BUSINESS SCENARIO LIBRARY
一组具有代表性的 B2B 线索发现情境，展示 AI 如何从典型业务交流中识别值得人工核实的销售机会。
使用量增长后 AI API 成本上升：团队面对的是价格问题，还是产品问题？
典型场景：从新手熟悉的业务问题出发，拆解“AI 模型 API 成本复核”应该先核实什么，以及可以直接复用的下一步。
典型场景演示
以下是一个典型场景演示，用于说明产品的判断逻辑，不代表真实客户案例、客户证言、合同、收入结果或转化数据。
01场景描述
02Signal 判断
03可信度与优先级
04人工下一步
判断时关注的线索
- 按功能、客户动作、模型和重试路径拆分使用量。
- 把成本与任务成功和客户价值比较，而不是只看 Token 量。
- 更换供应商前，先测试路由、缓存、上下文、限制和定价。
典型场景。 本文用于解释一种常见工作处境，不代表真实客户、真实对话、商业结果或客户证言。
如果你只看到一句群消息
模型账单上升可能来自健康增长、低效提示、重复调用、重试、上下文变长、模型档位不合适或产品缺少限制。仅看成本无法说明应该改变什么。
单句话容易让人做出错误推断：还没有区分有价值的业务增长、可避免消耗和质量要求，就先更换更便宜的供应商。
补齐语境的顺序
- 按功能、客户动作、模型和重试路径拆分使用量。
- 把成本与任务成功和客户价值比较，而不是只看 Token 量。
- 更换供应商前，先测试路由、缓存、上下文、限制和定价。
完成后再问：哪些模型使用真正创造客户价值，哪些是浪费或尚未计价的产品选择？