徐红维- 海管家 Smart ERP 的 Agentic 实践之路i.pdf

1、HGJ.COMAgentic WorkflowAgentic WorkflowArchitectureArchitectureFrom Static Processes to Dynamic IntelligenceFrom Static Processes to Dynamic IntelligenceSmart ERP从静态到动态智能转变复杂物流流程的技术视角从静态到动态智能转变复杂物流流程的技术视角徐红维|CTO数据+人工智能大会 2025目录一行业挑战与技术演进物流行业痛点分析，传统工作流与智能代理工作流对比，静态流程到动态智能的演进二WOL-APL-EVAL架构设计解决方案原理，神经

2、符号融合，三层架构模型与职责分离，动静平衡的工程实现三海关场景实战案例海关商品出口审单流程，WOL-APL-EVAL架构应用，策略即代码工程与提示词工程四试验性工程探索（Exp）Shadow Workflow和Prompt Learning技术探索，AI辅助工作流自动化的实验性方向五工程化实践与未来展望真实场景A/B测试数据，项目经验总结与行业实用建议，混合智能在物流的未来展望HGJ.COM行业背景国际物流推动全球贸易（超30万亿美元市场），但仍然受到运营效率低下的困扰。虽然航运本身已经优化，但跨利益相关方的信息流仍然分散。主要挑战包括复杂的多方协调、跨境合规监管，以及持续依赖难以应对异常和变

3、化的传统系统。30+万亿美元市场规模15-20天文档处理时间10+每次装运的利益相关方70%仍然依赖人工流程尽管多年来数字化努力不断，物流公司仍然难以用自动化解决方案替代经验丰富员工的精细决策能力。HGJ.COM国际物流业务流程全球供应链跨境连接多个利益相关方，形成相互依存的复杂运营网络：多方参与者：单票货物涉及8-12个不同参与方文档负担：跨境贸易需交换20+种单证人工协调：30-40%的时间用于异常处理信息孤岛：数据分散在多个不互通的系统中HGJ.COM痛点分析30-40%来自无形办公劳动的运营成本20天文档处理时间 vs.15天运输时间12+每次装运的利益相关方传统工具（Excel、静态

4、工作流）无法处理异常或政策变更多方协调需要持续的人工干预信息孤岛导致重复工作和数据协调问题被动故障排除而非主动预防问题HGJ.COM流程自动化的三代范式跃迁2010-2015（执行自动化）2015-2020（流程自动化）2020+（智能自动化）RPA机器人流程自动化 核心能力重复性任务自动化，基于UI界面模拟人工操作屏幕录制、鼠标键盘模拟、UI元素识别典型场景：数据录入、报表生成、系统间数据搬运局限性：无法处理异常、依赖结构化界面脆弱易崩溃，UI变化即失效第一代自动化(2010-2015)处理速度提升 3-5倍，异常处理成功率 85%，人工干预率降低 60%HGJ.COM从行业痛点到AI应用场

5、景：能力匹配与实践路径 行业现状问题复杂性挑战多方参与（8-12方）、异常常态化、信息碎片化$成本压力30-40%成本来自无形劳动，大量人力用于文档处理合规风险高监管环境，错误代价高（罚款、延误）时效要求文档处理（20天）超过实际运输时间（15天）能力匹配策略准度 vs 信度权衡 高准度场景：单据识别（OCR）、路由优化 高信度场景：异常检测、合规审查（可解释性）单点能力 vs 全局能力 MVP起步渐进扩展人机协同 高风险场景必须保留HITL机制技术选型原则 规则引擎（高准高信）、ML（结构化决策）大模型（中准+HITL）、WOL+APL+EVAL架构HGJ.COM解决方案原理 问题本质：静态

6、工具与动态业务的错配物流行业30-40%成本来自看不见的办公室劳动，根本原因在于现有技术架构与行业动态复杂性的不匹配：传统数字工具是静态的，无法应对物流过程中层出不穷的异常情况、临时政策调整和多方协作需求一个简单的清关延误就可能涉及海关、报关行、船公司等多方信息不一致或流程卡顿 范式转变：从预设步骤到目标导向 传统工作流预设好的地图，规定每一步怎么走，遇到地图上没有的路（业务异常）就卡住VS 智能代理工作流经验丰富的向导，知道最终目的地（业务目标），根据实时路况自主规划最佳路径 神经符号融合：混合智能的理念结合符号AI的可靠性与神经网络的适应性，构建混合智能系统：规则引擎：处理需要高确定性、合