ai-agent-consulting-delivery

name	ai-agent-consulting-delivery
description	企业/高校承接 AI 智能体项目时出方案、报价、demo 的全流程。
version	1.0.0
metadata	{"hermes":{"tags":["ai-agent","consulting","proposal","pricing","demo"],"category":"business"}}

AI 智能体项目交付（方案→报价→Demo）

接到"帮我把 AI Agent 项目做成方案/报价/演示"这类需求时的完整流程。适用于商业公司、学校实验室、导师项目等多种承接主体。

流程总览

1. 需求解析 — 读需求文档（docx 用 read_file 自动提取；PDF 用 uv run --with pdfplumber，extract_tables() 取表格）
2. 方案 docx — docx-js 生成（见下方坑），渲染验证
3. 报价调研 — web_search 市场行情 → 按承接主体套用报价模型
4. Demo — 模拟数据 + 脚本真实跑一遍，产出可交付物
5. 交付 — 产物放用户 Windows 可见目录（/mnt/e/...），附演示话术

方案 docx 生成（docx-js）

npm install docx   # 在 /tmp 或项目目录
node gen_plan.js   # 生成 .docx
# 验证渲染:
soffice --headless --convert-to pdf plan.docx --outdir /tmp/prev
pdftoppm -jpeg -r 100 /tmp/prev/plan.pdf /tmp/prev/page
# 然后用 vision_analyze 逐页检查表格/中文/跨页

坑（docx 9.x）：

• TableRow 跨页重复表头用 tableHeader: true，不是 header（9.x 改名，header 静默无效）。数据行加 cantSplit: true 防行内拆分
• 验证 tblHeader 是否写入：unzip -p plan.docx word/document.xml | grep -o tblHeader | wc -l 应等于表格数
• 表格：columnWidths 总和 = 表格宽（DXA），每格也要 width
• 中文：默认字体设 Microsoft YaHei，页脚页码用 docx.PageNumber.CURRENT
• 大量 TableRow 批量改写用脚本时容易误伤函数定义和 PageBreak 行——改完先 node --check 再跑
• PDF 预览（LibreOffice）表头重复可能不显示，但 Word 打开正常——以 document.xml 的 tblHeader 为准

报价模型（2026 国内行情，已调研）

层级	价格
基础型 Agent	3–8 万（单任务，2-4 周）
进阶型	15–40 万（多 Agent + 定制 UI，2-3 月）
企业级	50–150 万+（私有化 + 微调 + 系统集成）
RPA 流程开发	7–35 万/流程
人天单价	~1500 元/人/天

高校横向课题模式（学校/导师承接时）：

• 合理区间 10–18 万，甜点 12–15 万（比市场低 30-50%）
• 管理费学校计提 4-6%（各校不同）；软件类劳务费比例最高可到 80%（学生团队主力）
• 技术开发合同经认定免增值税
• ≥10 万才立项为院级横向课题（低于此导师攒不到科研业绩）
• 定价逻辑：学生劳务 60% + 导师指导 15% + 设备/API 10% + 管理费 6% + 结余 9%
• 内部项目（集团→旗下学校）报太高显没诚意，报太低没价值

给导师/甲方话术模板： 报 12-15 万走横向课题，分期 50/50，注明比市场低 30-50%、成果沉淀软著/论文、二期（系统对接）另行立项。

Demo 制作模式

用模拟数据真实跑一遍核心场景，产出三个东西：

1. 分析脚本（pandas + matplotlib）：读 CSV → 算指标 → 识别风险 → 出图
2. 简报 docx：python-docx 从 markdown 转（无 pandoc 时），嵌图表
3. HTML 看板：自包含单文件（KPI 卡片 + 漏斗 + 表格 + 预警横幅），浏览器截图存 output/看板截图/

matplotlib 中文（WSL 无文泉驿时）： fc-list :lang=zh file 找字体 → font_manager.addfont(path) → plt.rcParams["font.family"] = 字体名；matplotlib.use("Agg")

模拟数据要点： 贴合真实需求字段（学校/省份/专业/计划数/完成数/就业率），数值分布制造真实感（要有低于预警线的风险项，demo 才有说服力）。

交付检查

• 每个产物真实跑通（有 tool output 背书），不交"看起来做了"的东西
• 微信可直接发的：docx + 截图（HTML 需截图才能发）
• 附 README：怎么跑 + demo 对应方案哪个角色 + 与正式版差距
• 给用户的演示话术：3-4 句讲清"数据进→自动分析→出报告"和"逾期自动催办"这类核心卖点