能做什麼,不能做什麼
能做的:
- 內部知識庫檢索問答(制度、合同、報告、故障庫)
- 客服問答草稿:先給一段帶出處的答案,人工確認再發
- 合同與報告審閱:按你給的檢查項逐條比對,標出缺失項
不能做的:
- 替你做決定,尤其是報價、合規、醫療判斷
- 從零訓練一個大模型
- 沒有出處、也無法驗收的「準確率 99%」
為什麼答案要帶出處
不帶出處的答案沒法核對,員工不敢用,最後還是回去翻原文。
我們的做法是先檢索再生成:答案裡附原文段落與檔案位置,點開能看到那一段。答案錯了,能定位是檢索錯了,還是文件本身過期了。
費用怎麼算
- 開發:按場景與文件量算,一次性
- 執行:按 token 計費,取決於呼叫量。十幾個人日常問的內部知識庫,每月通常在幾十到幾百元量級
- 可選:本地模型部署,資料不出內網,硬體與運維成本單獨評估
上線前先用你真實的幾十份文件跑一輪驗證,答得準再繼續,答不準就不做。
典型專案範圍
典型範圍:選定一類資料和一個問答場景,驗證檢索、引用出處和人工反饋。單場景驗證按 2–3 周評估;文件清洗、許可權隔離、內部系統對接與本地部署另行評估。
以上用於初步判斷專案規模,實際範圍、排期與驗收標準在啟動前確認。
適用情境
有大量文件、工單或對話要處理,人工讀得慢,口徑還不一致。
適合客服問答、合同與報告審閱、內部知識庫檢索。
交付項目
基於企業自有文件的檢索問答(RAG)
大模型 API 接入與提示詞版本管理
答案帶出處,可回溯到原文段落
呼叫量、耗時與費用看板
服務範圍界線
從零訓練自有大模型(成本與資料量都不匹配)
「準確率 99%」這類無法驗收的承諾
涉密資料必須走公有云 API 的場景
常見問題
AI 應用開發多少錢?
按場景、文件量與是否要接內部系統算。單場景(如制度問答)與多系統聯動不是一個量級。先做小範圍驗證,跑通了再擴。
資料會不會洩露?
預設走公有云 API,文件會傳給模型提供方;不能接受的場景改本地模型部署,資料不出內網,硬體按模型與併發評估。
準確率能保證多少?
不承諾數字。做法是答案必須帶出處、人工複核後再用;先拿你真實的文件跑驗證,答不對的場景直接不做。
需要準備什麼?
把要問的文件整理出來(PDF、Word、網頁都行),再指定一位能判斷答得對不對的同事做驗收人。
和直接用通用 AI 工具有什麼區別?
通用模型不知道你的制度和合同。我們做的是先把企業自有資料檢索出來,再基於檢索結果回答,並給出處。
多久能上線?
單場景驗證版 2–3 周;要接多個內部系統的,時間取決於對方介面是否開放。