DEW Knowledge Agent
把产品资料变成有来源、可追溯、多语言的知识助手。
查看 ↗DEW AI AGENTS
像管理员工一样，招聘、培训和管理 AI Agent
不是接一个聊天框了事。我们先定义岗位、知识、权限和验收，再让 Agent 进入真实业务：回答有来源，动作可审批，异常有人工兜底。
预约 30 分钟适配沟通适合谁
先确认问题值得做，再讨论技术。
知识复杂
产品资料、制度、案例和 SOP 分散在多人、多文件和多个系统中。
重复沟通多
售前、客服、销售每天反复回答相似问题，却难以积累为组织能力。
需要可控落地
希望使用 AI，但不能接受无来源回答、越权操作或不可追踪的黑盒流程。
当前问题
技术产生价值之前，必须先改变这些现状。
只有聊天，没有岗位
通用模型能对话，却没有清晰职责、输入输出、权限和验收标准。
只有 Demo，没有运行机制
真实业务中会遇到脏数据、异常、模糊问题和需要人工判断的高风险动作。
只有上线，没有管理
缺少测试集、日志、反馈、成本和质量复盘，Agent 无法持续变好。
交付方法 · FDE
前线部署工程（Forward Deployed Engineering / FDE）：从业务现场到生产系统
滴恩沃的产品与工程人员直接进入客户问题，与业务和技术团队共同定义范围、连接真实数据、开发最小闭环，并持续推进到稳定运行。
-
01 / 现场发现
进入真实岗位与工作流，弄清用户、决策、知识来源、权限和期望结果。
流程 · 用户 · 约束 -
02 / 技术定界
界定知识、评测集、工具权限、审批节点、日志边界与最小试点范围。
范围 · 风险 · 验收 -
03 / 最小闭环
用真实脱敏样本搭出可回答、可拒答、可转交人工的最小 Agent 闭环。
可运行闭环 · 人工兜底 -
04 / 生产部署
接入业务入口，完成测试、发布、权限核对与异常升级路径。
发布 · 责任 · 异常 -
05 / 采用与迭代
依据评测、审批日志、成本和业务结果持续改进知识与治理。
使用 · 反馈 · 改进
如何验收
在扩大范围之前，先把成功标准说清楚。
质量
在双方确认的测试集上检查正确性、引用、字段完整度与拒答表现。
效率
记录单次任务耗时、人工复核时间和可稳定处理的任务量。
治理
确认权限、人工审批、日志、异常处理和数据使用边界均可追踪。
范围与边界
明确会做什么，也明确不承诺什么。
试点不是无人值守
高风险动作默认保留人工审批，不以“全自动”作为成功标准。
不承诺零错误
我们通过来源、拒答、测试和人工兜底控制风险，而不是隐藏模型局限。
不从大而全开始
先证明一个岗位值得做，再扩展更多系统、角色和自动化程度。
常见问题
团队开始之前最常问的问题。
企业需要先有完整知识库吗？
不需要。试点会先从最常用的 10–30 份资料和真实问题开始，同时发现知识缺口。
可以接入现有 CRM、邮箱或飞书吗？
可以，但会先确认接口、账号权限、审批要求和数据边界，再决定读取或写入方式。
试点通常多久？
边界清晰、资料可用的单一岗位通常以 2–4 周为一个试点周期。复杂系统集成需要单独评估。
如何避免 Agent 胡说？
采用可信来源检索、回答引用、无依据拒答、测试集评估和人工复核，而不是只优化提示词。