A2--梓骞--云兔 Lovrabet 体系实践：企业数据 AI 化与业务流程 AI 化的落地路径.pdf

1、企业数据和业务流程AI化的落地路径唐爽（梓骞）Lovrabet联合创始人&CEO 前菜鸟研发平台部总监/阿里前端委员会主席唐爽Lovrabet(云兔)产品 创始人、CEOAI应用领域的技术专家与创业者，拥有18年大型互联网业务端到端架构经验。曾担任腾讯视频首代高级工程师，主导设计了面向海量用户的在线播放器，率先在行业中实现了移动设备的HTML5播放技术，日均播放量突破亿次。在阿里参与并负责电商中台技术体系，涉及交易、退款、商品发布、店铺装修等多个核心模块，参与孵化了喵街、Lazada、天猫国际等新业务。在菜鸟网络，全面主导研发技术体系与产品设计，创新性地结合AI技术与研发基础设施，推动了数千人

2、的全栈研发模式改革，研发效率提升510倍，节省数亿研发成本，并实现了超过半数的需求可由业务运营人员独立完成，极大提升了企业运营效率。2025年4月成立杭州启智云图，一年时间服务多家上市公司的AI转型，完成两轮融资；01020304 企业系统常见问题企业数据AI化：数据库逆向思路业务流程AI化：经验沉淀和自我演进客户案例企业系统常见问题N代同堂的老系统如何适配日新月异的AIAI企业落地正在被这 4 件事悄悄拖住0101老系统不敢动新系统跟不上多代同堂，没人理得清楚老系统逻辑新做几个月起步，上线需求已变项目越定制，越难复用、越难维护系统买了一堆，数系统买了一堆，数0202买了很多系统但数据分散CR

3、M、ERP、审批各管一摊关键数据散在多套库与 Excel 里决策靠人拼报表、拼口径，越大越慢0303单点提效但等待时间依然过长关键节点靠岗位之间催办企业效率消耗在等待时间过长业务量一涨，只能继续加人0404经验留在老师傅脑子里经验在老师傅的脑海里人一走，企业重新摸索培训靠师徒带教，慢且不可复制AI 装在系统外面只能外挂试点做不进业务主流程的真正的瓶颈不在于AI而在企业系统本身。困局一：在老的流程用AI单点提效企业效率的瓶颈，不在单点产出，而在流程等待与跨环节协同困局二：全链路生成无法理解已有业务逻辑最有价值的数据，锁死在无法触达的旧系统泥潭中历史订单客户信息出库记录没有数据喂养的 Agent

4、只有“氛围”没有“价值”AI 无法触达帮我做一个订单管理系统库存详情 只做表面功夫无法触达企业实际业务数据，更无法继承历史逻辑，仅是 DEMO企业业务建立在历史数据之上，未经梳理，AI 只能看个热闹73%UNUSABLE企业核心数据不可用，AI 吃不到真正的业务逻辑必须安全“解锁”这些数据Lovrabet：企业级 AI-Native 系统生成平台连接企业已有系统、数据与组织经验，让连接企业已有系统、数据与组织经验，让 AI AI 理解业务模型、驱动业务运行理解业务模型、驱动业务运行并把每次使用沉淀为可复用的企业能力。并把每次使用沉淀为可复用的企业能力。数据库AI逆向思路老系统不下线，通过数据库

5、逆向快速生成AI-Naitve系统DBAgent：从数据库理解旧系统力老系统不下线，不重构理解数据库和业务结构，新开发一个旁路AI-Native系统，共用一份数据从DB到AI-Native系统DBAgent-让 AI“读懂”业务的过去上下文超限、Token成本、注意力发散 数据关联关系启发式预筛选零成本捕获 60%+显性关联领域划分，规避超限，上下文聚焦，减少 50%+幻觉并行处理，分析时间可控，15min/100 表 推理重点 核心挑战启发式预扫描1st0 Token解决显性关联物理外键提取命名规则匹配业务领域聚类2nd少量 Table 描述信息完成子集拆分高内聚分组允许重叠组内精细分析3r

6、d完整 Field 信息输出组内关系集合字段类型推理数据分布推理跨组关联补全4th聚焦核心实体缝合跨域关系收集孤立字段反向SQL校验最终结果归并End模型视图可人工干预标准Schema输出多轮迭代归并，准确率 90%支持无限扩展，成本线性增长，Token消耗降低 70%+数据安全？给AI业务地图而不是数据让AI知道如何自主查找问题的答案，不瞎猜，不编造结果数据集的Instant API禁止AI直接触碰数据本身，通过业务模型的地图查找正确的业务对象，通过API获取数据先还原业务模型，再由工程保障确定性真正执行指令的依然是传统工程AI友好API设计原则：错误即提示传统 API 告诉你“哪里失败了A