资料散在文件夹和聊天记录里
落地价值：产品资料、检测报告、FAQ、售后政策统一沉淀，新人也能按同一套资料回复。
火建企业 AI 运营平台 Huojian AI Ops
生产企业 AI 业务执行平台 让客户咨询和销售跟进进入闭环
让企业资料变成可用知识，让客户咨询变成销售线索。 让销售跟进、内容获客和市场情报进入可审核、可追踪、可量化的业务流程。
获取：企业资料治理清单 + AI 业务执行落地评估建议
减少重复沟通
识别客户意向
提醒销售跟进
复盘业务效果
支持客户本地服务器 / Docker 私有化部署，企业知识资产和会话数据留在客户可控环境。
客户咨询智能处理
基于企业知识资产生成回复建议，敏感问题自动转人工确认。
搜索企业资料、线索、情报...
AI 回复建议 引用企业资料
客户问：这个产品能不能用于高温管道？
系统已匹配产品手册、检测报告和售后政策，建议先确认温度、管径、项目地和防火要求。
风险判断：涉及报价或验收承诺
建议转销售或技术人员确认，AI 不直接给出最终价格、合同和工程验收结论。
知识来源 可追溯
产品技术参数表
92%
检测报告与应用说明
88%
客服风险转人工规则
已命中
业务流程编排 从咨询到线索
1客户咨询
2查找资料
3风险判断
4CRM 跟进
不是单一聊天机器人
它先解决资料可用、回复可信、线索不丢、风险可控，再让 AI 进入正式业务流程。
Business Problems
客户真正关心的是业务能不能跑起来
来了客户能不能接住、能不能识别意向、能不能提醒销售、能不能减少漏跟进、能不能沉淀话术、能不能证明效果。
客户问得多，客服回得慢
落地价值：常见问题先由企业资料辅助生成回复建议，客服少做重复劳动，客户等待时间更短。
价格、合同、交期不敢让 AI 乱答
落地价值：高风险问题先识别再确认，避免越权承诺，沟通记录和处理责任都能留痕。
咨询很多，销售线索却留不下来
落地价值：采购意向、项目场景、资料索取和报价信号进入 CRM，避免好线索留在聊天记录里。
内容运营靠人工拼凑，发布风险难控
落地价值：内容基于企业知识生成，发布前做审核校验，减少人工拼凑和不准确表达。
担心数据外流，也担心系统难落地
落地价值：资料、会话和线索留在企业可控环境，外部接入按客户策略开放。
Solution
不止用好企业资料，更让业务真正跑起来
火建AI面向生产企业，把产品资料、客户咨询、销售跟进、内容获客和市场情报连接起来，用 AI Agent 帮助企业完成接待、识别、沉淀、提醒和复盘。
1
底层治理资料、话术、案例、FAQ、检测报告和风控规则。
2
中层完成接待、回复建议、风险转人工、线索识别和提醒。
3
上层支撑内容获客、市场情报、商机发现和老板复盘。
资料、话术、案例、FAQ、检测报告、风控规则。
接待、回复建议、风险转人工、线索识别、CRM 提醒。
内容生成、官网/公众号/GEO、市场情报、商机发现、经营复盘。
Visual Workflow
把企业流程编排成 AI Agent 工作流
企业大脑不只是会回答问题，更要能按企业自己的业务规则执行任务。通过可视化工作流，把客户接待、资料查询、风险判断、自动回复、线索创建、销售提醒和复盘记录串成一条可审核、可追踪的流程。
1
业务规则可配置：不同入口、问题类型和风险级别走不同处理路径。
2
Agent 协同可视化：接待、检索、回复、线索、提醒和复盘不再靠人工记忆衔接。
3
过程结果可追踪：每次咨询从来源、判断、处理到销售跟进都有记录。
官网、微信客服、企业微信机器人、表单等入口。
识别来源、问题类型、客户意向和上下文。
调用产品资料、FAQ、案例、检测报告和风控规则。
报价、合同、交期等高风险问题自动转人工。
按客户策略生成回复建议，并保留引用依据。
高意向咨询写入 CRM，并通知负责人。
沉淀处理结果、跟进状态和效果指标。
Typical Scenarios
接待、识别、沉淀、提醒和复盘都进流程
让客户咨询有人及时接、销售线索有人继续跟、企业资料能长期复用，内容获客和市场情报也能进入可追踪的经营闭环。
咨询响应
客户咨询更快响应
客户从官网、微信和企业微信发起咨询时，客服不再反复翻资料、问同事，常见问题可以基于企业资料快速形成回复建议。
核心变化- 减少重复问答和人工翻资料
- 客户等待时间更短
- 价格、合同、交期等高风险问题自动转人工
线索沉淀
销售线索不再漏跟
客户咨询中出现采购意向、项目场景、资料索取或报价信号时，系统帮助沉淀为 CRM 线索，减少只停留在聊天记录里的情况。
核心变化- 采购意向不再只停留在聊天记录
- 销售负责人及时收到跟进提醒
- 后续沟通和处理结果可追溯
知识资产
企业资料长期复用
产品资料、检测报告、销售话术和项目经验不再分散在个人电脑和聊天记录里，而是沉淀为可检索、可引用、可追溯的知识资产。
核心变化- 新人也能按统一资料回复客户
- 客服、销售、内容生成都有依据
- 为后续工业大模型接入打底
Delivery & Acceptance
先判断是否适合，再按业务问题验收
从资料现状、接入入口和安全要求开始评估，按客户真实咨询、销售线索和风险问题试运行，确认系统能接得住、答得准、追得回。
适用企业
更适合客户咨询多、销售跟进靠人工、内容获客和市场信息分散，希望用 AI Agent 把业务流程跑起来的生产企业。
安资料、会话和线索留在客户可控环境
接官网、微信客服、企业微信机器人可分步接入
验用真实业务问题验收 AI 回复和人工接管
典型部署方式
交付流程
1资料整理
梳理产品资料、检测报告、FAQ、销售话术和服务记录。
2知识资产治理
完成解析、标签、检索和引用配置，形成可用的知识底座。
3接入客服
接入官网、微信客服或企业微信机器人，验证咨询入口。
4线索沉淀
把采购意向、项目场景和报价信号沉淀到 CRM 跟进。
5试运行验收
按客户业务问题测试 AI 回复、人工接管和线索追溯。
资料私有化：客户数据留在可控环境
回答有引用：重要回复可追溯来源
风险不越界：报价、合同、交期转人工
线索可跟进：CRM 记录和负责人提醒可查
Private Deployment
客户资料留在可控环境，系统才能放心用
客户最担心的往往不是 AI 能不能回答，而是内部资料、客户会话和销售线索会不会外流。系统支持私有化部署，把企业知识资产、检索数据、会话记录和业务线索留在客户可控环境中运行。
资料安全企业知识资产、检索数据、会话记录和 CRM 线索部署在客户指定环境，资料不离开客户可控边界
受控接入支持官网、微信客服、企业微信机器人接入，兼容 OpenClaw 私有化连接，外部入口按客户策略开放
运行治理配套用户权限、模型配置、操作日志、AI 日志、异常记录和健康检查，关键操作有记录可查
验收重点重点验证资料私有化、引用依据、AI 不胡编、高风险不自动承诺、线索与发布可追溯
Open Source Community
从开源体验到企业落地，让 AI 真正服务业务。
GitHub 负责建立技术信任，官网负责说明企业价值。社区版开放企业资料管理、引用式问答、质量评测和 Docker Compose 部署，让团队先验证知识底座，再决定是否接入客户咨询、CRM、内容获客和业务工作流。
cnbaowen / huojian-ai-knowledge-free
前端 Vue 3，后端 Laravel 12，使用 MySQL 8.4 和 Docker Compose，可部署到企业自己的服务器或内网环境。
Docker Compose 快速启动
建议环境：Docker Engine 24+、Docker Compose v2+、至少 2 核 CPU、4 GB 内存。
git clone https://github.com/cnbaowen/huojian-ai-knowledge-free.git
cd huojian-ai-knowledge-free
cp .env.example .env
docker compose up -d --build企业资料管理分类、解析、切片和检索状态可查看
回答引用原文答案可回到文档和片段核对
无依据不乱答知识不足时明确拒答并进入人工处理
| 对比项目 | 社区开源版 | 企业版 / 私有化项目 |
|---|---|---|
| 核心用途 | 验证资料管理、引用问答和知识质量 | 跑通客户接待、线索、销售跟进和经营复盘 |
| 部署方式 | 自行使用 Docker Compose 部署 | 按企业网络、安全、模型和运维要求实施 |
| 业务能力 | 知识问答、引用、反馈、质检与评测 | AI 客服、CRM、内容获客、工作流与专项智能体 |
| 交付支持 | GitHub 文档、Issue 与社区协作 | 需求梳理、实施、培训、验收与持续运维 |
社区开源版可以用于企业内部吗？
可以。代码采用 Apache License 2.0，可自行部署到企业服务器或内网；品牌边界以仓库 LICENSE 与 NOTICE 为准。
企业资料会上传到外网吗？
采用私有化部署和本地模型时，资料、数据库及配置均保留在企业自己的运行环境中，不上传外网。若接入外部模型服务，应根据数据安全要求选择接入方案并控制出网数据范围。
不购买大模型 API 能运行吗？
可以。默认本地引用式回答可验证上传、检索、引用问答和评测；需要生成式回答时再接入兼容模型接口。
为什么不提供公共共享账号？
公共账号容易造成资料混用。仓库提供虚构资料和演示脚本，需要在线体验可预约受控演示。
软件源码免费，实施服务和企业版按项目范围报价报价取决于服务器环境、资料规模、模型方式、账号权限、系统集成和运维周期。
咨询私有化部署
