扫码关注销售易公众号 扫码关注销售易公众号 赋能企业以客户为中心 营销服全流程智能辅助： 将 A I 技 术 深 度 融 入 营 销 服 全 流 程，AI Agent为不同业务角色提升 工作效率，让客户更满意 智能决策支持： 销售易整合内外部数据，融入AI 技术，通过强大的BI工具帮助管 理者及一线业务实现深入、全面 的客户洞察与业务分析。 关于销售易CRM 销售易CRM支持企业从营销、销售到服务的全流程智能化业务场景，帮助企业连接外部经销商、服务商、产品以及 最终用户，构建360全生命周期的客户关系管理体系。销售易CRM深度融入AI能力，AI Agent辅助业务提升日常工 作效率，让客户运营更容易。同时，销售易集成海外社交生态，凭借多语言、多地域、多币种的国际化能力以及海 外服务器集群，支撑企业的全球化业务需求，帮助企业出海拓展业务。 NeoAgent介绍 采集沉淀到AI应用全链路安 全合规 更安全更放心 一站式自然语言交互，开创 企业级应用新体验 语言交互操作 基于NeoAgent平台，帮助 企业构建个性化、主动响应 的智能体应用 自主构建Agent 六大业务智能体，化身智能 业务助理，精准赋能营销服 场景 全流程智能化 复制成功客户案例，挖掘优 质潜客 精准潜客识别 获取难 营销活动搭建落地 费时费力 老客二次转化 乏力 智能客户画像

CRM 怎么选？高效易用、安全合规是刚需 ············································25 4.2 NeoAgent: 客户数据平台 + AI Agent 为业务提效 40% ····································27 2 CRM数据治理及应用实践蓝皮书 contents 解难题 - 避误区 - 评 成效，三步落地业务 维度数据，保障响应速度与决策 精准度。 高性能决定AI落地应 用的速度与精准度 赋能企业以客户为中心 27 CRM数据治理及应用实践蓝皮书 NeoAgent: 客户数据平台+AI Agent为业务提效40% 4.2 销售易发布中国首款AI CRM⸺NeoAgent，以统一客户数据平台整合全域数据、打造AI统一数据底座，让数据可 识别、可管理、可消费，为AI时代的数据应用提供了最 有任何的问题，可以做相应的审计 毒性内容拦截 对模型返回内容进行合规性过滤，并 记录从指令输入、数据检索到动作执 行的全链路日志，确保问题可追溯、 安全合规信息再返回 确保Action可控 在Agent创建阶段预设可执行操作边 界，如禁止删除订单记录，拦截越权 指令。当检测到“删除全年交易数 据”等高危动作时，系统自动冻结执 行并触发人工审核 六大安全机制，确保AI应用数据合规安全

心无损网络方案…………………………………………… 1 ｜中国科学院计算机网络信息中心｜面向国产超算系统跨平台可移植的并行框架软件方案……………… 7 ｜中国科学院沈阳自动化研究所｜基于AI Agent的工业物联网关方案 …………………………………… 10 ｜中移在线服务有限公司｜中移在线基于云原生化的数据仓库平台方案………………………………… 17 ｜北京万里开源软件有限公司｜高性能数据库 eDitorial BoarD experts 10 年度技术创新类（前沿技术突破） 案例基本信息 Basic case information 案 例 名 称：基于AI Agent的工业物联网关方案 牵头申报单位：中国科学院沈阳自动化研究所 案例简介 case summary 传统边缘计算网关完成工业现场的 关的智能性提出了更 高的要求。基于AI Agent的工业物联网关在传统边缘计算网关基础功能之上，通过引入软件操作调度AI Agent，实现了自然语言引导式的工程化配置方式，大大提升了数据配置效率，并且引入了多种功能AI Agent实现了模板的快速生成、灵活的数据存储、工业场景重构等高阶功能，提升了工业数据处理的灵 活性。 基于AI Agent的工业物联网关广泛应用于汽车制造、特种装备制造、军工等多个行业，创造了巨大社

模型，不仅演进到视频生成的能力，还具 备理解和应用现实世界物理规律的强大能力。AI 大模型逐渐从 能说会道过渡到了突破多模态，形成了人机混合、自主理解、规 划决策、执行复杂任务的智能体 AI Agent。 二是模型结构持续演进。稠密模型由于其结构简单及易于实 现，在早期成为大模型的主流。但是随着 AI 模型规模不断扩大， 计算和存储资源的需求不断增加，成为新的挑战。稀疏模型因其 支持参数 计算平台联合调度，构建高速无阻塞高可用智算网络系统；同时 以 AI 技术反哺网络运维，构建网络大模型以构建智能化运维网 络能力。 三是完善 AI 网络生态，支撑模型能力延展，完善生态化服 务场景。支撑企业 AI Agent 系统构建，从自挖掘价值业务场景， 到自优化服务对象；从业务需求到网络能力，最终构建一个可自 22 检、自治、自愈、自闭环的 AI 网络智能体。 AI大模型智算网是金融科技数字化转型的关键技术之一，各 三是构建网络智能体，支撑 AI agent 基础设施生态构建。 随着 AI 大模型在行业的推广，以及基于 LLM 驱动的 Agents 自 动化逐步落地，金融各机构会拥有越来越多的 AI Agents 处理任 务。网络也将具备 AI Agent(网络智能体)能力，支撑 AI Agent 基础设施生态构建。当前金融行业已在金融分析、金融风控、贷 后处置三类场景进行 AI agent 研究创新，但各场景涌现的准度

问接口，为上层智能应用提供高质量数据供给。关键价值在于将离散 的研发数据转化为可度量、可分析、可复用的战略资产，既满足审计 合规性要求，更为软件过程优化、质量分析、资源调度等智能场景奠 定工程化数据基础。 2.模型/Agent 开发：闭环式模型构建与智能体协同体系 构建AI模型与智能体系的核心在于打造“设计-训练-部署-监控” 的完整闭环流程。设计阶段融合多技术路线构建混合架构，并融入领 域知识指导模型生成，保障关键行业应用可控可靠。训练环节依托分 互查机制，持续优化模型效果并降低 AI 幻觉。同时，实现多智能体高效协同，开发领域技能管理平台，标准 化 AI 能力组件。构建高效知识图谱与上下文感知，使 Agent 精准理 解项目语义与环境；通过强化学习与持续反馈实现自适应优化；开发 安全交互框架，支持人机与跨 Agent 协作。最终形成紧密集成、可复 用、可验证、可解释的智能体开发平台与工具链，配套严格伦理规范 与评估体系，确保智能体可靠赋能规模化 AI 智能体评测建设示意图 智能体评测的实施流程，主要分为分析阶段，开发阶段，测试阶 段，调优阶段，发布阶段五个阶段。分析阶段，收集并整理业务相关 数据，了解数据分布、特征关联性和潜在问题。针对Agent的功能范 围、目标用户群体以及核心业务场景，进行实现方案设计；开发阶段， 根据需求特点选择合适的机器学习或深度学习算法，完成模型的代码 实现和模块化设计。使用准备好的训练数据对模型完成训练，调整超

故障诊断组件 海光CPU 海光DCU IB RoCE 分布式存储 对象/文件/块存储 DAP 大模型 平台 知识库 混合排序 知识解析 检索增强 知识切片 问答测试 知识索引 Agent 画布编排 模型节点 记忆设置 HTTP节点 提示词 组件节点 大模型应用创新平台 数据库 text2sql 数据表 可视化 数据库 能力组件 预定义组件 MCP调用 DAP人工智能应用平台定位于企业级大模型开发平台，致力于帮助客户快速搭建个性化知识库问答系统，通过自定义的工作流，完成 用户特定的业务应用场景，在人工智能应用领域独具特色。 DAP提供对话引擎、企业知识库引擎、Agent编排引擎等能力矩阵，同时具备完善的企业级产品特性，包括精细化用户管理，SSO单点 登录、多模型纳管、负载均衡等。 功能整合 支持处理各个格式文件 以及http调用第三方接口 可视化工作流

资源进行全覆盖实时监控，保障相关设备稳定运行 IT 统一智能运营管理平台 Hypervisor 虚拟化 网络 SNMP SDK 中间件 JMX/CLI 存储 SNMP/SMI-S 服务器 SNMP Agent 数据库 JDBC 新资源 协议 操作系统 网络流量 流量分析 硬件监控 存储监控 基础设施 系统层 中间层 应用层 业务层 vCente Nagios Cacti Zabbix PRTG…

1新增系统管理数据采集 功能描述： 对系统及应用数据的采集 实现方案： 通过将 Agent 部署在被监控系统上，来完成相应的管理数据获取功能。 521 / 661 Agent 部署在被管对象上负责收集性能、配置、告警数据。Agent 的主要 功能特点表现在：  具备高效的采集能力，通过单一的 Agent 加载不同的 KM（规则模块） 来满足管理需求，且其采集活动对被管系统的资源消耗极低； 具备快速部署的能力，能够在预定义的部署策略驱动下完成 Agent 的 安装和配置工作，且其安装无需修改内核参数，无需重新启动被管系 统或者应用，其运行也不需要管理员帐户；  智能化的采集调度能力，实现了极低的现网干扰度；  可扩展的采集能力，能够满足未来业务管理的需要。 具体说明如下：  高效的采集能力 采用了单一 Agent 技术，所有 KM 以插件方式 load 到指定的 Agent 上， 根据定义好的轮询策略，定时采集相关 根据定义好的轮询策略，定时采集相关 KPI 指标的值或状态，并统一存放在被 管服务器指定位置。此外，Agent 在采集过程中对被管对象的 CPU、内存等系 522 / 661 统资源的消耗非常低，其采集的数据经过压缩、加密之后再进行上传，不仅减 少了网络带宽占用还提高了保密性。  灵活的采集管理策略 对不同 KPI 指标的数据采集间隔不同，因此，需要调整采集频率，提供图 形化界面，方便定义和

SNMP、TELNET、SSH、JDBC、JMX、HTTP 等。 。 第 23 页 共 120 页 附图13. 配置项自动发现工具 系统可配置策略进行发现，用户不需要为被监测的服务器安装额外的 AGENT 软件， 也不需要对网络设备进行流量镜像配置。在用户提供 IT 基础架构帐户信息的情况下，可发 现详细的配置属性，而如果未提供准确的帐户信息，也可发现基本的节点类型，便于进一 步调整发现策略。 系统可监测并管理常见的网络设备、服务器、数据库、中间件、虚拟化资源、通用服 务等 IT 资源，支持 SNMP、CLI（Telnet、SSH）、WMI、JMX、CORBA 等远程非代理监 测和 Agent 代理监测 两种手段，还支持分布式采集、集中管理模式，为业务网络提供 7X24 不间断监测服务。 。 第 32 页 共 120 页 附图27. 集中监控系统架构 3.3.1 基础资源监控

转型已从长远 规划转变为当前企业必须应对的战略选择，这场变革正以不可逆的趋 势重塑行业生态。可以预见，AI 在 CRM 领域的角色将从“智能辅助” 向“自主决策”进一步深化。成熟的 AI 智能体（Agent）将推动 CRM 从信息管理系统，转变为一个能够自主规划并执行端到端客户策略、 持续驱动业务增长的价值中枢。 为了更清晰地揭示新旧范式间的代际差异，下表对传统 CRM 与 AI CRM 的核心维度进行了对比分析。 全流程的标准化组件库， 实现快速、灵活的功能构建与部署，降低定制化开发的门槛。在工具 类型上，需支持数据处理工具（如数据清洗、特征工程插件）、模型 训练工具（如训练模板、推理引擎接口）、可视化配置工具（如 Agent Builder、Prompt Builder、Action Builder、智能流程配置器）等，覆盖 智能驱动增长：人工智能客户关系管理系统研究报告（2025 年） 48 数据到模