一双尚未批量生产的3D打印鞋，先以图片的形式出现在店铺里。
负责这门新生意的刘祥龙，不急着备货，而是先用千问办公做市场调研，分析目标人群，再根据参考图生成商品主图和详情页，将产品投向市场测试；等点击、加购等数据积累到一定程度，再决定生产哪些款式。
刘祥龙做了近十年女鞋电商。以前筹备一家新店，从市场调研、实物打样到拍摄、上架，通常需要一个月左右，还没卖出商品，就已经产生了样品和人工成本。而这一次，据他介绍，从筹备到开店花了七天，使用千问办公产生的Token费用只有几百元。
对有经验的电商商家来说，AI带来的变化不只是开店提速，还可能降低尝试新生意的门槛。过去积累的选品眼光和运营经验，可以借助AI更快转化为市场测试，让商家有机会以更低的前期成本探索新兴品类。
10月14日，千问办公发布电商版并开启邀测，试图将这种能力带给更多电商经营者。过去，商家用AI生成文案、制作图片已经不算新鲜。这次产品瞄准的是跨平台、多店铺的经营场景：以一个AI入口连接不同电商平台和商家工具，将选品、素材制作、投放与经营分析等环节串联起来，减少运营人员在不同后台之间的反复切换。
先让试错发生在备货前
刘祥龙想找的是运动鞋市场里仍有空间的细分方向。跑鞋市场已经足够拥挤，新的店铺究竟该面对谁、强调什么卖点，单靠“3D打印”这个技术名词无法回答。他让千问办公检索行业信息，分析消费人群，得到的建议是：相较专业跑步性能，购买3D打印鞋的一部分消费者更看重未来感、科技感和个性表达。随后，他调整了主图风格和选品卖点的方向。
按传统做法，产品确定后还要出样，找模特和摄影团队，再等设计师修改详情页。刘祥龙把参考图片与自己搭建的Skill结合起来，生成展示图、场景图和文案，先拿到平台测试。真正进入生产之前，他仍要判断质量、价格、交付能力以及素材是否准确展示商品。
七天的时间表，省掉的是前面一部分等待和投入。销售数据没有跑出来以前，哪些款式值得继续做，仍然只是一个待验证的判断。
AI开店前后对比
开新店需要抢时间，守住一家已经有430款女鞋的老店，则更考验耐心。生意参谋后台能看到访客、加购、转化等指标。刘祥龙过去要逐页翻看，或者下载Excel后重新排序：有些商品流量很高，转化率却低；也有一些款式没拿到多少曝光，来的人反而更愿意下单。430款商品挨个判断，一天过去也未必能做完。
他早先用通用版千问办公搭建过商品“四象限”分析：流量和转化都高的款式继续主推，流量高而转化低的检查商品呈现，双低的考虑退出，最值得补一轮测试的是低流量、高转化的潜力款。
现在电商版能连接生意参谋等工具，取数、整理报表的时间减少了。刘祥龙说，日常运营大约用两到三个小时：早上看数据与重点问题，下午处理需要调整的商品和投放，其余精力更多放到选品与供应链。四象限看板没有替他决定加多少钱，却帮他从四百多款鞋里先筛出值得重新检查的那几款。
刘祥龙商品四象限看板，辅助识别潜力款
负责运营两家内衣店铺的Sandy，面对的是另一项密集工作：每个秋冬上新季，店铺大约要上架200多款商品，需要近万张种草图。内衣的版型、面料和穿着场景都要靠图片讲清楚，还得适配多个内容渠道。过去摄影、修图、设计协作，备齐一季素材可能需要四个月，等图片都齐了，旺季已经过去了一截。
Sandy并没有让千问办公独自画完这些图。团队通过连接器、Skill和工作流调用第三方生图工具，让千问办公承担任务编排，再由两个人筛选——约15天内生成3.7万张候选图，最后留下约2.4万张可用图。
Sandy说，早期有批次废图率超过六成。后来，她们把淘汰原因写进规则库，把通过筛选的图片放进素材池，下一轮生成时再调用这些规则——原本漫长的制作周期被压缩，赶在季节变化前备齐了更多素材。
后台越来越多，流程仍靠人接
电商很早就是数字化的生意。过去二十多年，各大电商平台和第三方服务商推出了丰富的商家管理平台和SaaS工具，覆盖开店、推广、库存、客服等环节，也具备一定的数据分析能力。但不同平台、不同环节的工具彼此割裂，各类垂直工具的智能化水平仍有局限。同一个品牌在多个平台经营，做一次大促，往往仍要逐个登录后台、下载报表、核对口径，再由人工汇总分析、安排后续工作——业务铺向全域，流程却仍靠人来衔接。
通用AI工具的出现，也没有自动填平这些缝隙。对电商具体场景理解不够深入、与主流商家工具连接不足，使得不少工作仍停留在单点提效：图片可以更快生成，报表可以辅助分析，但跨平台的数据整理、工具协同和任务跟进，仍需要运营人员反复搬运和调度。
阿里巴巴集团副总裁、千问办公CEO陈宇森在发布会上给出了一组数据：千问办公从8月初上线到10月中旬，电商是使用较深入的行业之一——电商用户在付费用户中占比超过20%，每周平均执行38个复杂任务。这是千问办公自身的付费用户数据。
千问办公相关数据
陈宇森归纳的商家日常任务很具体：多店铺巡检、报表分析、订单库存与供应链管理、图片素材设计、竞品和价格监测。巡店要反复查，库存要随订单变化而更新，竞争对手可能在运营人员下班后调整价格。这些工作需要有人持续盯着。对于中小商家，另招资深数据分析师、购买BI系统，或者让新员工学会几套ERP，并不是没有成本的选择。
千问办公电商版要尝试的，是在通用Agent能力之上，围绕电商经营场景进行更深入的设计：商家通过自然语言说清目标，由Agent理解任务、调用已连接的商家工具，并跟进结果。“all in one”的含义——以一个AI入口驱动多个平台，让分散的数据、工具和任务围绕同一个经营目标协同起来。陈宇森在演讲中多次强调Context，即企业经营中的上下文：店铺的历史数据、公域市场信息、过去采用的策略，以及管理者基于什么规则做判断。这些线索分散在文档、群聊、业务系统和此前交给千问办公的任务里。
报表能说明今天有多少订单，却未必记录为什么上个月主动削减某款商品的投放，或者团队曾约定什么情况下不再追加预算。若这些判断始终只留在老板的记忆里，AI每次分析都得从头问。Agent要进入长期经营，难处就在于能否持续获得并正确使用这些信息。
目前，千问办公已接入生意参谋、有赞、千牛、阿里妈妈万相台、FastMoss、LinkFox等商家工具，原生接入的平台可在授权范围内汇总数据。
此次电商版集中推出四组能力：“跨平台经营看板”汇总已连接平台的销售、库存、退款和投放情况；“趋势洞察及卖点分析”整理市场热词与热门内容；“爆款素材批量生成”根据商品信息和品牌要求生成多版本物料；“跨平台ROI智能优化”持续查看投放表现，并提出异常提醒与调整建议。前两项更多解决看得见、看得懂的问题，后两项则与制作、跟进和执行衔接得更近。
千问办公电商版
陈宇森举例：假设商家设定500万元的营收目标，并授权使用去年的大促数据和最近30天的经营数据，千问办公可以生成大促作战台，定时汇总各店销售、库存与广告消耗。500万元是演示中设定的目标，并非已经达成的业绩。运营人员由此不必再把每家店的报表手工拼成一张总表，可以更快定位哪些活动进度落后。
千问办公电商版“跨平台经营看板”示意
“跨平台ROI智能优化”尤其需要说清操作边界。陈宇森举过ROI低于目标时提醒商家止损的例子：Agent可以持续跟踪投放数据，指出异常，给出暂停或调整的建议。按其官方演讲的表述，调整应由商家确认后执行，实际操作还取决于账户授权和平台接入。某个商品不赚钱时，也可能是商家有意换取曝光——AI读到相同的ROI，不能因此替所有店铺作同一种决定。
素材也是如此。Sandy能一次生成大量候选图，却依旧需要有人检验颜色、比例和商品细节。对商家来说，生产速度提高之后，筛选、核验和交付的工作只是换了位置。
经验能留下，流程还要有人负责
小熊电器提供过一项跨平台价格监测的实践。运营人员原来每天要分别查看天猫、京东的商品优惠后到手价，再手动核对差价。借助千问办公，他们可以定时生成跨平台价格日报和调整建议。数据更容易放在一起看，至于是否跟价、跟到什么程度，依旧由业务人员决定。
这类连接也不只发生在营销部门。捌比特咖啡只有17名团队成员，却已覆盖十余个电商平台，经营数据、财务信息和新品研发资料分散在不同系统中，跨平台协同是这支小团队的日常需求。北京精品咖啡品牌捌比特的创始人阚欧礼，过去做过音乐混音工作，后来转向咖啡行业。他谈起精品咖啡时，强调它是很小的细分市场，产品的风味、产地、处理法都有不少门道。创始人熟悉这些知识，却也可能因为自己的经验太深，对今天流行什么产生误判。
团队通过千问办公接入店铺数据、参考同类商品信息，再结合阚欧礼积累的专业知识，制作了一套选品调研Skill。一次冷萃咖啡调研中，他注意到样本里日晒处理法的占比很高，与自己原先偏好的水洗处理法不一样。他在千问办公电商版的发布现场谈到这一发现时颇有感触：行业里的消费者变了，老经验需要重新接受数据检验。团队据此调整配方方向，最后还要回到风味、烘焙和实际口感上验证。
他介绍，一款借助这套方法开发的冷萃新品，销量约为过去同类产品的十倍。现有材料没有给出可核对的具体周期与渠道，因而不能把这个倍数当作AI带来的净增量。对阚欧礼而言，还有一项不太显眼的收获：产地、处理法、配方和命名中反复使用的判断步骤被整理进Skill——下次调研，不必只有创始人知道先看什么、再排除什么。
更琐碎的事在财务部门。阚欧礼在发布会上说，捌比特每周有上百笔转账，过去从钉钉OA审批到银行付款需要人工接力，出纳一休息，流程就容易卡住。品牌与相关产品团队共创，将钉钉OA审批、银行制单和回单回填连接起来。据现场一次实操演示的计时，从OA审批通过，到银行制单、支付确认及回单回填，整个过程约用时1分20秒，其中支付环节仍须两人用手机完成验证。
少了几道人工传递，改变的不只是出纳的工作量。阚欧礼说，以前为了省去频繁审批付款的麻烦，与供应商谈合作往往倾向月结。如今流程更快，他们有条件商谈日结，甚至单结。能谈不等于已经普遍采用，但结算频次的选择确实多了一种可能。需要特别说明，这属于品牌此前与相关团队共创的智能财务实践，并非本次邀测的千问办公电商版默认提供的付款功能。
在陈宇森看来，Agent还会进一步改变事务抵达员工的顺序。过去是“事—人—AI”：人先看到任务，再决定是否交给AI。他期待更多场景变成“事—AI—人”，由Agent先根据已有规则排查、整理，再请人处理真正需要决策的部分。会上提到的先行实践包括：夜间客服长时间无人回复，系统按已有知识提供标准答复。商品素材因触碰平台规则无法展示，Agent向商家发消息，商家再去处理。
后一个例子很能说明界限。系统可以在周末发现商品展示异常，但恢复上架、修改素材或承担由此产生的经营损失，仍有具体的人和平台规则负责。转账场景更直观：银行单据可以自动生成，付款确认没有因此被取消。若没有明确权限、操作记录和复核机制，企业也很难放心把更多事务交给Agent。
千问办公电商版刚刚开启邀测，接下来还得证明这些连接在日常使用中是否稳定，商家是否愿意持续维护数据和规则。这些问题或许不如模型能生成多少文字、多少图片来得吸引眼球，却决定了AI究竟能在多大程度上融入企业的日常经营。
再回到刘祥龙的那双3D打印鞋，商品还没有批量生产，就已经以图片形式接受市场检验，商家得以在投入生产前了解消费者的兴趣，减少盲目备货的风险。但这些反馈能否转化为持续的生意，最终还要看真实订单、商品交付和用户复购。
从生成一张商品图，到通过一个入口协同多个平台上的选品、投放和经营分析，AI正在从电商经营的辅助工具，向更深处的业务流程延伸。千问办公电商版所指向的，是让商家围绕经营目标组织工具和任务，减少逐个后台操作、逐张报表汇总的重复劳动。过去二十多年形成的电商运营方式，正在由此发生改变：经验更快转化为行动，分散在不同平台的生意，也有机会在同一工作台上统筹推进。
