前几天一个做家装公司的老朋友打来电话，没寒暄两句就直问：“你们一直说AI智能体，那家装公司到底适合什么样的AI智能体？网上全是互联网公司的案例，我这种装修公司怎么学？从哪里开始？”这问题我一年被问过不下十次。不是大家不愿意尝鲜，而是市面上的AI科普大多在讲概念，没人告诉家装公司第一步该干什么。这篇文章我就站在实际落地的角度，把家装公司最适合做的AI智能体场景、怎么选型、怎么开发、怎么给老板做汇报PPT、甚至测试数据集怎么设计，一次讲透。如果你是装企老板、市场负责人、工程经理，或者想转行做AI应用落地的朋友，应该能帮你省掉不少试错的时间。
1. 先别急着上系统，盘清家装公司里的“事”比“技术”更重要
很多公司一上来就问我“该买哪个AI系统”，我通常反问一句：你公司现在最痛的是哪个环节？是想获客，还是设计出图慢，还是工地老被客户催？智能体不是一瓶万能药，它是一把能拧特定螺丝的螺丝刀。先把你公司每天重复、费人、容易出错的事情列出来，才知道该让AI顶在哪个位置。
1.1 从一个真实的老客户电话说起
我先讲一个场景，在中小装企里太常见了。前台小姑娘一边接电话，一边回复微信里七八个客户，后面还有两个进店咨询的。电话那头问“你们半包多少钱一平”，这问题一天能重复几十遍。她其实已经回答过无数次，但每一次都得热情、耐心地解释套餐、包含项、不包含项，然后加微信、约量房。忙起来漏掉几个咨询，老板根本不知道。
这种重复性售前问答，就是家装公司最适合AI智能体切入的地方。智能体不是要取代这个前台，而是先替她把那些“八百年不变的问题”接住。客户晚上十一点发消息问报价，智能体也能秒回；客户问“你们公司在哪个区，周末营业吗”，智能体也能答上来。等到客户真有量房意向，再转给真人跟进。这样前台可以从“复读机”变成真正的销售助理，把精力放在高意向客户身上。
我见过不少老板把AI想得很玄，以为要上机器人、要搞无人设计，结果一打听成本就劝退了。其实家装公司用AI智能体，第一步根本不用搞那么重。你只需要一个“能对话、会查知识库、知道什么时候转人工”的智能助手，挂在公众号、企业微信或官网上。它不会累、不会离职、不会因为心情不好对客户爱答不理，这才是真实的价值。
1.2 六大典型场景，哪些最值得优先做
我在给装企做咨询时，会把整个业务拆成六个大块：获客、量房、设计、报价、工程管理、售后。每个环节都能做智能体，但投入产出比不一样。
| 业务环节 | 智能体能做的事 | 对公司的价值 |
|---|---|---|
| 获客咨询 | 自动解答装修问题、筛选意向客户、留资预约 | 响应速度快，漏单减少 |
| 量房记录 | 把语音/聊天内容整理成结构化量房备忘 | 减少信息差错，方便设计师接手 |
| 方案设计 | 根据户型、需求给出风格参考和初步布局思路 | 辅助设计师，提升效率 |
| 报价预算 | 根据面积、项目、材料快速估算区间 | 给客户更快的反馈 |
| 工程管理 | 节点提醒、进度查询、异常上报 | 减少客服被问“我家装到哪了” |
| 售后维保 | 工单分类、常见问题解答、预约维修 | 降低售后人力成本 |
这六个场景里，我最推荐大多数中小家装公司先做“获客咨询”。原因很简单：它离钱最近，数据最好看，老板最容易看到效果。你做一个智能体挂上去，一周就能看到咨询量、留资量、转人工量，ROI算得清清楚楚。先把这个跑通，团队对AI有了信心，再去碰工程管理、报价这些内部场景。
工程管理类智能体则更适合那些已经有不少在施工地的公司。它解决的是“客户老问进度”这种高频问题。你把工地信息接进去，客户问“我家现在什么阶段了”，智能体根据后台状态回答，真解决不了再转给项目经理。这类智能体看起来没有获客那么光鲜，但能显著减少客服和项目经理的重复沟通成本，长期来看很有价值。
2. 大模型、小模型、智能体到底什么关系，家装公司该怎么选
很多装企朋友一听到“大模型、小模型、智能体”这些词就头大，觉得自己学不会。其实你在实操里根本不需要自己去训练模型，但得搞懂这些词大概是什么意思，不然选型时很容易被销售带偏。我用大白话给你讲明白。
2.1 用大白话理解三个词
大模型可以理解成“一个见多识广的实习生”，读过海量资料，聊天、总结、翻译都能干，但缺点是它不懂你们公司的具体套餐、报价、工艺，甚至可能一本正经地胡说八道。小模型则是“只干一件事的老师傅”，你专门训练它识别装修合同里的错别字，或者判断客户有没有投诉情绪，它能在单一任务上做得很精，但换个任务就不会了。
智能体则是一个“会动脑、会动手、讲流程”的完整打工人。它往往拿大模型当大脑，同时接上你们公司的知识库、业务规则，甚至会调用外部工具。比如客户问“厨房卫生间瓷砖有什么推荐”，智能体先从知识库里查套餐信息，再根据预算和风格给建议，最后问你“要不要预约设计师聊聊”。它不是一个人在战斗，而是一套“大模型 + 知识库 + 工作流 + 转人工规则”的组合。
家装公司学AI智能体，根本不需要从底层算法学起。你只要学会“给它定人设、写提示词、喂知识库、配置转人工流程”就行，像在带一个新同事。想深入的话，再去学大模型API怎么调用、智能体平台的工作流怎么搭、数据怎么准备。方向对了，学习速度会快很多。
2.2 选型原则：能用现成平台，就别妄想训练大模型
有些老板一听AI，第一反应是“我们是不是要招几个算法工程师自己训练一个大模型”。我每次听到都想拦一下：这就像你想开个饭店，结果非要从种小麦开始做面粉。自己从零训练大模型，要算力、要数据、要算法团队，费用是百万级起步，对家装公司来说纯属烧钱。
正确的选型顺序应该是：先用现成的智能体平台，比如国内的扣子Coze、Dify、百炼这类产品，它们已经把大模型能力封装好了，你只需要在上面配置知识库、对话流程、转人工规则，发布到公众号、企业微信或者网页上就行。这属于“轻开发”，不需要写复杂的代码。
只有当你在某个场景上有非常特殊的规则，比如你们公司的报价逻辑、验收标准必须私有化、不能外传，而且使用量大到一次调用费用很可观时，才考虑用开源小模型做私有化部署或微调。但那是后话。大多数公司第一步做售前咨询智能体，用现成平台加一个大模型API就完全够了，成本低、上线快，出了问题也好改。
2.3 成本账怎么算，别被“按token计费”吓住
很多老板一听大模型API按token收费，心里就打鼓，怕是个无底洞。我给你算笔账：一个客户跟智能体聊一轮装修咨询，大概消耗2000到5000个token；目前国内主流大模型API的价格，换算下来，一次完整咨询成本在几分钱到两毛钱之间，取决于你选的模型档次。一家每天有300条咨询的装修公司，一天智能体问答成本也就几十块钱，比一个客服一天工资低得多。
当然，你还要算上平台订阅费、维护人员工资、知识库更新的人力成本。我见过有的公司只盯着API单价，觉得便宜，结果上线后没人维护知识库，三个月后智能体回答的套餐价格全是过期的，客户投诉反倒变多。所以真实成本得按“软件费用+维护人力”一起算。通常建议前期预算不要铺太大，先花几千块做个小版本，跑通后再看要不要加大投入。
有一个省钱技巧：把简单高频的问题交给小模型或规则匹配，把复杂问题交给大模型。比如“你们营业到几点”“公司地址在哪”这种固定答案，直接配置关键词自动回复，不消耗大模型token；只有客户问“我家120平三房，想装日式风格，大概多少钱”这种需要理解上下文的问题，才调用大模型。这样整体成本能再降一半。
3. 落地路线图：从零到一先做一个售前咨询智能体
有了前面的选型思路，接下来就是具体怎么落地。我建议第一仗就打“售前咨询”这个场景，因为它是所有环节里最容易拿到结果、老板最容易买单的。下面这四步是我亲自跑过的完整路线，照着做基本不会跑偏。
3.1 第一步：把场景梳理成对话流程
先别碰电脑，拿一张白纸，画一下客户从加你微信到预约量房，一般会经历哪些对话。我列一个常见的模板，你们可以对着改：
- 开场白：智能体主动问好，并说明自己是“装修顾问小X”，问客户新房情况。
- 收集信息：问小区名称、建筑面积、户型几室几厅、装修预算、想什么时候开工。
- 解答常规问题：半包和全包区别、你们家用的什么辅材、工期多久、有没有样板间、能不能先去工地看看。
- 筛选意向：同一个客户如果问得很具体，或者主动说“你们能上门量房吗”，智能体判断为高意向。
- 预约量房：引导客户留下姓名、电话、方便上门的时间，然后说会安排设计师联系。
- 转人工：客户问得很细节，比如“我家的户型比较特殊，想跟设计师细聊”，或者客户情绪明显不满意，直接转给人工客服。
这本质上是一套“意图识别流程”。你要把客户可能会说的几十种话术，归类成“装修方式咨询”“报价咨询”“工期咨询”“预约量房”“投诉转人工”等几类。分类越清楚，后面智能体答非所问的概率就越低。初步梳理这个流程时，最好让前台、设计师和老板都来提意见，因为他们天天面对客户，最知道客户怎么说话。
3.2 第二步：整理家装知识库
智能体再聪明，没有你们公司的知识库，它也只能说通用话术。所以第二步是把公司内部的知识整理成它看得懂的格式。包括：各套餐价格和包含项、常用材料品牌型号、施工流程和工期、常见售后问题、设计师简介、过往案例。注意不要把这些内容做成一个大PDF直接扔给平台，大模型从长篇PDF里抽取信息很容易出错，最好转成问答对。
我建议用Excel维护这么几张表。第一张表叫“高频问答”，一列是客户常问的原话，一列是标准回答，一列是关键词标签；第二张表叫“套餐报价库”，写清楚每个套餐包含、不包含、加项价格；第三张表叫“楼盘案例库”，按小区名称整理，客户问“你们做过XX小区吗”的时候，智能体能直接找到案例。整理时一定要让业务骨干参与，尤其是报价和施工工艺，别自己闭门造车。
知识库建好之后要定期更新。有次我帮客户做测试，发现智能体还在推荐他们已经取消的“装修贷合作方案”，就是因为半年前的旧文档没清理。后来我们定了规矩：每次价格或套餐调整，当周必须更新知识库，并把变更记录发给所有对接人，智能体才不会变成“过期的热心顾问”。
3.3 第三步：用现成平台搭出最小可用版本
流程和知识库准备好之后，就可以在智能体平台上操作了。现在主流平台的操作逻辑都差不多，大致是六步。第一步，注册账号并创建一个“智能体”；第二步，选择底座大模型，建议先用平台的默认推荐模型，不用特意挑最贵的；第三步，把Excel知识库上传或导入，平台会自动做切片和向量化；第四步，设置开场白和常用“推荐问题”；第五步，配置转人工规则，比如识别到“设计师”“量房”“投诉”等关键词就触发转人工；第六步，发布到你要用的渠道，比如微信公众号、企业微信、网页弹窗。
这个最小可用版本，我一般控制在一周内上线。不要想着一开始就接非常复杂的报价系统、CRM系统，先把“能聊起来、能留下联系方式”做到位。我见过很多团队卡在“想把系统都打通”这一步，结果一个月还没上线。记住，第一版的目标不是完美，是让老板看到AI能用。
3.4 第四步：灰度测试和真实客户试用
最小版本搭好后，别直接全量上线，先走一轮灰度。灰度分两步：先让公司内部员工扮演客户去问，从各个角度“刁难”它；再把智能体只开放给老客户或朋友来问，收集真实反馈。内部测试时，最好拉个群，把那些答错、答非所问的截图发进去，大家一起分析是知识库没写好，还是流程判断有问题。
我通常定的灰度周期是两周。第一周看智能体能不能回答80%的高频问题；第二周看能不能顺利把客户引导到转人工。观察指标不光是回答对不对，还要看客户有没有在智能体这里“聊死”——就是我问三句你答不上来，我就走了。如果发现客户问的问题超过三句都非常边缘，就说明知识库覆盖不够，需要继续补。
灰度通过后就可以全量上线，但上线不等于万事大吉。前一个月每天都要看会话日志，重点关注：哪些问题智能体答错了？哪些客户问了很多次但知识库里没有？哪些场景客户明显想转人工？每周把这些问题汇总一次，更新到知识库里。这个迭代习惯比任何技术选型都重要。
4. 汇报用的AI智能体PPT怎么做，老板才会点头
做项目最怕的不是技术难题，而是你憋了一个好东西，结果跟老板汇报时讲成了“讲概念”，老板听完一头雾水。给家装公司的老板汇报AI智能体，千万不能放大模型原理、放技术架构图，他真正关心的是投入产出。所以这份PPT要短、要直接、要有数字。
4.1 老板真正关心的三个数
老板心里通常只有三笔账：省了多少钱、多接了多少单、会不会给我惹麻烦。你做PPT时要往这三个方向靠。
省成本。对比一下：一个客服月薪加社保大概五千到六千，一天只能服务有限几个客户，还会有情绪、会漏单；AI智能体一天处理几百条咨询，成本几十块，而且是7乘24小时在线。你不需要精确到小数点，但要有量级对比。
多接单。很多时候客户在晚上九十点才下班回家看装修信息，那时真人客服已经下班了。智能体能在第一时间回复，及时留住这位客户。你可以用现状数据推演：假设每天有20条非工作时间咨询，原来可能只接到2条，现在AI都能接住，哪怕转化率不高，也多出几个潜在客户。
风险可控。老板肯定会问“万一它乱回答，客户投诉怎么办”。你要强调：智能体不是自由的，所有关键话术都经过你审核，遇到拿不准的会直接转人工；而且有会话记录，出了问题可以追溯。只要不把“绝对肯定”的承诺权交给它，风险是可控的。
4.2 五页纸的汇报框架
给老板汇报，我建议不要超过五页纸，多了记不住，少了没分量。
| 页数 | 页面主题 | 页面里放什么 |
|---|---|---|
| 第1页 | 现状里藏着多少重复劳动 | 列出每天高频咨询问题数量、客服耗时、漏单估算 |
| 第2页 | 一句话说清AI智能体 | 用“机器人客服+标准知识库+真人转接”来表述 |
| 第3页 | 落地路径和时间 | 两周内做售前场景，两个月内扩展其他环节 |
| 第4页 | 投入产出测算 | 一次性投入、每月运营成本、预期的线索提升/成本节省 |
| 第5页 | 风险控制和下一步 | 人工兜底、知识库更新机制、后续节奏 |
每一页标题都要用老板能看懂的话，比如“让前台少当复读机”“晚上也不错过一个客户”，比“基于大语言模型的智能问答系统”有用得多。如果他能看懂且觉得有搞头，你的汇报就成功了。
4.3 汇报话术和常见拷问
你可以在会上这样说：“我们不是要上一套很玄的系统，而是给前台配一个不会下班、能记住所有套餐的助手。客户晚上十一点问报价，它能马上回；客户想约量房，它把电话留下来，第二天设计师跟进。花小钱，先跑起来，跑通了再扩大。”
老板可能还会问几个问题。问你“这东西会不会乱承诺客户”，你就说我们把所有答复内容都录在知识库里，只回答内部维护好的内容，超出范围一律转人工。问你“别人家都在做吗”，你就说同行已经在用AI做线上获客，我们现在跟不算晚，但越晚越被动。问你“为什么不用某某公司的现成系统”，你就说现成系统虽然能用，但不一定懂我们公司自己的套餐和工地流程，智能体的核心竞争力就在“懂我们自己的业务”，这需要通过知识库来沉淀。
5. 智能体上线前必做的“测试数据集”设计
最后这块我特别想展开讲，因为很多人做完智能体就直接上线，结果被客户问得“当场翻车”。AI智能体不是做出来就完事，要像招了个新员工一样，先试用、再上岗、定期考核。怎么考核？靠一套专门为家装场景设计的测试数据集。
5.1 为什么不能用通用数据集，家装测试集要测什么
网上的通用AI测试集多是“聊天”“数学”“推理”这类，拿它来测家装智能体没意义。你问它“鸡兔同笼”算得再准，客户问“你们家刷墙用立邦还是多乐士”直接答错，还是白搭。所以必须搭建家装领域自己的测试用例集，说白了就是“模拟真实客户可能问的问题”组成的题库。
测试集至少要覆盖四类能力。第一是意图识别，判断客户是想了解套餐、预约量房，还是投诉；第二是实体抽取，从对话里提取小区名、户型、面积、预算这些关键信息；第三是多轮上下文，客户前面说“我房子120平”，后面问“那半包大概多少钱”，智能体应该记得面积；第四是边界处理，遇到不会的、模糊的、甚至骂人的话，该转人工就转人工，不能硬聊。
5.2 五类必测用例到底怎么设计
我一般建议按下面这张表来设计初始测试集。数量不用特别多，关键是覆盖全面。
| 用例类型 | 建议数量 | 示例 | 通过标准 |
|---|---|---|---|
| 高频常识问答 | 30-50条 | “半包和全包有什么区别”“施工工期多久” | 回答内容正确，包含关键信息 |
| 多轮上下文 | 20-30条 | “我家刚拿了房，120平”“那全包大概什么价位” | 能结合前文面积给出合理区间 |
| 模糊表达与反问 | 15-20条 | “简单装一下要多少钱”“你们比XX公司便宜吗” | 能追问关键信息或给区间，不跑偏 |
| 边界与转人工 | 15-20条 | “我这个问题比较复杂，想当面找设计师”“我要投诉” | 及时识别并转人工 |
| 敏感与合规 | 10条 | “能不能保证绝对没有甲醛”“你们能帮我办理装修贷吗” | 不承诺绝对化结果，不越权答复 |
设计用例时，一定要从真实聊天记录里去提取。把前台、销售、客服的聊天记录脱敏后，整理成“客户原话”列表，比你自己凭空想象问题要靠谱得多。标注答案时，别只标“对”或“错”，建议标注成三类：标准回答、需要转人工、需要拒绝后引导。比如涉及贷款，智能体可以说“贷款政策需要由顾问根据您的情况解答，我先帮您预约顾问”，而不是直接回答能不能贷。
5.3 测试跑分、回归和上线判断标准
测试数据集建好后，不能只跑一遍就完事。我建议每次改版都按同一个标准跑一遍，类似“回归测试”。你可以人工或半自动地拿着测试集去问智能体，然后统计准确率。我自己的经验是：高频问答的准确率要高于90%，转人工的识别准确率要高于95%，敏感与合规用例必须100%安全。如果达不到，就别急着全量上线。
跑测试时最好让两个人一起做，一个人负责记录，一个人负责打分，避免主观判断。遇到答错的，不要只改单个答案，要看看是知识库缺内容、意图识别规则没覆盖，还是大模型本身生成的问题。改了之后，把这一条加入回归集，下次版本更新时继续验证，这样测试集才会越滚越全。
上线之后也不能丢了测试集。每过一两个月，从真实对话里抽一批新的、之前没见过的问题，补充到测试集中。这样智能体会越用越“懂行”。我见过做得好的公司，一年攒了上千条测试用例，智能体上线后基本不需要操太多心，因为所有容易出问题的地方都已经被“考”过一遍了。
我个人在实际操作中最深的一个体会是：智能体不是用来“取代人”的，它更像给家装公司补位的帮手，把重复劳动接走，让真人腾出手做真正有温度的沟通。家装是高客单价、强信任的生意，客户最终还是要跟活人签合同、定方案。所以AI智能体最大的价值不是炫技，而是帮你做到“从前忙不过来、现在可以做到”的事。
如果你想现在就开始，就老老实实从售前咨询这个场景做起，花两周配个最小版本；同时从第一天起就攒测试数据，别等到上线再补。最后分享一个小技巧：给智能体起一个像真人一样的名字和身份，比如“装修顾问小佳”，并且语气里带一点亲切感，同一套知识库下，客户留资率会明显比冷冰冰的“AI客服”高。这一步不花一分钱，但效果很实在。
