对于消费电子与3C配件出海企业倍思科技，一份洞察报告的价值，不止在于汇集了多少信息，而在于能否被信任、被用于业务决策。对此在 2026 云栖大会 AI 搜索分论坛的<从搜索引擎到Agent基础设施>圆桌论坛上，倍思科技Baseus AI&大数据总监邓银河先生做了精彩分享。围绕VOC（客户之声）洞察，深圳市倍思科技有限公司与阿里云开展合作，以Agentic Search搜索Agent与Elasticsearch搜索引擎统一连接数据检索、企业知识和报告生成，探索让AI输出真正贴合企业业务的实践路径。
这项深度技术合作关注两个具体问题：不同岗位使用相近的数据，却加工出不同口径的报告；通用Agent能够生成内容，却未必理解企业的业务。倍思的思路是从报告的使用要求倒推，让原始数据经过模型分析后进入可召回的知识与数据体系，再结合企业知识、记忆、上下文以及洞察结构规则，形成相对可信、可被业务使用的报告。
同一份数据，为什么得出不同结论
面向跨境出海业务，倍思开展业务洞察时需要处理来自不同平台、不同语言和不同模态的信息，也需要结合结构化数据。一份报告并不是对某一类资料做摘要，而是把多种信息组织到同一个洞察主题之下。数据能否共同支撑判断，关系到报告是否具有业务价值。
AI与大数据总监邓银河介绍，公司内部有多个岗位在做业务洞察。即使使用类似的同一份数据，不同加工方式也可能带来不同口径。到了报告结果对齐环节，讨论容易停留在数据为什么不一致，而不是报告对业务究竟有什么帮助。
“你的数据的结果为什么跟我的不一样？”—— 深圳市倍思科技有限公司AI与大数据总监邓银河
这句来自实际工作痛点的追问，说明倍思关注的不只是生成速度，更是让报告围绕业务价值展开讨论。如果数据加工和解释缺少共同依据，信息越丰富，未必越容易形成有效判断。对倍思而言，洞察需要连接数据与企业的理解方式，而不是各自生成一份看似完整的文本。
让Agent理解企业，而不只是理解提示词
另一道门槛来自通用Agent的搜索效果。给工具一段提示词，确实可以得到洞察内容，但它并不天然知道倍思的业务，也未必能按照企业需要的方式组织结论。文本流畅与业务可用之间，仍然隔着企业知识和具体任务要求。
倍思在Agentic Search搜索Agent实践中，将企业知识注入知识、记忆与上下文体系。这里的重点不是单纯扩大输入的信息量，而是让Agent在处理洞察任务时，能够结合企业已有的知识理解问题。报告需要回答什么、相关资料意味着什么，都要放回业务语境中判断。
这种做法将企业知识作为洞察的业务依据。数据提供分析材料，知识帮助理解材料，上下文把这些信息与当前的洞察主题联系起来。通用工具不懂业务的短板，需要通过企业自身的知识来补足；让Agent成为可用的助手，也需要把企业的理解方式带入任务之中。
阿里云AI搜索产品负责人汤祯捷在案例介绍中，也谈到双方围绕行业洞察开展的合作：将行业研报、产品资料与图文数据统一收集，通过自定义提示词模板进行语义理解，结合Data Agent整合与多路召回生成深度研究报告。报告还可以沉淀到Elasticsearch知识资产中。这一介绍与倍思的实践思路相互呼应：研究的输入与输出，都应与企业知识体系保持连接。
图1｜企业知识、任务上下文与洞察规则共同支撑报告生成的概念示意，并非客户验收架构。
从模型分析到知识召回，按报告目标组织链路
倍思对技术路径的选择，同样以业务使用要求为起点。邓银河强调，洞察报告需要能够被信任，并用于业务决策。因此，工作不能止于把原始数据交给模型，再等待一篇完整报告，而要关注从数据准备到报告出具的整个过程。
在前期处理环节，倍思使用模型进行打标，并开展情感分析和与功能相关的分析。经过处理的信息进入Elasticsearch的知识与数据体系，供后续任务召回。模型分析与搜索召回在这里承担不同角色：前者对材料进行理解和加工，后者将与任务相关的信息带回洞察过程。
随后，报告生成结合企业知识库精准召回的信息，围绕洞察主题返回相应内容，再按照洞察结构与规则的设计组织报告。Agentic Search承接知识、记忆和上下文的组织，Elasticsearch支撑知识与数据的召回，两者共同服务于从分析材料到业务报告的链路。
这条路径的关键在于用业务主题和结构规则约束报告生成。召回并不是孤立的搜索步骤，模型分析也不是独立的内容生产环节；它们都需要回答同一个问题：这些信息如何支撑当前洞察，以及最终如何组织成业务能够使用的报告。
邓银河还提到，多轮修改报告会消耗Token和时间，如果内容未能达到所需的精准度，反复生成的代价也不容忽视。因此，精准召回与业务知识的结合不仅关系到报告质量，也关系到重复工作的成本。
图2｜倍思VOC洞察的实践逻辑示意。依据现场介绍归纳，不包含未披露的部署组件或量化收益。
从聚焦场景出发，探索更懂业务的AI
VOC洞察是倍思内部提效的代表性场景之一。在邓银河看来，未来企业会走向AI native组织，Agent要像虚拟同事一样贴近业务，需要依赖企业知识、上下文，以及岗位所需的能力。
面向企业外部，他也展望了AI硬件方向：如果未来推出更多AI硬件产品，如何让单个用户跨设备交互形成的习惯、偏好与记忆相互连接，将影响设备能否真正理解用户。
相比一开始铺开大量Agent，邓银河更建议企业从聚焦的、与业务价值或商业成功相关的目标切入。倍思的洞察实践也体现了这一取向：先明确报告被信任和使用的条件，再将数据处理、知识召回与业务规则连接起来。
对这家跨境出海科技企业而言，AI应用的价值不在于Agent数量，而在于能否围绕具体业务交付可用的结果。从客户之声出发，让信息进入企业知识语境，再形成支撑业务讨论的报告，是倍思科技与阿里云探索企业智能应用的一条具体路径。
阿里云 AgenticSearch：https://help.aliyun.com/zh/open-search/search-platform/product-overview/agentic-search-ai-driven-next-generation-enterprise-search
阿里云 Elasticsearch Agent 引擎版：https://help.aliyun.com/zh/es/user-guide/what-is-ai-engine-edition
（来源：企业新闻）
