阿姆斯壮AI智能助手
项目背景
阿姆斯壮（ArmstrongFlooring）是全球领先的地材制造商，成立于1860年，总部位于美国。公司专注于设计、制造和销售创新的地板产品，业务遍及全球多个国家和地区。随着企业规模扩大和数字化转型深入，阿姆斯壮面临着内部信息流转效率低下、知识管理分散、经销商服务体验不一等挑战。企业每天产生大量的技术文档、产品资料、安装指南和培训材料，但这些信息分散在不同系统中，员工和经销商难以快速获取准确信息，影响了工作效率和客户服务质量。
核心挑战
阿姆斯壮面临三大核心挑战：首先，企业内部系统林立，Microsoft 365、Teams、WO平台等系统之间缺乏有效整合，员工需要在多个平台间切换才能完成日常工作，操作复杂度高；其次，企业知识库庞大但检索困难，大量文档、手册、案例分散存储，传统关键词搜索无法精准定位所需信息，且无法理解自然语言提问；第三，经销商服务标准难以统一，经销商在技术咨询、产品推荐、售后支持等环节依赖个人经验，服务质量和响应速度参差不齐，影响了品牌形象和客户满意度。
解决方案
作为专业的企业AI应用开发服务商，贝聿科技为阿姆斯壮打造了一款集成多模型AI能力的智能对话平台，采用先进的大语言模型（LLM）和检索增强生成（RAG）技术架构。平台深度融合企业现有系统，通过标准化API接口与Microsoft 365、Teams、WO平台实现无缝对接，用户可在熟悉的办公环境中直接调用AI助手功能。
技术实现上，平台采用混合云部署架构，核心AI模型部署在私有云环境确保数据安全，同时利用公有云算力处理复杂计算任务。RAG技术的应用是本项目的关键创新点：系统首先将企业所有文档（产品手册、技术规范、安装指南、培训材料、案例库等）进行向量化处理后存储到向量数据库；当用户提问时，系统通过语义检索快速定位相关文档片段，并将其作为上下文输入给大语言模型，从而生成准确、有据可依的回答。
前端采用React + TypeScript技术栈开发，支持Web端和移动端自适应访问；后端使用Python FastAPI框架，结合LangChain框架实现RAG流程编排；数据存储层采用PostgreSQL + pgvector扩展存储向量数据，Redis提供缓存加速。这套AI智能客服与知识问答系统还集成了用户权限管理、对话历史记录、知识库更新推送、使用数据分析等辅助功能，形成了完整的智能问答生态。
项目成果
平台上线后取得了显著成效：员工信息检索时间平均缩短75%，从原来的平均15分钟降至不到4分钟；跨部门协作效率提升40%，因为员工可以更快速地获取其他部门的知识和经验；经销商满意度从78%提升至92%，主要得益于24/7的智能问答服务和一致的服务标准。平台每月处理超过3万次智能问答请求，准确率达到88%，显著降低了人工客服压力。项目还获得了阿姆斯壮全球IT创新奖，成为其亚太区数字化转型的标杆案例，为制造业企业数字化转型提供了可复制的AI落地范本。