云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”

对于消费电子与3C配件出海企业倍思科技,一份洞察报告的价值,不止在于汇集了多少信息,而在于能否被信任、被用于业务决策。对此在 2026 云栖大会 AI 搜索分论坛的<从搜索引擎到Agent基础设施>圆桌论坛上,倍思科技Baseus AI&大数据总监邓银河先生 做了精彩分享。围绕VOC(客户之声)洞察,深圳市倍思科技有限公司与阿里云开展合作,以Agentic Search搜索Agent与Elasticsearch搜索引擎统一连接数据检索、企业知识和报告生成,探索让AI输出真正贴合企业业务的实践路径。

这项深度技术合作关注两个具体问题:不同岗位使用相近的数据,却加工出不同口径的报告;通用Agent能够生成内容,却未必理解企业的业务。倍思的思路是从报告的使用要求倒推,让原始数据经过模型分析后进入可召回的知识与数据体系,再结合企业知识、记忆、上下文以及洞察结构规则,形成相对可信、可被业务使用的报告。

同一份数据,为什么得出不同结论

面向跨境出海业务,倍思开展业务洞察时需要处理来自不同平台、不同语言和不同模态的信息,也需要结合结构化数据。一份报告并不是对某一类资料做摘要,而是把多种信息组织到同一个洞察主题之下。数据能否共同支撑判断,关系到报告是否具有业务价值。

AI与大数据总监邓银河介绍,公司内部有多个岗位在做业务洞察。即使使用类似的同一份数据,不同加工方式也可能带来不同口径。到了报告结果对齐环节,讨论容易停留在数据为什么不一致,而不是报告对业务究竟有什么帮助。

"你的数据的结果为什么跟我的不一样?"------ 深圳市倍思科技有限公司AI与大数据总监邓银河

这句来自实际工作痛点的追问,说明倍思关注的不只是生成速度,更是让报告围绕业务价值展开讨论。如果数据加工和解释缺少共同依据,信息越丰富,未必越容易形成有效判断。对倍思而言,洞察需要连接数据与企业的理解方式,而不是各自生成一份看似完整的文本。

让Agent理解企业,而不只是理解提示词

另一道门槛来自通用Agent的搜索效果。给工具一段提示词,确实可以得到洞察内容,但它并不天然知道倍思的业务,也未必能按照企业需要的方式组织结论。文本流畅与业务可用之间,仍然隔着企业知识和具体任务要求。

倍思在Agentic Search搜索Agent实践中,将企业知识注入知识、记忆与上下文体系。这里的重点不是单纯扩大输入的信息量,而是让Agent在处理洞察任务时,能够结合企业已有的知识理解问题。报告需要回答什么、相关资料意味着什么,都要放回业务语境中判断。

这种做法将企业知识作为洞察的业务依据。数据提供分析材料,知识帮助理解材料,上下文把这些信息与当前的洞察主题联系起来。通用工具不懂业务的短板,需要通过企业自身的知识来补足;让Agent成为可用的助手,也需要把企业的理解方式带入任务之中。

阿里云AI搜索产品负责人汤祯捷在案例介绍中,也谈到双方围绕行业洞察开展的合作:将行业研报、产品资料与图文数据统一收集,通过自定义提示词模板进行语义理解,结合Data Agent整合与多路召回生成深度研究报告。报告还可以沉淀到Elasticsearch知识资产中。这一介绍与倍思的实践思路相互呼应:研究的输入与输出,都应与企业知识体系保持连接。

图1|企业知识、任务上下文与洞察规则共同支撑报告生成的概念示意,并非客户验收架构。

从模型分析到知识召回,按报告目标组织链路

倍思对技术路径的选择,同样以业务使用要求为起点。邓银河强调,洞察报告需要能够被信任,并用于业务决策。因此,工作不能止于把原始数据交给模型,再等待一篇完整报告,而要关注从数据准备到报告出具的整个过程。

在前期处理环节,倍思使用模型进行打标,并开展情感分析和与功能相关的分析。经过处理的信息进入Elasticsearch的知识与数据体系,供后续任务召回。模型分析与搜索召回在这里承担不同角色:前者对材料进行理解和加工,后者将与任务相关的信息带回洞察过程。

随后,报告生成结合企业知识库精准召回的信息,围绕洞察主题返回相应内容,再按照洞察结构与规则的设计组织报告。Agentic Search承接知识、记忆和上下文的组织,Elasticsearch支撑知识与数据的召回,两者共同服务于从分析材料到业务报告的链路。

这条路径的关键在于用业务主题和结构规则约束报告生成。召回并不是孤立的搜索步骤,模型分析也不是独立的内容生产环节;它们都需要回答同一个问题:这些信息如何支撑当前洞察,以及最终如何组织成业务能够使用的报告。

邓银河还提到,多轮修改报告会消耗Token和时间,如果内容未能达到所需的精准度,反复生成的代价也不容忽视。因此,精准召回与业务知识的结合不仅关系到报告质量,也关系到重复工作的成本。

图2|倍思VOC洞察的实践逻辑示意。依据现场介绍归纳,不包含未披露的部署组件或量化收益。

从聚焦场景出发,探索更懂业务的AI

VOC洞察是倍思内部提效的代表性场景之一。在邓银河看来,未来企业会走向AI native组织,Agent要像虚拟同事一样贴近业务,需要依赖企业知识、上下文,以及岗位所需的能力。

面向企业外部,他也展望了AI硬件方向:如果未来推出更多AI硬件产品,如何让单个用户跨设备交互形成的习惯、偏好与记忆相互连接,将影响设备能否真正理解用户。

相比一开始铺开大量Agent,邓银河更建议企业从聚焦的、与业务价值或商业成功相关的目标切入。倍思的洞察实践也体现了这一取向:先明确报告被信任和使用的条件,再将数据处理、知识召回与业务规则连接起来。

对这家跨境出海科技企业而言,AI应用的价值不在于Agent数量,而在于能否围绕具体业务交付可用的结果。从客户之声出发,让信息进入企业知识语境,再形成支撑业务讨论的报告,是倍思科技与阿里云探索企业智能应用的一条具体路径。

阿里云 AgenticSearch:help.aliyun.com/zh/open-sea...

阿里云 Elasticsearch Agent 引擎版:help.aliyun.com/zh/es/user-...

相关推荐
AllData公司负责人1 小时前
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
数字新视界1 小时前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
阿里云大数据AI技术1 小时前
阿里云 EMR Serverless StarRocks(Stella)× Paimon:让多模态数据湖从“存得下”走向“找得到、用得上”
人工智能
class心平气和1 小时前
AI 赋能测试流程:从基础概念到测试全流程实战
人工智能
猿人谷1 小时前
遗传编程的未来:从进化搜索到自主发现求解方法
人工智能·深度学习·神经网络·ai-native
QuZhengRong1 小时前
【AI】Agent 全栈进阶|AgentScope 沙箱源码解析
python·学习·ai·agent·沙箱
字节跳动开源1 小时前
OpenViking 3D理解模型上线轴测八视图及PMI解析
人工智能·开源·aigc
阿里云大数据AI技术1 小时前
孩子王基于阿里云Data Agent的智能体实践:300+Agent 覆盖400+业务场景
大数据·人工智能·agent
code2cat2 小时前
【随笔】MCP长任务:查询已经返回,为什么任务还没有完成
javascript·人工智能·后端·mcp