SBC-Agent
SBC-Agent 智能业务 Agent 平台

让客服、运营、供应链协作进入对话式自动化

从“找系统、查数据、等人处理”变成“自然语言发起任务，Agent 自动理解、查询、执行、追踪”。 平台把对话、知识库、业务工具、多 Agent 编排和企业管控整合到一条可落地的业务链路里。

查看业务场景 了解技术底座
多 Agent 协作Supervisor 自动识别意图并调度合适助手
业务工具连接订单、商品、营销、SRM、视觉识别可被 Agent 调用
企业级管控权限、计费、风控、日志、TraceId 全链路可追踪
Smart Chat / Supervisor
帮我看下近 7 天订单、营销效果，再判断是否需要给高潜供应商发起一轮询价。
Supervisor识别为运营分析 + SRM 协作任务
Worker Agents运营助手、供应链助手、数据分析助手协同处理
order_stats marketing_effect srm_supplier_list srm_inquiry_publish knowledge_base
已完成数据查询和供应商筛选。建议先对 3 类核心物料发起定向询价，并保留原营销活动节奏；以下是数据依据、候选供应商和待确认操作。
BUSINESS PAIN

业务不是缺 AI，而是缺能进入流程的 AI

SBC-Agent 把大模型能力放进客服、运营和供应链的实际工作中，先解决业务人员每天都会遇到的低效、割裂和不可控。

01

客服重复咨询多

订单、物流、售后、优惠和操作指引反复查询。智能客服可调用订单、物流、政策、活动工具，处理不了时转人工。

02

运营数据割裂

商品、订单、客户、营销数据散在不同页面。运营助手能按问题组织查询、分析和建议，减少手工切系统。

03

供应链协作链路长

供应商、物料、供应清单、询价、报价、议价、核价跨角色协同。SRM 工具让 Agent 能辅助推进流程。

04

知识难复用

SOP、政策、合同、产品手册沉淀后难被准确使用。知识库和 RAG 让一线人员用问答方式获取依据。

05

AI 难管控

生产环境不能只看回答效果。平台提供权限、Token 计量、套餐配额、LLM 风控、审计日志和 TraceId。

AGENT EXPERIENCE

从“人找功能”到“Agent 完成任务”

用户不需要先判断应该进入哪个系统、哪个菜单、哪个报表。平台通过智能对话承接自然语言请求，再由 Agent 选择工具和工作流。

1

一句话发起

业务人员用自然语言描述目标，可以附带图片或文件信息。

2

自动匹配 Agent

LangGraph Supervisor 根据意图调度客服、运营、供应链、文档或视觉助手。

3

调用业务工具

Agent 通过 Function Calling 查询订单、商品、营销、SRM 和知识库数据。

4

保持上下文

对话历史、记忆策略和长对话压缩让连续任务不必反复解释背景。

5

流式反馈

SSE 逐步返回状态、Worker 执行结果和最终答案，等待过程更透明。

6

必要时转人工

用户要求或工具失败时，平台可以识别并提示转人工处理。

SCENARIOS

围绕电商与供应链的可落地场景

页面展示的场景来自当前项目中的预配置 Agent 模板、工具注册表和前后端功能，不依赖空泛概念包装。

客

智能客服

覆盖商品咨询、订单查询、物流追踪、退单退款、售后政策、优惠活动和操作指引。

order_search delivery_track policy_query transfer_to_human
运

管理后台运营助手

面向平台运营和商家运营，支持数据查询、商品审核/上下架、销售趋势分析和营销建议。

order_stats goods_stats marketing_effect sales_trend_analyze
供

SRM 供应链助手

辅助供应商关系、物料库、供应清单、询价、报价、议价、核价和供应商设置等协作流程。

srm_supplier srm_material srm_inquiry srm_provider
文

文档知识专家

基于上传文档、制度、合同、产品手册和帮助中心内容做知识问答、信息提取和依据引用。

知识库 RAG 文档解析 重排序
数

数据分析助手

支持数学计算、结构化数据处理、时间序列分析、在线数据源获取和测试数据生成。

calculator json_formatter datetime random_generator
视

视觉助手

支持图片识别、OCR、条码/二维码识别提示、商品图审核、以图搜商品特征提取和文件处理。

image_recognition file_update OCR 商品图审核
SYSTEM ARCHITECTURE

系统架构把对话入口、AI 编排和业务治理接成闭环

用户端和管理端通过 Nginx/API 进入 Java 主服务；Java 负责业务状态、Agent 配置、工具执行和治理，Python AI 服务负责 LangGraph Supervisor、高级 RAG 与文档处理，底层再连接模型、知识库和基础设施。

SBC-Agent 系统架构图 请求/SSE、业务工具、RAG/模型、治理审计分色标注
SBC-Agent 系统架构图，展示用户端、管理端、Java 主服务、Python AI 编排层、业务工具、模型知识库和治理观测的关系

入口统一

用户端、管理端和 SSE 流式体验统一进入 Java 主服务，便于接入认证、权限和 TraceId。

职责分层

Java 承担企业业务状态与管控，Python 聚焦多 Agent 编排、高级 RAG 和文档智能。

工具闭环

订单、商品、营销、SRM、视觉和外部 HTTP API 通过 Function Calling 受控接入。

治理可追踪

RBAC、计费、风控、审计日志和 TraceId 贯穿模型调用、工具执行和对话链路。

TECH TRUST

技术能力作为企业级落地的可信背书

SBC-Agent 不是孤立的聊天窗口。Java 主服务承担业务状态和治理，Python AI 服务承担高级 AI 编排，两端通过 HTTP、日志和 TraceId 串联。

用户端

Agent 市场、普通对话、智能对话、Agent 详情、个人中心，支持 SSE 流式体验和附件输入。

管理端

Agent 管理、市场审核、知识库、工具管理、工作流、模型管理、计费、风控和日志查询。

Java 主服务

承载 Agent、对话、权限、计费、审计、风控、RAG 注入、模型网关、工具执行和工作流。

Python AI

负责文档解析、Embedding、高级 RAG、HyDE、Multi-Query、RAG-Fusion 和 LangGraph Supervisor。

模型网关与稳定性

支持 OpenAI 兼容模型、DashScope、Ollama、本地/云端模型扩展，并通过路由策略和熔断降级提升可用性。

RAG 与知识可信

支持 PgVector/Milvus、知识库关联、语义重排序、HyDE、Multi-Query、RAG-Fusion，让回答更贴近企业资料。

Function Calling 与业务系统连接

工具定义、JSON Schema、超时控制和 ReAct 再推理循环，让 Agent 能查询数据、执行受控动作、再总结结果。

企业管控

RBAC、Token 计量、套餐配额、LLM 风控、全链路日志和 TraceId 跨服务透传，支撑生产环境治理。

CAPABILITY MATRIX

从 Agent、工具、知识到治理的一体化能力矩阵

平台既能面向业务人员提供对话式体验，也能面向运营管理者提供配置、审核、计费、风控和日志能力。

业务 Agent

  • 智能客服
  • 运营助手
  • 供应链助手
  • 文档、视觉、数据分析

工具生态

  • 订单与物流工具
  • 商品与营销工具
  • SRM 业务工具
  • 图片识别与文件处理

知识与数据

  • 知识库管理
  • 文档解析
  • 向量检索
  • RAG 召回日志

平台治理

  • Agent 管理与市场审核
  • 用户、角色与权限
  • 计费、套餐与配额
  • 模型配置与风控

体验交付

  • 用户端 Agent 市场
  • 普通对话与智能对话
  • 附件/图片输入
  • 流式输出与执行状态

把企业知识、业务系统和 Agent 体验接到同一条业务链路

SBC-Agent 适合希望把 AI 从“问答工具”推进到“业务流程助手”的团队。它不替代原有系统，而是在对话入口上连接知识库、工具、权限和审计，让业务人员更快完成查询、分析、协作和受控执行。

电商中台运营团队 商家运营团队 客服中心 供应链采购团队 供应商协作团队 企业知识库运营团队