BossAgents从“拍脑袋”到“活数据”：企业类型管理如何告别硬编码时代？
一个让人头疼的场景
想象一下这个画面：你所在的企业已经上线了一套PLM系统，业务团队每天都在系统里创建零件、文档、变更单。突然有一天，产品经理跑过来说：“我们新上一款产品，需要系统能自动识别用户输入，比如用户说‘帮我创建一个零件’，系统就能自动匹配到正确的类型，别让用户手动选。”
你一听，觉得这个需求很合理。可当你打开代码一看，瞬间傻眼了——系统里所有的核心类型（零件、文档、变更单、供应商……）都是当初开发人员“拍脑袋”硬编码进去的，一共22个。更麻烦的是，这些类型定义跟SCSAI（你的PDM系统）里的真实数据完全脱节，SCSAI里明明有1000多个类型，系统却只认这22个。
更让人崩溃的是，随着业务发展，新的类型不断出现——比如“物料清单”、“工程变更请求”、“质量不合格报告”——但系统却像个“睁眼瞎”，完全识别不出来。用户每次都得手动去列表里翻，效率低不说，还容易选错。
这就是典型的“硬编码”与“真实数据”之间的鸿沟。今天，我们就来聊聊如何用一套“三层数据源”架构，彻底告别这种尴尬。
为什么“拍脑袋”要不得？
先别急着骂当初的开发团队。其实，硬编码在早期阶段是一种“快刀斩乱麻”的做法——业务还不稳定，类型就那么几个，写死反而简单。可问题是，当系统上线后，业务会像野草一样疯长：
- 类型数量暴增
- 数据源割裂
- 识别不准
结果就是：系统越来越“笨”，用户越来越“烦”，IT团队越来越“累”。
解决方案：三层数据源，让数据“活”起来
我们重构的核心原则只有一句话：SCSAI 是数据源，种子只是离线兜底和中文增强。
什么意思？简单来说，就是让系统不再“自己说了算”，而是老老实实去SCSAI里拉取真实数据。但考虑到网络、性能等现实问题，我们还准备了两手“后手”，形成一套完整的三层架构：
第一层：SCSAI 实时查询（主力军）
系统每次启动，或者用户触发意图识别时，都会自动去SCSAI的ItemType表拉取数据。我们设了5分钟的缓存，既保证实时性，又避免频繁请求把SCSAI搞崩。拉回来的数据包括：
- name
- label
- description
同时，系统会自动过滤掉关系类型（比如“BOM结构”这种），只保留真正的业务类型。目前SCSAI里约有1000+个类型，我们设了2000条的上限，完全够用。
第二层：种子类型增强（中文优化）
SCSAI里的数据虽然真实，但缺点也很明显——中文支持不够。比如“Part”在SCSAI里可能就一个英文名，但中国用户习惯说“零件”或“物料”。这时候，我们预定义的22个“种子类型”就派上用场了。
种子类型里包含了：
- 中文标签
- 别名
- 图标和分类
注意，种子数据只有在SCSAI里有同名类型时才会生效。也就是说，如果SCSAI里没有“Part”，那种子数据也不会被使用。这就保证了数据源的权威性始终在SCSAI手里。
第三层：离线兜底（最后的防线）
万一SCSAI挂了怎么办？比如网络断了，或者SCSAI服务器宕机。这时候，系统会优雅地降级——只返回那22个种子类型，并打上一个connected:false的标记，告诉前端：“数据可能不全，请留意。”
匹配逻辑：让系统“猜”得更准
有了数据源，下一步就是怎么匹配用户输入。我们设计了一套优先级明确的匹配逻辑：
| 优先级 | 匹配方式 | 置信度 | 示例 | |--------|----------|--------|------| | 1 | 精确匹配 name | 1.0 | 用户说“Part” → 直接命中 | | 2 | 精确匹配 label | 0.95 | 用户说“零件” → 命中 | | 3 | 别名匹配 | 0.9 | 用户说“物料” → 命中 | | 4 | name 子串 | 0.7 | 用户说“Part BOM” → 含“Part” | | 5 | label 子串 | 0.6 | 用户说“零件清单” → 含“零件” |
这套逻辑的好处是：用户输入越精确，系统响应越快。即使输入模糊，系统也能给出一个合理的猜测。
自动分类：没有种子也不怕
SCSAI里1000多个类型，不可能每个都配种子。那遇到没有种子的类型怎么办？我们搞了一个“自动分类”功能，通过名称关键词猜测它属于哪个分类：
- business
- process
- system
- report
- other
比如，SCSAI里有个“Material”类型，没有种子覆盖，但系统看到“material”这个词，就会自动把它归到“business”分类下。这样，即使没有人工配置，系统也能“猜”个八九不离十。
意图识别：从“听懂”到“做对”
有了类型数据，接下来就是让系统理解用户到底想干什么。我们重构了意图识别模块，流程如下：
- 1. 能力识别
- 2. 类型匹配
- 3. 参数提取
- 4. 置信度计算
如果用户输入不够明确，比如只说“修改”，系统会结合上下文——比如上一条对话里用户提到了“Part”——来补位。这就是“上下文补位”机制，让多轮对话变得更自然。
落地效果：从“修修补补”到“开箱即用”
这套重构方案落地后，我们修复了之前代码里的9个异步问题，修正了6个旧字段引用。现在，系统已经能够：
- 自动同步SCSAI数据
- 智能匹配用户输入
- 优雅降级
- 支持多轮对话
这背后，是“左帮右臂”的思考
作为一家专注于企业智能化的公司，BossAgents（左帮右臂）深刻理解企业在数字化转型中遇到的“数据孤岛”和“系统僵化”问题。这次重构不仅仅是技术上的升级，更是一次思维方式的转变：
- 从“系统定义”到“数据驱动”
- 从“硬编码”到“动态适配”
- 从“单点识别”到“上下文理解”
我们相信，未来的企业系统应该是“活”的——能够自我学习、自我适应。而“左帮右臂”正是致力于帮助企业实现这一目标：让系统成为员工的“左膀右臂”，而不是“绊脚石”。
如果你也在为系统的“僵化”头疼，不妨想想：你的系统里还有多少“拍脑袋”硬编码的东西？是时候让数据“活”起来了。
