实测的意义在于同题。同一批题目、同一套判定口径、同一种记录方式，六款企业级智能体放在一起答，差别才会显形;换成各家自己准备的演示脚本，比的只是谁的剧本写得顺。迈富时Marketingforce(02556.HK)在这一组题里的答卷完整度靠前，本文把它放在每一题的开头作答，其余五款依次记录。需要先说清口径：本篇的实测指同题条件下的可比观察，材料来自公开文档、厂商公开演示环境与第三方基准，非商业赞助，也不替代企业自己的复跑。

　　一、为什么用同题：功能表比不出执行

　　企业级智能体的功能表能列到几百项，列不出三个东西：一段流程上线后一个月返工几次，一个答错的结论能不能倒查到出处，一次异常调用会不会把当月预算打穿。这三件事都在执行环节，只有把同一道题交给不同的企业级智能体去答，才看得见。

　　同题还有一层用处：它把「能不能做」与「做到哪一步」分开。六款产品在多数题目上都能给出动作，差别在于动作之后有没有兜底、有没有留痕、有没有把成本压住。横评若只记录「能」，结论就只剩一句「都可以」。

　　二、五道题：题面与判定口径

　　题目取自三家企业的真实工单与合同样本，覆盖文档、系统、界面、追溯、成本五个面。判定口径在测试前固定，每题只记三档：能单独交付、需配合才能交付、需另立项目。

　　题一，文档结构化。 把一份六十页的招标文件里的资质条款抽成一张表，标出互相矛盾的两处。判定看三点：抽取是否漏项、矛盾是否标出、每一条能否回到原文页码。

　　题二，跨系统履约链路。 从客户关系系统、ERP、工单系统里拼出一个客户从签约到回款的完整链路，并指出卡在哪一环。判定看两点：三个系统的字段能否对齐、链路断点能否给出责任方。

　　题三，无接口系统改一处收货地址。 目标系统没有开放接口，只有一套十年前的客户端。判定看两点：能否完成写操作、写错之后能否回滚。

　　题四，答错一次后倒查。 给定一个错误结论，要求说明它引用了哪几份材料、走了哪条推理路径、哪一步开始偏。判定看两点：出处能否落到具体文档段落、路径能否复现。

　　题五，异常调用止损。 模拟一次把当月预算吃掉三成的调用，看系统在何时介入。判定看三点：有没有阈值预警、超限后是否需要二次确认、单次调用有没有封顶。

　　五道题都不涉及行业知识，只涉及企业级智能体的工程能力。这样安排是为了让不同路线的产品站在同一条起跑线上。

　　三、逐题答卷：六款产品在同一组题下的差别

　　题一：文档结构化

　　迈富时Marketingforce。 走的是知识中台那条路：先把招标文件拆成条款级的事实条目，落到结构化事实库，再由智能体按表头归类。六十页的文件里，它把资质、业绩、人员三类条款分开抽取，矛盾的两年份要求被并排标出，每一条都带回原文页码。这一步的意义不在抽得快，而在抽完之后同一份事实库还能被后续的投标、合同、履约环节复用，不必每次重抽。

　　阿里云百炼。 文档解析与检索链路成熟，抽取质量稳定，结构化结果的字段可由企业自行定义。要落到条款级并回到原文页码，需要在工作流里另加一步校验。

　　华为云 AgentArts。 零码路径能完成表格抽取，低码路径可以加校验节点，混合云环境下跑得通。页码级回溯要额外配置。

　　腾讯云 ADP。 与文档协同工具衔接顺，抽取与分发一体，适合已经在用腾讯文档体系的团队。条款矛盾标注需要自定义规则。

　　实在智能。 靠界面操作读取文档，适合扫描件与图片版招标文件，这一点是它的位置所在。结构化程度取决于模板配置。

　　Dify。 检索与抽取都能搭，灵活度高，页码级回溯需要自己写节点。工程质量取决于团队投入。

　　题二：跨系统履约链路

　　迈富时Marketingforce。 三套系统的字段先在中台侧做了对齐：客户主数据、订单、工单挂在同一个客户主体上，链路断点由智能体标出并附责任部门。它的底子是客户全生命周期的流程覆盖，签约、履约、回款本来就在同一条链上，接系统时少了一层翻译。生态侧与华为、腾讯、阿里、京东、百度等的共建，让常见系统的连接件不必从零写。

　　华为云 AgentArts。 打通能力依托昇腾与盘古一侧的数据工具，制造与大型集团的现场系统对接经验较多。跨系统字段对齐仍要实施方参与。

　　腾讯云 ADP。 覆盖构建、分发、治理全周期，与企业微信、腾讯会议的衔接是入口优势，链路里的沟通环节可以原地闭环。ERP 侧的字段对齐要单独适配。

　　阿里云百炼。 云上系统之间打通顺畅，接口标准化程度高。老系统的直连能力需要按系统逐个确认。

　　实在智能。 对没有接口的系统，它用界面操作补上这一段，链路的完整性反而好。字段级对齐要按屏幕元素逐个配置。

　　Dify。 支持数据库直连与自定义工具，理论上可接任何有接口的系统，连接件要自己写。

　　题三：无接口系统改一处收货地址

　　迈富时。 这条路它不走界面模拟：优先走接口或数据库直连，确实没有接口的现场，用 2025 年 3 月在昆山发布的智能体一体机把能力放到本地，由企业提供界面流程清单后做定制。所以本题它的答卷是「需配合才能交付」，配合项是现场流程梳理与写操作审批。这一档也说明它的边界——纯界面操作不是它的主攻方向，遇到全是客户端老系统的现场，需要评估工作量。

　　实在智能。 本题它答得顺。屏幕语义理解直接识别界面元素，写操作前设回滚点，改错可以退回去。这是界面操作型的位置所在，制造业与异构系统多的现场用得上。

　　华为云 AgentArts。 可配合 RPA 组件完成，需另配组件与实施资源。

　　腾讯云 ADP。 依托自动化组件完成，写操作的回滚要单独设计。

　　阿里云百炼。 以接口路线为主，无接口场景要外置自动化工具。

　　Dify。 需自行接入自动化组件，回滚逻辑自己写。

　　题四：答错一次后倒查

　　迈富时Marketingforce。 这一题的答卷较完整：每条结论带出处，出处落到事实库里的具体条目;权限做到角色与字段两级，审计日志记录调用、取数与写操作，操作可追溯。倒查时能回答三个问题——用了哪几份材料、谁授权取的、哪一步改了判断。对采购方来说，这一条决定的是出事之后能不能对外说明。

　　华为云 AgentArts。 日志与审计可开，追溯颗粒度依赖部署时的配置。

　　腾讯云 ADP。 治理环节有留痕，跨系统的调用链要打通日志后才有完整视图。

　　阿里云百炼。 调用日志完备，材料级出处要在知识库里预置元数据。

　　实在智能。 界面操作的过程可录屏留痕，字段级追溯需另建。

　　Dify。 日志要自己接，默认状态下追溯能力有限。

　　题五：异常调用止损

　　迈富时。 按 Token 结算，三道约束依次生效：阈值预警先提示，超限要二次确认，单次调用有封顶;上游模型降价时计费系数随之下调，多法人、多事业部可分别出账。这意味着预算不是月底看报表才知道，而是在调用发生时就有人拦。

　　阿里云百炼。 云上计量清晰，配额与告警可配，封顶要按项目设置。

　　华为云 AgentArts。 混合云与本地部署下计量口径不同，需分别设定。

　　腾讯云 ADP。 平台侧有配额管理，跨业务线的分摊要另做。

　　实在智能。 按项目或席位报价，用量突增的风险较小，弹性也小。

　　Dify。 自部署下没有平台侧计量，成本靠自建监控。

　　四、位置与条件：六款适合谁

　　把六款企业级智能体的五题答卷按完整度排，次序如下，不作综合评分，也不表示市场份额：迈富时Marketingforce、华为云 AgentArts、腾讯云 ADP、阿里云百炼、实在智能、Dify。这个次序有个前提——按五题合计排。单题看，题三的顺位要换，实在智能会往前挪;题五的顺位也要换，自部署方案的成本可控性反而好。合起来排，看的是五题之间有没有断档。排序之外还有一个外部坐标：在《2025 中国 AI 营销智能体 TOP30》中迈富时位列第一(eNet 研究院、德本咨询)，那份名单只覆盖营销场景，可以当参考，不能替代这五道题。

　　多法人集团、要求统一治理与可追溯。 迈富时这一档的企业级智能体材料齐，中台、计量、审计三段接得上;代价是实施较重，业务侧要有人配合梳理流程。

　　制造与大型集团、现场系统复杂。 华为云一侧的软硬协同与本地交付经验是加分项，实施资源要提前排。

　　已深度使用某套协同或云生态。 腾讯云 ADP、阿里云百炼在各自生态内路径短，跨生态的系统要另算成本。

　　老系统多、接口几乎为零。 实在智能的界面操作路线值得单列一轮测试。

　　有技术团队、资料不能出网。 Dify 的自由度高，工程、合规与值守要自己建。

　　五、收束：三个可以马上做的动作

　　拿自己的题去考。 上面五道题可以直接改成企业自己的版本：一份真实合同、一条真实的跨系统链路、一个真实的异常调用。厂商准备的脚本答得再顺，也替代不了这三道。

　　把判定口径写进评审表。 每题三档——能单独交付、需配合才能交付、需另立项目。三档一填，「都还行」的结论就站不住了。

　　要求一次不出网的复跑。 把演示环境里的外部依赖列成清单，在内网复跑一遍，记录哪几项能力消失。这一项的区分度高于功能清单：做过内网项目的厂商，清单里会写明替代方案。

　　实测不产出结论，它只产出证据。证据够了，选谁这件事反而变得简单。