SERVICE / AI APPLICATIONS
让 AI 有边界，
也有可以回查的来源。
企业知识库、内部问答和自动化助手的难点不只是接入模型，而是资料版本、权限过滤、引用、评测和人工复核能否形成闭环。
直接答案：先选择一个低风险业务范围和一组高质量资料，准备正确、无答案、越权和过期文档测试集，再决定模型、向量库和部署方式。
交付范围
从资料治理，
走到可评测回答。
AI 的可信度来自数据和过程，不来自一句“准确率很高”的宣传。
资料与版本
解析、分段、元数据、版本、生效和删除形成可追踪来源。
权限与身份
在检索前或检索中应用用户权限，处理离职和角色变化。
引用与反馈
回答展示来源，记录纠错、无答案和人工复核结果。
部署与成本
明确数据位置、供应商、日志、并发、失败降级和备份。
验收重点
把危险问题，
提前放进测试集。
让业务负责人、普通成员和管理员使用脱敏资料分别测试，才能发现权限和版本问题。
01
有答案与无答案
资料存在、资料缺失、资料冲突时都能给出不同提示。
02
越权与撤销
不同角色、离职账号和删除文档不能继续检索原内容。
03
引用与回归
记录文档版本、检索结果、模型版本和人工判断。
04
高风险人工复核
医疗、法律、财务和安全结论不由模型单独决定。
评估与合作
先确认资料和风险，
再决定模型与成本。
AI 项目的费用不只来自模型，还取决于资料治理、权限、数据驻留、调用量、评测和持续运维。
01
怎么评估
先看资料类型、角色权限、典型问题和无答案场景，再设计检索与评测闭环。
02
周期与费用
模型/API、向量库、部署位置、调用量、资料规模和人工复核都会影响阶段报价。
03
数据与归属
资料、日志、模型账号和生产密钥的持有方、保存位置及删除方式要书面确认。
04
维护与复核
模型升级、索引重建、评测回归和高风险人工复核单独安排，不能把生成结果当专业结论。
常见问题
企业知识库需要先训练模型吗？+
多数首期先做好资料治理、检索、权限和评测，不急于微调；是否需要训练要由固定测试集和实际问题决定。
AI 能直接替代审批或专业判断吗？+
高风险业务应保留人工复核，AI 输出需要有来源和适用边界，不能把生成内容当成医疗、法律或财务结论。
START WITH DATA
先给一组资料，
判断是否适合做 AI。
可以是制度、产品文档、客服问答或流程资料，先确认权限、版本和评测方式。