
- 自然語言問數（Text-to-SQL）
- 圖表型別自動推薦與生成
- 多維對比 / 趨勢預測
AI 工作流編排
語義解析業務流程描述，自動生成審批節點與分支條件。
- 多級審批、會籤、並籤自動配置
- 條件分支由 AI 抽取並落到規則引擎
- 與企業微信審批打通
AI 智慧問答
基於企業知識庫構建智慧客服/內部知識助手，支援 RAG 檢索增強。
- 對接騰訊雲向量資料庫做 RAG
- 可嵌入企業微信 / 小程式 / H5
- 答案引用與可溯源
AI 程式碼輔助
輔助生成 JS 事件指令碼、自定義元件與 API 呼叫模板。
- 自然語言生成 JS 片段與校驗邏輯
- 自定義元件腳手架生成
- API 呼叫模板、錯誤排查提示
AI 文件解析
上傳業務文件，AI 自動抽取欄位、生成資料模型與表單。
- 合同/發票/工單等半結構化抽取
- OCR + LLM 聯合解析
- 可直接生成微搭表單
效率對比：人工 vs AI 輔助
基於典型企業場景的觀測值（僅作參考）
| 典型任務 | 傳統人工 | 微搭 AI 輔助 | 提速倍數 |
|---|---|---|---|
| 請假/報銷表單 + 審批流搭建 | 4 ~ 6 小時 | 15 ~ 25 分鐘 | ≈ 10× |
| 銷售週報資料看板 | 1 ~ 2 天 | 30 ~ 60 分鐘 | ≈ 8× |
| 合同結構化抽取 100 份 | 2 人日 | 20 分鐘 | ≈ 30× |
| 客服 FAQ 知識庫問答 | 專員 7×12 小時 | AI 7×24 智慧應答 | 覆蓋率 +60% |
| 自定義 JS 校驗指令碼 | 1 ~ 3 小時 | 5 ~ 10 分鐘 | ≈ 10× |
*資料來自算數科技在上海、深圳、成都多家中型製造/零售/教育客戶試點樣本，實際效果隨業務複雜度浮動。
AI 能力落地四步法
從場景盤點到上線運營的標準交付路徑
01
場景盤點
識別高價值 AI 觸點：審批、問數、文件、客服
02
資料與語料準備
清洗業務欄位、治理私域知識、接入向量庫
03
提示 & 元件編排
Prompt 設計、AI 元件裝配、容錯與兜底
04
上線與運營
灰度釋出、效果監控、模型與知識持續迭代
常見問題 FAQ
微搭 AI 能力底層模型是什麼？是否支援替換？
預設對接騰訊混元大模型，支援透過自定義 API 接入私有化/第三方模型；企業版可按需做模型路由與成本控制。
AI 應用生成出來的方案可以二次修改嗎？
生成結果為標準微搭應用結構，所有頁面、資料模型、流程均可在視覺化編輯器中繼續調整，不存在"黑盒"鎖定。
企業私有資料如何保障不外洩？
支援 VPC 內網呼叫、脫敏策略、審計日誌、模型輸入側過濾；向量庫資料預設按企業租戶隔離。
預估落地週期和成本？
典型單場景（如智慧審批或智慧客服）POC 2~4 周、成本取決於用量與知識庫規模；算數科技可輸出定製化估算與 TCO 對比。