上个月帮朋友打理他们家的五金配件工厂，发现一个很有意思的问题：他们有20多个员工，但其中3个人每天的工作就是整理订单、回复客户询价、做报价单。这些工作在2026年的今天，完全可以用AI自动化替代掉。今天就把实操过程分享出来，希望能给做实体生意的创业者一些启发。
先说说背景。这家工厂做的是标准件和定制五金配件，每天会收到20-50条微信询价消息，客户发来图纸、规格参数、数量，然后问多少钱、多少天交货。以前的操作流程是：业务员把微信消息复制到Excel，查询原材料价格，计算加工成本，再手动填写报价单发给客户。一个询价流程走下来，快则10分钟，慢则半小时。
我们改造后的方案分三步走。
第一步：搭建AI接收端。我们用了一个非常简单的工具组合：微信消息自动转发到钉钉机器人，钉钉机器人连接到一个低代码平台。微信消息进来后，自动触发一个AI流程。这里没有用什么高大上的技术，就是低代码平台的Webhook加AI节点。现在市面上的低代码平台几乎都内置了AI能力，接大模型API的门槛已经很低了。
第二步：构建AI报价助手。这是核心环节。我们把工厂常用的材料规格表、加工工时费率表、标准件价格表，整理成一份结构化的知识库文档，上传到低代码平台的AI知识库里。然后编写了一套提示词：当收到客户询价时，AI先提取关键信息（材质、尺寸、数量、表面处理要求等），再根据知识库匹配对应的材料和工时，计算出一个基础报价，加上适当的利润率，生成报价单草稿。
这套提示词我们调了大概三天才稳定。最开始的版本报价偏高，因为AI把工时估算得太乐观了。后来我们把每条工序的工时写进了知识库，比如"车削加工每件3分钟，钻孔每件1分钟"，AI的估算才靠谱起来。
第三步：建立人工复核机制。AI生成报价单后，不会直接发给客户，而是先推送到业务员的审核队列。业务员手机上点开就能看到AI自动算好的报价，确认没问题就一键发送。碰到特殊的定制件，业务员可以微调价格再发。整个流程从10分钟缩短到了1-2分钟。
实际运行一个月后的数据：
每天处理询价数量从35条提升到了70条（因为响应快了，客户更愿意来问）。
报价回复时间从平均45分钟缩短到了5分钟以内。
原来3个报价员缩减到了1个审核员（没有裁员，调去做销售跟单了）。
客户满意度明显提升，很多客户反馈"你们报价太快了"。
这套方案的成本是多少呢？低代码平台年费3000左右，AI API调用费每月大概200-400块（我们用的国产模型，Api调用很便宜），总共不到5000块钱的投入。省下来的3个人工成本，按一个员工月薪5000算，每个月能省15000。所以这台账算下来，投入产出比非常可观。
说几个避坑的点。
第一，不要一开始就追求全自动。很多人做AI自动化，上来就想搞完全无人值守，结果AI一跑偏就翻车了。正确的做法是先做"AI辅助人审"，跑顺畅了再逐步扩大自动化范围。
第二，知识库的质量决定AI输出质量。我们花了两天时间整理知识库，把材料规格、工艺工时、价格策略一条条写清楚。如果随便丢几个PDF进去，AI的报价很可能不准。好的输入才有好的输出，这件事上没有捷径。
第三，选择的工具要够轻量。别一上来就搭微调模型、部署Agent框架。对于大部分中小企业，低代码平台接大模型API就够用了。太重的东西维护成本高，最后容易烂尾。
第四，流程梳理比技术重要。在动手搭AI之前，先把你现在的业务流程画出来，每步谁在做什么、用了什么工具、花了多长时间。画出流程图之后，自然就知道哪个环节最适合AI介入。很多人口中的"用AI降本增效"，其实是先有流程优化，再有AI提效。
这个案例给我的最大感受是：AI在中小企业的落地，不需要什么黑科技。把一个小环节的重复性工作交给AI，就能产生实际的商业价值。如果你的业务里也有大量重复的沟通、计算、整理工作，大胆去试试，投资的回报周期可能比你想象的要短得多。
未来一年，我判断最值得做的AI方向不是做通用大模型，而是深入到各行各业的这些"小场景"里。每个行业都有大量碎片化的重复劳动，用AI一个个去打掉，就是巨大的商业机会。与其去卷那些几十个人在做的热门赛道，不如去发现身边那些"脏活累活"，用AI把它们变干净。 |
