工作内容
选择有用的工作流程，构建并衡量它。
AI 采用与工作流程自动化
找出 AI 可以改善业务的环节，在实际工作流程中进行测试，并帮助团队使用。在扩大应用之前衡量结果。
AI 产品工程
将检索、模型 API、语音或专用模型加入产品工作流。明确部署和数据边界，连接界面，并评估结果。
AI 智能体开发
将模型连接到允许使用的数据和工具。构建管理上下文、状态、权限、审批、进度和恢复的执行框架，并测试工作流及其运行限制。
合作方式
适合将 AI 引入日常工作的企业。梳理文档准备、内部知识检索、支持或报告等任务。选择范围明确的试点，指定流程负责人、允许使用的数据和可衡量的结果。
将模型与获准的数据和工具集成，保留应用访问控制，并明确审批要求。用户和操作员需要清晰地查看进度、审核操作及停止任务。
测试成功任务、被拒绝的操作、工具故障和不完整结果。利用发现改进工作流，并确定监控、恢复方式及运行成本。
依据任务耗时、输出质量、错误和运行成本，将试点与当前流程比较。使用员工自己的任务进行培训，记录审查和升级处理方式，并根据结果决定扩大、调整或停止。
我们可以帮助改进的业务流程
选择一个起点。实施前，我们会商定工作流程、数据访问权限和成功标准。
- 我们构建什么
- 将文档接收、字段提取、缺失信息检查和报告草稿连接到商定的业务系统。
- 交付内容
- 提供文档处理流程，包括待审核列表、来源引用和已记录的测试结果。
- 我们衡量什么
- 总处理时间、提取准确率、修改工作量和每份已完成文档的成本。
企业知识检索
帮助员工从经批准的企业文档中查找答案，并提供可核查的来源。
- 我们构建什么
- 连接政策、产品文档和操作说明，同时保留员工的访问权限。
- 交付内容
- 提供检索或问答工具，包括来源链接、访问控制和评估用例。
- 我们衡量什么
- 答案准确率、来源质量、查找信息所需时间和缺乏来源支持的答案。
客户支持辅助
帮助支持团队查找指导信息、准备回复并分派请求。衡量解决质量和审核工作量。
- 我们构建什么
- 将经批准的指导信息接入支持流程，提供回复草稿、请求分类和升级处理规则。
- 交付内容
- 在商定的支持工具中提供助手，包括人工审核和明确的交接流程。
- 我们衡量什么
- 解决率、重复联系次数、回复准确率和总处理时间。
提案与销售准备
利用经批准的材料准备提案草稿和客户简报。价格和承诺仍需审核。
- 我们构建什么
- 利用经批准的服务说明、客户需求和已有材料，为销售团队准备草稿。
- 交付内容
- 提供提案流程，包括可复用的来源材料、审核步骤和商定的审批流程。
- 我们衡量什么
- 准备时间、修改工作量、提案交付时间和后续销售结果。
- 我们构建什么
- 检查数据质量，将明确的预测或分析任务与现有规划流程进行比较。
- 交付内容
- 提供经过测试的分析或预测、记录在案的假设，以及可供决策负责人检查的结果。
- 我们衡量什么
- 预测误差、分析时间、决策所需时间和运营成本。
为产品添加 AI 功能
为现有软件产品添加文档分析、知识辅助或语音交互功能。
- 我们构建什么
- 将功能连接到产品数据、用户权限、评估和支持流程。任务需要执行操作时使用智能体。
- 交付内容
- 提供已集成的 AI 功能，包括评估用例、运行限制和交接说明。
- 我们衡量什么
- 任务成功率、输出质量、持续使用情况、响应时间和交付成本。
这些示例说明可开展的合作。每个项目的范围、衡量指标和验收标准均需另行商定。
从一个业务流程开始
在选择 AI 工具之前，您可以先提出业务问题。培训、审核和衡量均属于交付内容。
评估机会
审查一个流程及其成本、可用数据和限制条件。获得适合作为起点的任务建议。
开展可衡量的试点
与实际执行工作的团队一起测试代表性任务。将总时间、质量、错误和成本与现有流程进行比较。
集成与支持
根据试点结果，商定更广泛的实施、员工培训、运行控制、责任归属和支持。
AI 工程能力
AI 采用与产品集成
从业务工作流或产品功能及其用户、允许使用的数据和成功标准出发。比较合适的工具，构建约定的试点或集成。范围可包括检索、模型 API、语音、流程自动化和员工培训，并明确交接内容。
私有、本地与受治理的 AI
选择部署边界：本地设备、自有基础设施、私有云或混合系统。记录模型、嵌入、检索、工具和日志组件中哪些保留在边界内，以及哪些外部服务会接收数据。 对于机密 AI，可通过隐私计算服务评估 TEE 证明验证、秘密释放、模型访问、外部调用和输出披露。
明确责任归属、数据权限、操作审批、保留规则、审计日志和支出限制，并针对约定的工作流验证这些控制措施。私有 AI 试点可在扩大部署前，确定数据流、所需基础设施、质量和运行成本。
专用模型与微调
针对约定用途训练任务模型或适配现有模型，例如分类、提取、排序或专用语言行为。确认数据使用权，准备数据集并进行版本管理，分离训练与评估数据，并在留出任务上与现有模型基线比较。
专用模型可行性研究可评估数据可用性、训练方法、计算需求、验收标准和部署方式。记录模型配置、训练运行、工件和限制。基础模型预训练需要单独确定研究范围。
定制智能体与执行框架
为明确任务构建智能体及其周边的执行与控制层。连接允许使用的工具和数据，管理上下文和持久状态，并定义检查点、审批、进度和执行限制。按约定工作流，集成现有运行时或构建所需组件。
测试任务完成、操作拒绝、工具故障、预算限制、取消、重试和恢复。面向客户与业务的智能体属于此范围；工程团队共用的编码智能体工作流和开发执行框架，也与项目搭建与软件工厂服务相关。
AI 评估、质量与成本优化
对代表性任务进行基准测试，约定质量、安全、响应时间和成本的验收标准。根据需要审查检索、提示、上下文长度、模型选择、路由、缓存、批处理和推理服务配置。将模型或托管成本、重试和人工审核工作量计入每个成功任务的总成本。
AI 成本与质量评审可建立基线和按优先级排列的改进计划。实施约定的变更，重复评估，并报告测量结果、取舍、回归问题和剩余限制。
工作流示意
在内部报告流程中测试 AI
- 01
梳理工作流程
记录员工如何准备报告、使用哪些来源，以及审查需要多长时间。
- 02
构建试点
使用获准来源生成草稿，并保留来源供人工审查。
- 03
衡量结果
将准备时间、事实错误、审查工作量和成本与现有流程比较。
- 04
培训与交接
指导员工审查草稿、纠正错误，并升级处理缺乏依据的结果。
示例合作流程。每个项目的范围、交付成果和验收标准均需事先约定。
交付内容
经过测试的解决方案和明确的运行计划。
按优先级排列的应用或产品计划，明确用户、数据访问和成功标准。
与约定系统集成的试点、AI 功能或智能体流程，范围明确。
明确的工具访问权限和审批行为。
根据需要提供进度、取消和恢复行为。
评估用例、记录结果和已知局限。
基于实际任务的员工培训和操作说明。
记录集成、监控和交接要求。
试点结果、运行成本、局限，以及是否扩大应用的建议。
约定范围内的部署与数据流记录，说明本地组件、外部服务、访问控制和运行责任归属。
范围包含模型训练或适配时，提供带版本的数据集、模型配置、训练记录和模型工件。
范围包含优化时，提供质量、响应时间、审核工作量和每个成功任务总成本的基线及对比。
精选项目
相关工作
开始之前
我们需要定制 AI 软件吗？
先将适用的现有工具与流程要求进行比较。当试点确定具体需求后，再考虑定制集成或开发。
这与 AI 产品工程有什么关系？
AI 采用改变业务团队的工作方式，包括工具、培训和操作流程。AI 产品工程则为软件产品增加 AI 功能。流程需要时，一项合作可以同时涵盖两者。
每个 AI 功能都需要智能体吗？
不需要。检索、文档问答、分类和语音界面可使用明确的请求响应流程，仅在任务需要时增加智能体行为。
可以集成到现有应用吗？
可以。先了解现有界面、API、数据权限和部署约束，确定有限范围的功能，经评估后再扩大使用。
如何选择模型？
比较典型任务、数据要求、响应时间和运行成本，记录取舍，不仅依据排行榜选型。
智能体能否更新记录或触发其他操作？
可以，前提是这些操作在约定范围内。应用控制决定允许哪些操作，以及哪些操作需要审核。
如何评估智能体？
测试典型任务、来源质量、被拒操作、工具故障和运行成本，在扩大权限前记录结果与局限。
工具失败或任务停止后会怎样？
为流程定义取消、重试和恢复行为，让用户能区分已完成、失败和未完成的操作。
可以单独安排 AI 培训吗？
可以。技术指导与团队培训提供面向工程和业务团队的专项工作坊。AI 实施项目仍可包含培训和运行交接。
本地部署与 AI 治理有何区别？
本地部署规定组件在哪里运行、数据在哪里处理。治理规定责任归属、允许的数据和操作、审批、保留规则、审计记录和运行限制。这些控制措施适用于本地、私有云、混合或基于 API 的系统。在声称本地或离线运行之前，应审查模型、嵌入、检索、工具和日志的数据流。
专用模型训练包括哪些内容？
约定任务、数据使用权、数据集质量、训练方法、计算需求、评估和部署方式。工作可包括训练专用任务模型或微调现有模型。根据需要比较提示、检索与模型适配：检索在运行时提供信息，微调则改变模型参数。基础模型预训练需要单独确定研究范围。
什么是智能体执行框架？
它是管理智能体执行过程的周边软件，包括上下文、状态、工具访问、审批、进度、预算、取消和恢复。工作范围可扩展现有运行时或实现所需组件。团队共用的编码智能体流程也适用于项目搭建与软件工厂服务。
如何衡量 AI 成本与质量的改进？
约定代表性任务和验收标准，记录任务成功率、输出质量、响应时间、审核工作量和总成本的基线。在相同条件下比较变更，报告回归问题和限制。成本包括相关模型调用、托管或计算、重试和人工审核。
如何从范围明确的 AI 项目开始？
围绕明确的问题，选择私有 AI 试点、专用模型可行性研究或 AI 成本与质量评审。约定准备工作、数据访问、范围、验收标准和书面交付物。结果可指导后续实施、调整方案或决定停止。
联系
讨论 AI 项目
说明目标、背景和约束条件。对于专项技术咨询，我们会在开始前约定问题、准备工作、会谈范围和书面后续步骤。
讨论你的项目