跳到主内容
Apolla AI
某工业设备制造商

制造

标书初稿 3 天压缩到 4 小时,技术偏差漏报归零

工业设备制造商:投标与方案书 Agent 让销售工程师一周多做三个标

挑战

每个项目投标都要从几百页招标文件里提取技术参数与商务条款,再拼装历史标书。销售工程师一半时间在写标,旺季常因来不及而放弃投标;技术偏差表漏报曾导致过废标。

公司希望把投标产能翻倍,同时把历史中标方案变成可复用的资产。

方案

把投标拆成「读标、答标、审标」三步,各上线一个 Agent,围绕销售工程师现有的协作工具运行。

  • 读标:自动提取技术参数、资质要求、评分规则与截止时间,生成投标要点清单
  • 答标:基于历史标书库与产品参数表,生成技术方案与商务应答初稿,逐条对应招标要求
  • 审标:自动生成技术偏差表与资质核对表,缺项高亮
  • 标书库按行业与设备类型打标签,每次中标方案自动归档

架构要点

招标文件解析保留页码引用,所有应答内容可追溯到招标原文。历史标书库做脱敏处理后入库,报价部分不进入模型上下文。

客户评价

以前是人等标书,现在是标书等人审。能投的标多了,中标率反而没有掉。
销售总监某工业设备制造商

想了解这个项目的更多细节?

工作坊里我们可以分享架构决策、踩过的坑与实际周期。