上个月有个财务总监问了个问题为什么我问 AI「应收账款周转率怎么优化」它给我背了一遍教科书定义因为它不知道你们账期是 60 天还是 90 天不知道大客户按什么标准划不知道你们行业的合同里哪几条最容易出事。通用助手的通病就这一个什么都能聊什么都不精。WPS Comate里补这块的功能叫「专家」。你可能会说让 AI 懂业务市面上的智能体、自定义助手不都在做吗都在做能做到哪一步差别很大。第二节讲。、1、先说人话专家是什么「通用 AI」说人话就是一个刚毕业的实习生。什么都懂一点但你们公司的事一件不知道每次派活都得从头交代。「专家」说人话就是一个入职培训做完了的老员工。看过你们的制度、连着你们的系统、知道你们的规矩直接派活就行。官方叫「7×24 小时在岗的岗位级虚拟员工」。翻译过来它不是一个工具是一个岗位。所以你看到的是「售前拜访专家」「合同审核专家」「HR 考勤专家」而不是「文档摘要功能」。专家列表每个专家对应公司里的一个岗位2、和别的「智能体」差在哪差别一它能自己去系统里取数通用智能体拿不到实时数据你问「上个月华南区卖了多少」它只能反问你要数据。专家通过 DataHub 连着你们的业务系统。「DataHub」说人话就是一根数据管子。一头插在你们的 ERP、CRM、考勤系统上另一头接着 AI让 AI 直接读到真实数字不用你复制粘贴。所以专家能按你们真实的口径算指标算出来的数是真的。差别二经验来自你们的老员工通用智能体的知识来自互联网是通用常识。专家的能力来自把内部老手的判断逻辑萃取出来。它做判断的方式跟你们最好的那个员工一样不是自由发挥。差别三它是全公司的通用智能体建在你自己账号里同事要用你得把配置发过去。专家建好后走管理员审批再发布通过之后全组织都能调用版本统一更新。你改一次所有人用的都是新版。TIP一句话记差别智能体是你自己捏的助手专家是公司正式录用的员工——有岗位说明书、有系统权限、有入职审批。3、三个真实场景都有数据场景一高管问数以前管理层要个数得让分析师提数、做报表、统一口径快则几小时慢则一周。用了之后直接用大白话问「各事业部 Q2 预算执行率是多少」秒级出数还能层层下钻。准确率 99.99%。场景二合同审核以前邮件一个个传单份审 1.5 小时整个周期最长 3 周。用了之后基于 2495 条规则先做 AI 预审人只做复核和兜底。单份压到 3 分钟周期缩到 1-2 天。场景三售前拜访以前人工登录 CRM、天眼查好几个系统一家家查大半天没了。用了之后自动整合 5 个数据源10 分钟输出结构化客户研究报告企业概况、合作历史、决策链、风险与机会。判断标准流程明确、要对接数据、有标准可循的岗位工作都能考虑交给专家。4、动手前准备三样动手前先准备好这些□管理员权限——建专家需要授权先找 IT 开通「专家开发权限」这步绕不过去。□一位业务骨干——最好是这个岗位做得最好的人。他的判断逻辑就是专家的核心缺了他搭出来的是空壳。□业务资料——制度、SOP、历史案例、常见问题先整理进知识库专家才有依据。避坑最容易失败的做法IT 关起门来自己搭。技术配置全对业务判断全错上线没人用。这活必须业务骨干深度参与。5、第一步新建填基础信息左侧导航点「专家」→「新建」先填名称、描述、头像。 你这样说名称采购补货专家 描述根据销量趋势、当前库存、货期和历史补货记录给出 SKU 补货建议并标注判断依据。适用于采购岗日常补货决策。 它会做什么描述会显示在专家列表里。同事看到这段话才知道该不该找它。避坑描述别写成「智能采购助手让工作更高效」。要写清它吃什么、吐什么、谁用。写虚了建好也没人调用。新建专家的模块配置界面6、第二步配能力决定好不好用配大模型要做复杂判断的选强模型只是套格式输出的选便宜的。采购补货要权衡多个因素选强模型。配专家能力技能 连接器技能决定它会干哪些活连接器决定它能连哪些系统。采购专家至少要配一个「补货建议生成」技能一个连到库存表和销售表的连接器。配知识库把补货规则、货期表、历史补货记录关联进来这是它判断的依据来源。剩下几个模块——渠道能力、使用范围、调试预览、发布版本、运营统计——按提示填就行不影响核心效果。7、第三步调试把老手的判断喂进去这一步最花时间也最值钱。在调试界面反复拿真实场景问它不对就纠正。 你这样说SKU-A2231当前库存 320 件近 30 天日均销量 18 件货期 45 天。该不该补货补多少它会做什么它给出建议和理由比如「建议补货 600 件库存可支撑 17 天低于货期 45 天存在断货风险」。如果判断跟你不一样就告诉它你的逻辑 你这样说这个判断少考虑了一条A 类畅销品要按日均销量的 1.3 倍预估因为下个月有大促。补货量按这个重算。 它会做什么它更新判断逻辑。下次遇到 A 类品会自动带上这个系数。树可家居的采购负责人秋月就是这么干的她的原话「WPS Comate 设计了一百多个关于补货策略的问题我把自己的补货判断逻辑一步步告诉 AI帮助我形成了一套专家判断模型。」树可家居的采购工具链覆盖补货全流程8、第四步审批发布持续调调稳后设使用范围提交审批。管理员审三件事能力配置对不对、数据权限有没有越界、安全合规过不过关。上线不是终点。运营统计里能看使用频率、任务完成率、用户反馈照着数据接着调。运营统计能看到专家被调用了多少次、完成率如何9、专家和技能怎么选1.技能是一个动作专家是一个岗位。「生成周报」是技能「HR 考勤专家」是专家。2.技能不用连业务系统专家通常要连。3.技能你自己就能建专家要走组织审批。简单判断单一、标准化、不需要业务数据的用技能综合、要业务理解和数据对接的用专家。真实案例 · 树可家居管着 7000 多个 SKU业务铺在十多个电商平台。产品全是自主设计定制生产周期长库存周转一度长达 90 天。秋月基于自己的经验训练了 AI 采购专家。现在系统生成补货建议后先经 AI 审核她只需快速确认「很多时候一两秒钟就能完成判断」。结果库存周转从 90 天缩到 45 天左右进销比基本做到 1:1。搭完这个专家我想到一件事。公司里最值钱的东西其实一直没被存下来过。一个做了十年采购的人他知道哪个供应商嘴上说 30 天到货其实要 45 天知道哪类品在大促前必须多压两周库存知道什么情况下宁可缺货也不能压货。这些判断写不进 SOP。你让他写他也写不全因为很多是下意识的。于是他退休那天这些东西跟着一起走了。公司重新招一个人从头再交十年学费。专家这个功能某种程度上是在做一件以前做不到的事把一个人的判断力变成一个可以被调用的东西。不是替代他。是让他不在的时候公司还接得住。所以搭专家最难的从来不是配置是找到那个愿意把自己的经验一条条讲出来的人。技术上一天能配完的东西可能要等三个月才等到他愿意坐下来聊。但那三个月才是真正在建资产。后台回复「专家清单」领 8 类岗位专家的配置模板含资料准备清单想让人陪你搭第一个专家回复「落地」约远程演示。既然看到这儿了随手点个赞、在看、转发三连吧想第一时间收到推送可以给我们加个星标 ⭐