Surpath AI Copilot

驿玛 AI 助手 - 多工具联动使用场景

聚焦 AI 不可替代的复杂场景:自然语言理解、跨源推理、归因分析、方案生成

7
覆盖团队
19
复杂场景
3~8
每场景联动工具数
23
可用 API 工具

AI 做(本文档聚焦)

  • 输入模糊 / 非结构化(客户自然语言、散乱邮件链)
  • 跨数据源推理和归因分析("为什么?")
  • 输出需要判断和叙事(沟通材料、方案建议)
  • 规则过多且灵活,无法穷举(操作规范匹配)
  • 把数据"翻译"成人话

规则代码做(已剔除)

  • 输入结构化(固定参数、固定阈值)
  • 只需聚合和比对("是多少?")
  • 输出固定格式(报表、告警模板)
  • 规则清晰可枚举(阈值告警)
  • 数据搬运 —— 从 A 搬到 B

已剔除的场景(更适合规则代码 / 定时任务)

展开 ▼
场景剔除原因
每日异常订单巡检 + 批量推送按固定阈值查询 → 按客户分组 → 模板通知,纯自动化脚本
月度对账 + 账单批量发送拉数据 → 固定模板 → 按邮箱列表群发,标准 ETL + 邮件脚本
客户账务风险巡检信用额度 < 阈值 → 告警,简单规则引擎
库存进出流水核对期初 + 入库 + 退货 - 出库 = 理论值 vs 实际值,纯算术比对
仓库操作时效监控时间差 > SLA → 告警,阈值判断
渠道质量统计报表异常数 / 总单数 = 异常率,按渠道聚合,BI 报表更合适
每日运营数据简报(纯数字)固定指标固定格式,定时任务 + BI 仪表盘
客户流失预警(简单指标下降)出库量环比下降 > X% → 告警,规则引擎
CS

客服团队

日常客户问题响应 & 售后处理
1. 模糊问题诊断与应答
客户在微信群说"我那批货怎么还没到"——没给单号,没说哪批
1
定位客户 & 拉取在途订单

用客户名称定位账户,查询其所有近期在途出库订单

queryCustomersByName queryOutboundOrders
2
批量查询物流轨迹

对所有在途订单查询 FedEx 实时轨迹

fedexTracking
3
AI 推理:哪个订单是客户说的"那批"

根据下单时间、数量、状态异常程度等综合判断最可能的订单,并对每个在途订单生成状态说明

4
生成可直接发到微信群的回复

"您好,您最近有3个在途订单,其中XX单号目前在Dallas转运中心,预计2天内到达;XX单号已妥投,请确认……"

AI 价值:客户表述模糊,需推理意图 + 从多个候选中判断 + 生成自然语言回复,规则代码无法处理
2. 复杂售后方案制定
客户反馈"收到的货破损了,部分能用部分不能用,想部分索赔、剩下的退回重新包装再发"
1
查原始订单 & 商品信息 queryOutboundOrders queryCommodityDetail
2
查库存 & 售后政策

确认该 SKU 是否有库存可补发;查知识库中索赔、退件、重新包装的费用标准

querySkuInventory search_knowledge_base queryReturnOrders
3
AI 综合制定方案

破损不可用的 → 索赔(按申报价),可用但需重新包装的 → 退件走"变更产品上架",库存充足可直接补发 → 新建销售订单。同时估算各项费用

4
输出带费用估算的完整方案文本

客服可直接发给客户确认

AI 价值:一个售后请求涉及索赔 + 退件 + 补发 + 费用估算,需跨多个数据源推理并给出连贯方案
3. 客户操作问题即时解答
客户问"我的产品是带锂电池的电动滑板车,40kg 一件,要怎么贴标和包装?能走 FedEx 吗?"
1
从知识库匹配适用规范

交叉匹配:锂电池要求 × 超重标签 × OS尺寸贴标 × 包装材料规范

search_knowledge_base
2
核对客户已有商品数据

检查该客户是否已创建商品、信息是否完整

queryCommodityDetail
3
AI 从十几种交叉场景中拼出个性化指引

含电 + 超重 + OS尺寸 → 需要 MSDS + TS文件 → 外箱贴超重标签 + 电池标 → 五层重型纸箱 → 可走 US_FEDEX_OS → 但需仓库先确认

AI 价值:操作手册有十几种场景交叉组合,客户不会自己翻手册匹配,AI 根据具体情况"拼"出个性化答案
4. 多诉求邮件拆解与逐一回应
客户发来一封长邮件,混合了改地址、申请 POD、咨询新 SKU 入库等多个诉求
1
读取并理解邮件内容 search_emails fetch_email
2
AI 拆解出 3 个独立诉求,分别查询

改地址 → 查订单状态判断是否可改;POD → 查售后工单;新SKU → 查知识库

queryOutboundOrders queryAfterSalesOrders search_knowledge_base
3
生成分条回复

一封回复覆盖所有诉求,条理清晰

AI 价值:自由文本中多重意图的拆解和分流,规则代码无法解析
SA

销售团队

客户拓展 & 维护 & 增长
1. 客户拜访准备(洞察 + 话术建议)
销售明天要见客户,需要的不是数据表格,而是"谈什么、怎么谈"
1
多维度拉取客户数据 queryCustomerInfos queryOutboundOrders queryInboundOrders querySkuInventory queryCustomerAvailableCreditLimit queryDeliveryExceptionOrders queryAfterSalesOrders
2
AI 生成洞察而非数据

"该客户出库量增长40%但补货没跟上,预计2周后断货 → 建议提醒加紧补货"
"上月3次异常都是OS货走了Ground渠道 → 建议引导切换渠道"
"信用额度剩$2000,约5天用完 → 可顺便谈充值"

AI 价值:销售需要的不是 raw data,而是经过推理的建议和谈话策略
2. 客户定制化方案咨询
潜在客户问"我做大件家具,年5万单,你们能做吗?大概什么费用?"
1
匹配知识库 & 参考现有客户

查大件产品仓储/快递规范和渠道限制;参考类似品类客户的实际数据

search_knowledge_base queryCommodityDetail queryOutboundOrders
2
AI 生成初步方案建议

"大件家具建议走 LTL 卡派,仓内需注意打板规范…按类似客户经验,单件出库成本约 $XX-XX 区间"

AI 价值:需要理解客户场景 + 匹配知识库 + 参考历史数据 + 生成有说服力的方案
3. 多客户交叉分析辅助决策
销售主管想知道"哪些客户虽然单量不大,但客单价高、异常率低,值得重点培养"
1
批量拉取客户多维数据 queryCustomerInfos queryOutboundOrders querySummaryAccountInformation queryDeliveryExceptionOrders queryAfterSalesOrders
2
AI 多维度交叉排名 + 业务判断

"以下5个客户月均出库量 <500 单,但客单利润贡献排前20%,妥投率 >98%,售后率 <1%,建议列为重点培养对象"

AI 价值:不是简单排序,而是多维度交叉分析 + 给出可执行的业务判断
FN

财务团队

费用核查 & 争议处理 & 单证审核
1. 费用争议调查与解释
客户质疑"这笔附加费是怎么回事?我不该被收这个钱"
1
拉取费用明细 & 关联订单 & 商品数据 queryArChargeOffList queryOutboundOrders queryCommodityDetail querySkuInventoryDetail
2
查收费标准 search_knowledge_base
3
AI 还原事件经过,匹配收费依据

"这笔 $150 附加费产生原因:您的入库单 XX 在1月15日送仓,但未提前3个工作日预约(实际仅提前1天),根据整柜预约规范第二十条,仓库安排加班卸柜收取紧急操作费"

AI 价值:需从多个系统还原事件时间线 + 匹配知识库中的具体收费条款 + 生成有理有据的解释文本
2. 海运单证与入库费用匹配审核
审核某批海运货物的入库费用是否与单证一致
1
搜索并读取单证附件

提单、装箱单、商业发票

search_emails fetch_email get_attachment
2
查系统数据 & 费用明细 queryInboundOrders queryCommodityDetail queryArChargeOffList
3
AI 交叉比对单证 vs 系统

"提单显示20个托盘共480箱,系统入库单显示475箱,费用按480箱计收,建议与仓库确认差异后调整"

AI 价值:需理解非结构化的单证附件内容,与结构化系统数据交叉比对
OC

海运整柜业务团队

单证管理 & 提柜送仓协调 & 入库跟踪
1. 提柜送仓邮件链理解与协调
卡车公司、仓库、客户三方邮件来回沟通送仓时间,信息散落在多封邮件中
1
按柜号搜索所有相关邮件 search_emails fetch_email
2
核对系统入库单 queryInboundOrders
3
AI 从散乱邮件链中提取时间线

"柜号 XXXX,最初预约3月15日送仓,卡车公司2月28日邮件回复改到3月17日,仓库尚未确认。入库单中预计到达日期仍为3月15日需更新。建议立即回复仓库确认新日期"

AI 价值:邮件链中的信息散乱、有改期有反复,需 NLU 提取时间线并判断当前状态
2. 入库异常原因分析与客户沟通
仓库反馈某柜货物入库异常,需要查原因并告知客户
1
查入库单 & 单证 & 商品数据 queryInboundOrders search_emails get_attachment queryCommodityDetail
2
查适用规范 search_knowledge_base
3
AI 从异常现象反推原因

"一箱多件不同 SKU 但未做物理隔离,且外箱缺产品清单。参见操作手册装箱规范第2.2节"

4
生成得体的客户沟通文本

有理有据说明问题 + 附规范引用 + 给出整改建议

AI 价值:需从异常现象反推原因 → 匹配多个规范条款 → 生成得体的沟通文本
EX

快递渠道供应商管理团队

渠道质量分析 & 供应商协调
1. 异常模式归因分析
某渠道异常率突然飙升,需要分析"到底是什么原因"
1
拉取异常订单 & 轨迹 & 商品特征 queryDeliveryExceptionOrders fedexTracking queryOutboundOrders queryCommodityDetail
2
AI 发现 pattern 并归因

"异常集中在发往德州的 OS 尺寸订单,FedEx 轨迹显示均在 Dallas 转运中心滞留,可能是该中心近期产能问题。非 OS 订单和发往其他州的妥投正常。建议临时将德州 OS 订单切换到 LTL 卡派"

AI 价值:从多维数据中发现 pattern 并给出可解释的归因和建议,规则代码做不到
2. 供应商沟通材料准备
需要跟 FedEx 客户经理开会反馈服务质量问题
1
拉取异常数据 & 典型案例轨迹 queryDeliveryExceptionOrders queryTimeoutUntrackedOrders fedexTracking queryOutboundOrders
2
AI 生成有论据的沟通材料

挑选典型案例、组织叙事逻辑、量化影响:"过去30天共 X 单,异常率 X%,环比上升 X 个百分点。典型案例:单号 XX,出库后轨迹断更至今。集中问题:(1) Dallas Hub 滞留 (2) 上网时效退化……"

AI 价值:不是导出数据,而是挑选典型案例 + 组织叙事逻辑 + 生成可直接用的沟通材料
WH

美国海外仓供应商管理团队

仓库绩效 & 问题调查 & 容量规划
1. 仓库问题调查报告
多个客户反馈同一仓库最近出货慢,需要调查原因
1
按仓库维度拉取多维数据 queryTimeoutPendingOrders queryInboundOrders queryOutboundOrders querySkuInventory queryCustomerInfos
2
AI 综合分析并给出建议

"XX 仓库出库时效从18h退化到36h。同期入库量增长60%(3个客户集中送了5个柜),可能是产能超载。受影响客户8个,其中3个大客户。建议:(1) 仓库加班排产 (2) 对大客户主动说明 (3) 评估临时分流"

AI 价值:不只是看到"慢了",而是推理出"为什么慢" + 影响范围 + 建议方案
2. 新仓评估分析
评估是否需要在新地区接入海外仓合作方
1
分析现有仓库运营数据 querySkuInventory queryOutboundOrders queryDeliveryExceptionOrders queryCustomerInfos search_knowledge_base
2
AI 生成选址分析

"东部仓占总出库65%,但发往西海岸的订单占30%,平均时效多2天。如在洛杉矶新增仓库,预计可分流 XX 单/月,时效提升约 X 天,影响 XX 个西海岸客户"

AI 价值:需要从分散的运营数据中提炼出决策级洞察,而非简单统计
MG

公司管理层

决策支持 & 跨部门协调 & 战略分析
1. 运营异常根因分析
管理层看到某项指标异常,问"为什么?"——这不是标准报表能回答的
1
AI 自主决定分析路径,调取多个数据源 queryOutboundOrders queryDeliveryExceptionOrders queryInboundOrders queryCustomerInfos fedexTracking
2
AI 多维度下钻,输出归因分析

"本周妥投率下降3个百分点,主要原因:(1) 周二 FedEx Dallas Hub 系统故障导致200+单滞留 (2) 客户 XX 一批 OS 货物走了 Ground 渠道导致延迟 (3) 美东恶劣天气影响"

AI 价值:管理层的问题是开放式的,AI 需要自主决定分析路径,规则代码无法预设所有"为什么"
2. 跨部门复杂问题 360° 诊断
一个大客户的问题涉及客服(投诉)、销售(关系)、财务(欠款)、仓库(操作异常)多个维度
1
一次性拉取客户全貌 queryCustomerInfos queryCustomerAvailableCreditLimit queryOutboundOrders queryDeliveryExceptionOrders queryAfterSalesOrders querySummaryAccountInformation queryArChargeOffList queryReturnOrders
2
AI 生成跨部门诊断报告

打破信息孤岛,一次分析替代多部门各自查数据再开会对齐。为客服主管、销售、财务分别标注其需关注和行动的部分

3
通过钉钉分别推送给各部门负责人

每个人只看到与自己相关的行动项

AI 价值:打破部门信息孤岛,用一次分析替代多轮跨部门沟通
3. 业务决策影响模拟
管理层考虑调整某渠道的价格策略或收费标准,想知道影响面
1
拉取渠道/客户/营收多维数据 queryOutboundOrders queryCustomerInfos querySummaryAccountInformation queryDeliveryExceptionOrders search_knowledge_base
2
AI 模拟影响评估

"如 FedEx OS 渠道涨价5%,预计影响 XX 个客户(占总出库量 X%),其中 X 个客户可能转向 LTL 卡派,X 个价格敏感客户有流失风险……"

AI 价值:需要基于现有数据做假设推演,结合业务常识判断客户行为,不是确定性计算