AIQS · 智能询价与报价工作台

从资料，到可以使用的信息

一份询价资料里，真正需要的信息往往分散在多个文件中。文档、表格和工程图各自描述问题的一部分，整理出可用于报价的字段，还需要处理格式差异、信息冲突和缺失项。

AIQS 是围绕这条业务链路持续迭代的工作台。我参与的重点，是让 AI 解析结果能进入实际工作流程：既能查看原始资料，也能核对提取结果，再把确认过的信息用于后续报价。

我参与的工作

• 解析与确认流程：围绕 OCR、文档解析和模型提取结果，完善字段展示、来源查看、状态反馈与人工确认入口。
• 业务字段衔接：处理解析字段与报价字段的关联，让数据按明确规则进入新建报价，并区分字段配置和已有报价数据的更新边界。
• 资料与报价工作台：迭代文件树、文档预览、分步导航、优先级分组和深色主题，让长流程里的上下文更容易保留。
• 查询与导出：补充按业务编号和文件信息查找记录的能力，处理报价 Excel 的内容组织与版式细节。
• 工程资料可视化：参与叠层结构与 3D 视图的交互优化，将专业信息放回可理解、可操作的界面中。

关键取舍

让 AI 结果可以被检查

模型输出只是业务流程的输入之一。原文查看、字段来源、错误反馈和人工修正同样重要；识别到一个值，也不代表它就应当直接覆盖用户已经确认的数据。

把复杂流程拆成清楚的步骤

我更关注用户此刻在处理哪个文件、核对哪个字段、下一步该做什么。文件预览、解析状态与报价配置需要协同工作，交互上的连续性和后端数据边界要一起考虑。

用业务行为验证修改

除了组件与接口测试，还要检查实际页面、导出文件和部署后的运行状态。一个功能出现在界面上，与它能在真实流程里可靠使用，是两件需要分别验证的事。

这段实践带给我的东西

这个项目让我把 AI 应用开发与全栈业务开发放在同一个问题里思考：模型怎样接入，数据怎样落地，用户怎样确认，以及出了问题后怎样追溯。

项目仍在持续迭代。我希望继续提升复杂资料处理的可解释性，并把领域规则、解析结果与业务操作衔接得更紧密。