通过企业能力知识库与 RFQ 解析，Agent 逐条判断合规、不合规与存疑项，引用来源证据并将结果回填至原始 Excel 模板。
该企业成立于 2003 年，是国家高新技术与专精特新「小巨人」企业，围绕家庭连接、家庭娱乐与全屋智能，提供软硬件与云服务结合的智能家居方案，客户覆盖全球多个市场的运营商。
运营商是这类业务最主要的渠道，而进入运营商供应体系的入口是投标。每一次机会都从一份招标文件开始。
做过投标的人都知道，最消耗人的环节不是写一段漂亮的方案介绍，而是逐条核对客户的技术要求。客户发来一份招标 Excel，摊开就是几百行，每一行都在问：你们的产品能不能做到？支持哪些标准？有没有对应资质？能不能满足交付条件？
而投标团队要做的不只是回答「满足」或「不满足」，每一个判断都要有依据——它可能来自产品规格书的某一页、芯片手册的一张表、历史项目的一段说明，或者一份资质文件里的某个条款。找不到证据就不能下结论；答错一条可能影响客户评分；漏掉一条可能直接埋下投标风险。
在智能终端、机顶盒、Android TV 这些领域，标书里还会出现大量硬核技术要求：主控芯片、视频编解码、DVB / IP、安全启动、4K HDR、Dolby、Launcher、宽带网关、运营商定制能力。这些问题不能靠模型「常识」回答，「通常支持」「一般可以」在合规场景里都是高风险词。
结果是一份标书几个人对着啃三五天并不稀奇。更麻烦的是，真正有价值的判断经验压在少数资深员工身上：新人接不住，老师傅一忙，整个流程就成了瓶颈。
双方一起把这段流程交给了一个投标 Agent。它不是「帮忙写答案」，而是把投标应答中最重复、最耗时、最容易出错的一段，重新组织成一条可验证、可追溯、可持续迭代的智能工作流。
流程分五步：上传客户的 Excel 标书模板；系统自动识别哪些列是题号、题干、答复栏，从几百行里抽出真正需要回答的需求清单；Agent 逐条对照企业知识库判断满足与否并附上引用依据；信息不足时主动向人提问；人工审核后一键回填成标准 Excel 直接交付。
关键的工程约束是工具顺序：Agent 必须先提交证据，才能进入判断环节，不能直接拍脑袋回答。每条判断都要说明检索了什么关键词、找到哪段原文、出自哪份文档的哪一页。
知识库中没有直接证据时，Agent 不硬填答案，而是停下来主动提问——在投标场景里，「不确定但继续编」比「不确定并提问」危险得多。系统还保留了多模态降级路径：解析文本看不清时，Agent 可以直接调出 PDF 原图和表格核对，文字漏掉的由视觉能力补回来。
配套的运维与可观测能力记录每一次模型调用、检索命中、工具使用和单题耗时，任何一次改动都能在固定的金标数据集上做一键回归对比。
在客户真实标书构成的内部金标基准集上——一份 78 道题的真实招标模板，配套规格书与芯片手册等知识库文档——Agent 的答题准确率达到 92.5%。
更重要的是这个数字是在同一套基准上持续迭代出来的：75.7% → 84.9% → 92.5%。团队建立了 4+2 评估口径（题目识别、答题准确率、覆盖率、单题时间，加上追问后准确率与覆盖率），好没好、好了多少不靠感觉，用指标说话。
效率上，过去需要几个人核对数天的一份标书，现在压缩到数十分钟级的端到端处理。
人的角色也变了：过去是逐条找资料、逐条判断、逐条填写，现在是 AI 先出答卷，人来审结论、补判断、控风险。
原本压在资深员工身上的经验，开始沉淀为可复用的知识库、Prompt、工具流程、金标样本与审核规则——这才是 Agent 进入企业流程真正的价值：不是替人回答几个问题，而是把经验变成系统能力。