从业务场景到工程落地

先做清楚,再做完整。

01

梳理任务

流程、数据与验收标准

02

验证方案

原型、效果与运行成本

03

交付系统

部署、文档与持续迭代

人工智能应用工程

创意成为现实

服务企业客户。常做的四类场景:出海电商、物流供应链、知识管理、商业空间。

01

数据分析与核算自动化

库存、渠道、财务,先对上数据再出报表

02

算法工程与模型训练

先测基准,再决定要不要训练

03

AI 硬件与互动体验终端

展厅、大堂、活动现场,装上就能用

04

系统集成与 AI Agent 开发

把重复流程串起来,关键步骤先确认

项目案例

按现场情况自动挑内容的屏
自研技术
互动展示
03 AI 硬件与互动体验终端
01 数据分析与核算自动化

按现场情况自动挑内容的屏

问题

一块屏挂上去不难,难的是它从早到晚播同一段。时段在变、人多人少在变,内容不跟着变,路过的人第二次就不看了。

我们做了什么

屏自己判断该放什么:按时段、按现场人多人少切换,不用有人守着换

内容由场地方或品牌方在后台投放,随时能改,不用跑到现场接线

只判断"有没有人、大概几个人",不做身份识别,画面不留存

结果

同一块屏,早上和傍晚放的不是一件事;换一批内容不用换设备,也不用派人跑一趟。

AI Agent 与各端应用开发
自研技术
软件工具
04 系统集成与 AI Agent 开发
01 数据分析与核算自动化

AI Agent 与各端应用开发

问题

客户要的往往不是一个模型,是一整套能用的东西:后台、网站、小程序、App,再加一个能自己把活干完的 Agent。拆给几家分头做,接口对不上,出了问题谁都不认。

我们做了什么

前后端、数据层、第三方接口一家做完,口径统一,出问题只找一个人

Agent 负责串起多步任务:调工具、取数据、回写结果,每一步都留得下记录

源码与部署文档一并交付,你的团队随时能接手

结果

网页、小程序和 App 用的是同一份数据、同一套规则。要加一个新功能,不用把三端各改一遍。

海外获客
自研产品
外贸出海
01 数据分析与核算自动化
02 算法工程与模型训练
04 系统集成与 AI Agent 开发

海外获客

问题

名单不难拿,难在一千条里大部分根本不是你的客户。人工一条条看要一周,看完还是靠感觉;全丢给大模型逐条打分,又贵,而且它对每一条都能编出一套像样的理由。

我们做了什么

分三步筛:先用现成字段免费粗筛,再用中等模型批量打分,最后只对靠前的细查

查海关提单记录,把"看着像客户"和"真的在进口这类货"分开

筛完直接给出可以发出去的第一封邮件,不用再从零写

结果

一千条名单的初筛,从人工好几天变成跑一次任务,每条结论都能查到出处。业务同事看到的不是"系统打了 87 分",而是"这家有 12 条提单记录,最近还在扩采购团队"。

好几个系统的乱数据,自动理清再出报表
交付
数据分析
01 数据分析与核算自动化
04 系统集成与 AI Agent 开发

好几个系统的乱数据,自动理清再出报表

问题

数据从好几个系统导出来,格式各不一样。同一样东西,这个系统叫一个名,那个系统叫另一个名。表格本身不难做,难的是先把它们对上号——对错一个,后面算的全不准。以前每个月都靠人一条条对,又慢又容易错。

我们做了什么

先把几个系统的数据收到一起,名字、规格、单位统一成一套,明显错的数据一进来就挡住

把算账的规则写进系统,报表自动出来,有问题的地方直接标红

规则写好后先不看人工答案,自己算一遍;对不上就回头改,直到对得上

结果

每个月花在这件事上的人工少了九成以上,出报表的时间也短了九成以上,还能到点自己跑。算出来的结果和人工核对的差不到 2%,每个数都查得到来自哪一行原始数据。换成别的行业,只要数据来自好几个地方,这套做法一样能用。

数据和报表都归客户;火翼负责理清规则、搭好自动流程。

出海落地:一套内容,国内国外都读得顺
交付
出海落地
01 数据分析与核算自动化
04 系统集成与 AI Agent 开发

出海落地:一套内容,国内国外都读得顺

问题

中国的品牌和工厂要出海,第一件事是让海外客户看得懂。官网、广告、宣传片、产品图,每一样都要有外文版。逐字翻出来的东西读着别扭,有的说法照搬过去还会踩当地的规矩;一样一样找人翻,又慢又贵,同一个产品名每次还译得不一样。

我们做了什么

官网、广告、宣传片字幕、图片上的文字,放进同一套流程处理,出稿快

品牌词、产品名先定一张对照表,全篇一个译法;按当地读者的习惯写,读起来不像翻译

功效、承诺这类容易出问题的说法,按当地规矩收紧;上线前人工复核

结果

一套中文内容,很快就有一套读起来自然的外文版,官网、广告、宣传片说法一致。以后加产品、加语言,走同一套流程,不用每次从头找人。

品牌与内容归客户;火翼负责本地化流程、网站与上线。

只在指定范围内作答的问答系统
自研技术
知识管理
01 数据分析与核算自动化
04 系统集成与 AI Agent 开发

只在指定范围内作答的问答系统

问题

通用模型什么都答,这在很多场合恰恰是问题。一是答到范围之外去——问什么它都接;二是答得太超前,用了对方还没学到的方法,答案是对的,但看不懂,也用不上。

我们做了什么

先划定范围:能答什么、不能答什么一条条写清楚,范围之外直接不接

再划定方法:每个阶段允许用哪些解法,模型答完先自查,超了就带着限制重答

关掉深度思考、重写调用流程,一次回答从 42 秒降到 0.9 秒

结果

问到范围之外,系统会直说"这个不在范围内",而不是硬答一个。换一份范围设定,同一套做法就能用到别的领域——讲题、讲画法、讲代码,用的都是它。

边改边跑的互动作品工作台
自研技术
软件工具
01 数据分析与核算自动化
04 系统集成与 AI Agent 开发

边改边跑的互动作品工作台

问题

想让没写过代码的人改一个能跑的东西,卡点不在模型写不出代码,在改完要立刻看见这一点上。每改一次就重装环境、重启一次服务,人就不会想改第二次。

我们做了什么

一句话说清要改什么,系统只动相关的那几行,并把改在哪里标出来

改完不重启,画面当场刷新,一个来回是几秒不是几分钟

一键打包发布,拿到一个能直接打开的网址;源码随时导出带走

结果

从"提一个想法"到"看见它变了"缩短到一次呼吸的时间,做出来的东西有一个能发给别人的网址。这套东西交给合作方去用,对外运营由他们负责。

把一张成品图拆成能照着做的步骤
自研技术
知识管理
01 数据分析与核算自动化
02 算法工程与模型训练

把一张成品图拆成能照着做的步骤

问题

难的不是说出七个步骤,是这七步要真的对得上那张图。让模型凭空描述做法,它会给出一套听起来合理、但和图上位置对不上的顺序——照着做就走样了。

我们做了什么

先给出一张完整的成品图,步骤全部从这张图上倒推,不是另外编一套

主体的位置由图本身算出来:白底以外的才是内容,再按离中心的远近分档

每一步只加一个动作,只用圆、方块、三角这几种基本形来说,不用专业词

结果

先看见要做成什么样,再一步一步长出来,每一步都落在成品图的同一个位置上。换一批题材,同样的做法也能用来讲别的手艺。

跟着人动的立体画面装置
自研原型
互动展示
03 AI 硬件与互动体验终端
01 数据分析与核算自动化

跟着人动的立体画面装置

问题

展厅里最常见的问题是:屏幕就只是一块屏幕,人走过去画面不变,没人愿意停下来。想让一块平屏看起来像一扇能望进去的窗,难点不在认人脸,在画面怎么算。

我们做了什么

用摄像头实时找到观众头的位置,直接用成熟的开源方案,不自己训练模型

按观众眼睛的位置,把画面的透视实时重算一遍——窗框不动,只有窗里的景物移动

场景按远近分层,画面才有东西可以错开;没有摄像头时也能用鼠标演示

结果

人左右一动就能看到物体的侧面,屏幕像墙上开了一扇窗。整套跑在浏览器里,现场一台笔记本加一个摄像头就能布置。好莱坞的 LED 环幕背景用的是同一套原理,区别是那边跟着摄影机走,这里跟着观众走。

合作伙伴

一起做事的伙伴

Lumina Bay

战略合作伙伴

合作方式

四步交付,每一步都能验收

能做什么、做不了什么,第一步就说清楚。

第一步

场景评估

先判断这件事该不该用 AI 做。梳理业务流程、数据条件与验收标准,给出可行性判断和不建议做的部分——包括直接告诉你哪些环节用规则或人工更划算。

第二步

方案与原型

确定技术路线、模型选型与系统架构,产出可运行的原型和明确的工期、成本、验收指标。方案阶段就把调用成本和时延算清楚,不留到上线才发现。

第三步

工程交付

完整开发、测试、部署与联调。交付物包含源代码、部署文档与运维说明,确保你的团队能接手,不产生对单一供应商的隐性依赖。

第四步

运行与迭代

上线后持续监测效果,按真实使用数据调整流程与参数。模型和业务都在变,交付不是终点。