场景诊断
适合想做 AI,但尚未确定切入点的团队
- 梳理业务问题与现有流程
- 形成候选场景及优先级建议
- 明确数据、风险与投入边界
企业知识与流程应用
从知识问答、订单处理等具体场景开始,围绕业务需求明确数据范围和验收方式
知识问答 · 订单与对账 · 报表与质检
服务与交付
从诊断到试点,再到持续使用;根据业务起点,选择当前需要的阶段
适合想做 AI,但尚未确定切入点的团队
适合已有明确流程、可用样本与业务负责人的团队
适合试点已有结果,需要扩展与维护的团队
知识与智能体底座
围绕企业知识应用,讨论资料接入、引用追溯、访问权限和业务流程连接。具体支持的文件类型、模型、接口与部署能力,需要在试点前逐项确认
从授权资料开始,明确版本、维护人和可访问范围
用典型问题检查回答依据、遗漏与人工纠正成本
对外发送、写入系统等操作,按项目约定权限和确认步骤
交付物样例
以下为示例目录,帮助双方讨论交付范围;不代表已完成项目或所有服务默认包含
列明业务问题、当前基线、数据准备程度、候选场景和优先级理由
把测试问题、预期结果、实际输出、人工复核与成本记录放在一起
说明文档更新、权限管理、问题反馈与运行复盘由谁负责
AI 安全
当企业 AI 开始连接知识、客户资料和工具,安全验证需要跟着真实业务走。知核跃行携手 AIDX,补充从测试、整改复测到持续防护的合作能力
知核跃行 × AIDX
先看你的 Agent 能做什么,再确定需要测试与防护的部分
数据与部署
根据数据敏感度、接口与维护条件选择部署方式。诊断时明确资料可以在哪里处理,以及由谁管理权限
适合经授权可上云、敏感度较低的数据。需要确认服务商、数据处理约定和运行费用。
区分需要留在企业侧的数据和可外部处理的信息。需要确认分级规则、脱敏方式与接口边界。
适合有本地处理要求的团队。需要评估硬件、模型效果、运维能力与总体成本。
项目过程
周期由场景复杂度、数据质量、接口条件与双方投入共同决定
梳理业务目标、现状与约束
明确首个流程、数据和验收标准
用有限范围验证,保留人工复核
复盘收益与成本,再决定复制
维护知识、权限和运行质量
开始之前
不用准备完美的技术方案,带着业务问题来即可
谁使用结果,谁确认业务规则,谁做最后验收?
有哪些样本能合法使用,哪些不能外发?
当前处理量、人工耗时、错误与返工成本是多少?
预算、可用人力、排期和维护责任如何约定?
常见问题
先把投入、责任与使用条件说明白
可以先讨论场景诊断。通常需要一位熟悉流程的业务负责人和可使用的资料;涉及系统接口、账号和部署时,还需要确认内部或外部技术支持。
不必一次整理全部资料。可以先选一个场景,收集其对应的有效文档、典型问题和现有规则,明确版本及维护人。资料缺失时,先补基础比直接开发更合适。
先检查系统是否有可用接口、访问授权及测试环境,再确定对接方式。若暂时不能对接,可讨论使用导出样本做独立验证,不能预先保证兼容所有系统。
需要区分诊断或实施服务、模型调用、软件订阅、部署资源、接口开发及后续维护。沟通时应明确一次性与持续性费用,具体金额根据范围报价。
先确认样本、接口和业务负责人的投入,再制定排期。用双方约定的样本检查质量、耗时、人工介入与成本;没有足够基线时,先记录现状。
应在实施前约定资料维护人、业务复核人和技术支持责任。持续陪跑可以作为合作范围讨论,服务频率与费用需单独说明。
网页初筛依据少量选项给出规则建议,不会自动读取企业资料。正式诊断需要理解实际流程、数据与约束,双方再确认是否进入后续合作。