ReOrc · Syfo

WALMART CHINA × REORC · 2026-09-21

在合规框架内
把 AI 能力用回来

模型方案 · Agent 产品方案 · 场景应用——三个层次，一次说清

一模型方案先把模型合规地用上

二Agent 产品方案怎么用，如何有人管

三场景应用AI 实战案例 + 消费者洞察

开场 · 我们是谁 / 今天讲什么

三个层次，一次讲完

一 · 模型方案

先把模型用上

「用什么模型」与「怎么用」分两层。模型层解决合规与可用：过渡路径周级见效，目标路径把数据留在企业边界内。

二 · Agent 产品方案

怎么用、有人管

团队级「人 + 一群 agent」工作台。模型是下面一个可换零件：今天用 A，明天切 B，工作流不重做。

三 · 场景应用

实战案例 + 消费者洞察

10 个跨境电商真实工作流；用真实数据构建可追溯的消费者画像，服务招商选品。

ReOrc 是谁

跨境电商数据与 AI 团队。Syfo 是我们自己每天在用的「人 + 一群 agent」协作平台：团队不到 20 人，跑着 170+ 个 agent。6 月与 Jason 聊过选品，今天顺着合规这条线继续。

一 · 模型方案 · 框架

「用什么模型」和「怎么用」分两层

模型层 · 解决合规与可用

过渡（周级）：国内已备案模型 API + 脱敏网关 + 审计日志
目标（月级）：开源全量模型私有化部署，数据不出企业边界
InfoSec 认证对象从「逐个模型」变为「一个环境」

Agent 产品层 · 解决用法沉淀

每个 agent 单独指定模型，模型可切换，工作流不重做
权限、审批、审计在产品层统一管理，不依赖某家模型
过渡→目标切换只改模型配置，团队积累的上下文与工作流全部保留

措辞：合规路径 + 过渡措施 · 每一步 InfoSec 都能审

一 · 模型方案 · 两条路径

路径 A 过渡 · 路径 B 目标

	路径 A · 过渡（周级）	路径 B · 目标（月级）
做法	国内已备案模型（DeepSeek / Kimi / 通义 / 豆包）走 API；前置脱敏网关（会员、交易、供应商字段不进模型）+ 审计日志（谁、何时、问了什么、用了哪个模型）	开源全量模型（DeepSeek 最新版 / Qwen）私有化部署在客户自己的腾讯云 VPC 或机房；数据不出企业边界
周期	1–3 周	4–8 周（含算力采购）
数据边界	脱敏后仍到模型厂商云	企业边界内
InfoSec	中 —— 每个模型单独认证，照已有先例走	低–中 —— 认证环境而非逐个模型，最易解释
成本	低 —— 按 token 付费，网关一次性投入	高 —— GPU 集群 + 运维
定位	止血，先恢复 2–3 个最痛场景	长期底座

一 · 模型方案 · 推荐组合

A 先上、B 并行、产品层同步

第 1–3 周 · 路径 A 上线→同步 · Agent 产品层部署→第 4–8 周 · 路径 B 就绪→切换 = 改一行模型配置

①

先恢复能力

过渡路径几周内让 2–3 个最痛场景先跑起来，团队不再各自绕路。

②

目标路径并行推进

算力评估、环境认证、采购流程同步启动，不等过渡期结束。

③

私有化部署 + Syfo

模型和应用一起解决。这也是我们正在给另一家央企推进的同一套方案。

会上想拿到的输入

用户数 · 并发 · 最重要的 3 个场景 · 数据量 · 云厂商与模型偏好 · InfoSec 认证清单——有了这些，48 小时内给算力与周期估算。

二 · Agent 产品方案

不破不立：趁机换上团队级的用法

未来是多人多 Agent 协作，个人助手只是起点

现状

五花八门的个人实践

各人各用各的助手，上下文即聊即失，成果散落，管理层看不见、管不住。

转折

旧用法已清零

正好把个人 AI 实践收拢成一套有人管的体系：谁在用、用在哪、花了多少、有没有风险。

定位

Syfo：人 + 一群 agent 的工作台

不是聊天窗口。团队在同一个组织里派活、认领、交付、验收；模型是下面一个可换零件。

个人助手可以逐步迁进来 · 旧的提示词与工作流不浪费

二 · Agent 产品方案 · 第 1 点

模型可配置，按 agent 切换

每个 agent 单独指定模型

写作用一个、数据分析用另一个；国内备案模型与私有化模型可并存

A→B 切换不改工作流

过渡期接 API，私有化就绪后改配置指向内网端点，话题、任务、记忆全部保留

不被单一模型绑架

不锁定任何一家大模型或 Agent 框架；运行位置可选自己的服务器

二 · Agent 产品方案 · 第 2 点

权限、审批、审计：给 InfoSec 看的三件事

审批卡agent 要动外部系统或要凭据，先出方案，人批准后才执行

凭据隔离密钥、口令不进聊天记录，agent 只在授权范围内使用

角色权限成员与 agent 分级授权，最小权限默认；敏感业务按私密频道隔离

全程审计每次模型调用、每个任务、每份产物可追溯：谁、何时、用了哪个模型

用量看板成本按模型、按 agent 细分，可设预算

三条底线：最小权限 · 敏感工作隔离 · 高风险决策永远留给人

二 · Agent 产品方案 · 第 3 点

一个像中台的真实案例：「做个看板」

一句话需求

业务负责人在话题里说「做个经营看板」，agent 认领任务

12 分钟出 v0.1

agent 读数据、搭页面、交付产物；业务同事在话题里逐条纠偏

v0.7 交付，全程留痕

需求、修改、验收都在同一个话题里，换人接手不用重新交代

案例集 10 个真实工作流 · brand-global-casebook.syfo.io

三 · 场景应用 · 页 1

AI 场景化实战 + 消费者洞察方法论

Syfo VOC Insights · 方法论

真实数据（评论 · 订单 · 客服 · 搜索趋势）→ 结构化提取 → 聚类成 3–5 个典型画像 → Ask Persona：像访谈真人一样提问，回答附证据引用与置信度 → 选品 / Listing / 新品决策。

不是凭空合成，每句话可追溯到原始数据。

2 个已跑通的工作台：智能穿戴品牌 · 保健品品牌（现场可开）

案例集 · 10 个真实工作流

调研 / 产品 / 供应链 / 运营 / 素材 / 广告 / 达人 / 客服
brand-global-casebook.syfo.io

合成用户工作台

dewbu-persona.tool.reorc.cloud
dn-persona.tool.reorc.cloud

6 月《合成消费者选品方案》

与 Jason 讨论过的一页纸，作为背景

三 · 场景应用 · 页 2

沃尔玛场景：外部信号触发，内部数据验证

新部门要把北美线下消费者洞察带回中国做招商选品——缺的不是数据，是把消费者的声音变成选品判断的能力

①

外部信号 = Trigger

发现新品机会

Amazon US / MX 品类与关键词趋势、竞品评论、Google Trends → 候选品类与需求信号

②

内部信号 = 验证

我们的用户会不会买单

Supercenter 会员画像包、交易聚合（只要聚合包，不要 PII）→ 构建画像 → Ask Persona 验证

③

Pilot

5 个工作日 · 一个 China-to-US 品类

从 trigger 到验证跑一个完整闭环，输出候选品与证据

④

验证方式

墨西哥历史盲测

人群包 + 不标结果的商品包，我们预演，与真实结果对答案

收口

今天想带走的 5 个结果

试点团队

一个团队、人数、4 周

InfoSec 对接人

+ 认证清单，照已有先例列

算力评估输入

用户数 · 并发 · 场景 · 数据量

盲测数据负责人

人群包 + 商品包

下次会议日期

以及会后 48 小时我们交什么

会后 48 小时我们交付

① 路径 A 脱敏网关 + 审计方案一页 · ② 路径 B 算力与周期估算 · ③ 试点 SOW 草稿 · ④ VOC pilot 数据清单