CAPABILITIES
四类常见落地场景
企业知识库问答（RAG）
把产品文档、制度、工单沉淀成可检索知识库，回答带出处、可追溯，避免模型凭空编造。支持权限隔离与增量更新。
智能客服与售前助手
接入官网、公众号或企业微信，按业务话术回答常见问题，识别高意向用户转人工，会话记录可分析。
内容生产流水线
选题、写作、审核、发布串成流水线，配合人工复核与质量规则，批量产出符合站点规范的 SEO 内容。
业务流程自动化
用模型处理单据、邮件、评论、报表等非结构化数据，对接现有系统，减少重复人工操作。
我们关心的工程问题
大模型应用的难点很少在"调用接口"，而在上线之后：回答不准怎么办、成本失控怎么办、数据泄露怎么办、模型升级后行为变了怎么办。这些问题需要在架构阶段就考虑。
- 检索质量：文档切分、向量与关键词混合检索、重排序，决定回答的地基。
- 可观测性：请求日志、命中率、幻觉率、响应时延与 token 成本，都要能看见。
- 权限与合规：按角色隔离知识范围，敏感数据不出内网。
- 降级与兜底：模型超时或不可用时，系统仍能给出可接受的回答。
- 成本控制：缓存、路由（简单问题走小模型）、上下文裁剪。
技术选型
不绑定单一模型供应商。开源模型可私有化部署（如 Qwen、DeepSeek 系列），闭源模型按场景选用；向量库、编排框架根据数据规模与团队能力选型，避免过度设计。
有一个具体场景想验证？
描述你的业务问题，我们先判断值不值得用 AI 做，再谈怎么做。不合适会直接说。