AI 项目卡住，很少是因为模型不够强
我们见过的大多数失败，卡在这三件事上——它们都不是技术难题。
知道该用，不知道从哪下手
大会上听了很多，回来让谁负责说不清。想找人做，又不知道该提什么需求、该花多少钱、该验收到什么程度。
买了账号，落不进流程
模型能用，聊天也顺畅，但它不在你的业务系统里。员工要复制粘贴、要手动转录，用两周就没人用了。
数据不敢出门
合同、病历、客户名单，一条都不能上传到公有云。合规这关过不去，方案再好也只能停在纸面上。
五件事，按你的阶段挑一件开始
不需要一次买全套。多数客户从一次诊断开始，先看清哪里值得动，再决定做不做。
把一条流程做成智能体
选一条高频、耗人、容易出错的流程，做成一个能对话、能查、能操作系统的东西。它接你们已有的系统接口，沿用你们的权限，涉及付款、删除、对外发送这类敏感动作时会先停下来问人。
- 对接现有系统：ERP、CRM、OA、工单、自建库都能接
- 权限沿用你们现有体系，不另开一套账号
- 每一步操作留痕，谁在什么时候问了什么、系统做了什么，都能查
- 效果不达标可按合同约定的指标返工
什么样的流程适合先做
- 一天重复几十次以上
- 答案有标准，不靠临场判断
- 现在花的时间能算出来
- 做错了会有人抱怨
流程诊断
先不谈方案。我们到现场看真实的一天怎么过，把每条候选流程的现状量化，再按"省时多、出错少、好实现"打分排序。
- 访谈一线岗位，不听汇报听抱怨
- 每条流程算出现在的耗时与频次
- 给出一份可排序的机会清单
私有化部署
数据一步都不能出门的行业，把模型和知识库整套装进你机房的服务器里，断网也能跑。
- 模型推理、向量检索、知识库全部本地
- 可适配国产芯片与信创系统
- 账号、权限、日志对齐内部管理制度
自然语言取数
业务人员想问一个数，不用再等 IT 排期。一句话出结果，同时把口径沉淀下来，谁问都是同一个答案。
- 对接现有数据库或数据仓库
- 指标口径成字典，变更留记录
- 结果可下钻到明细核对
上线后陪跑
系统上线只是开始。业务会变、模型会退化、新人不会用——这些都不该让客户自己扛。
- 效果监控与异常告警
- 按需加新场景、调优提示词与工具
- 季度回访与复训
六步，每一步你都知道走到哪了
最容易被糊弄的是"进行中"。所以每一步都有明确的产出物，看得见、能验收。
摸底
到现场看真实的一天，量化现状
出方案
一页纸：改哪步、多少钱、多少天
原型
真实数据跑通最小闭环
开发
接系统、做权限、加留痕
验收
按指标逐条对，签字交付
陪跑
监控、调优、加新场景
第 3 步是这套模式的关键：原型阶段就能看到真实效果。看不到价值，客户可以在这里停下来，只付诊断的费用。
四类场景，判断标准是"值不值得做"
不是所有流程都适合上智能体。我们按投入产出排了序，也把不该做的信号写出来。
高频重复问答
客服、售后、内部制度咨询、经销商问政策。答案其实都有，只是散在文档里、老员工脑子里。
判断依据：一天几十上百次，答案有标准版本文档密集型工作
合同审查、招投标文件、检测报告、验收资料。量大、格式固定、漏一条就出事。
判断依据：人看得眼睛累，漏看有实际损失跨系统搬运
录单、对账、同一个客户要在四个系统里各查一遍。系统之间不通，人当了搬运工。
判断依据：重复操作多，每次判断都简单业务要数
销售要上个月的数，得走 IT 排期，三天后拿到，还和财务的数对不上。
判断依据：取数需求频繁，口径经常打架四条能验证的话，没有一条是形容词
这一行最不缺漂亮话。我们只写能被检验的部分。
没有转包，也没有中间层
跟你谈需求的人，就是写代码和部署的人。省掉的不是成本，是"我以为他要的"这类误解。
先看见，再付钱
原型阶段用你的真实数据跑通一个闭环。效果不满意，可以在这里停下，只付诊断费。
不锁定你
源码、部署脚本、运维文档全部交付。哪天不想合作了，随便找人接手，我们不会留坑。
报价与用量无关
我们按工作量收费，不按调用次数抽成。所以你用得越多，我们的收入不会跟着涨——也就没动机把方案做得更费钱。
你大概会问这几件事
我们和现成的 AI 工具（比如 Dify、钉钉、飞书）有什么区别？
大概要花多少钱？
数据安全怎么保证？
多久能上线？
以后我们自己能维护吗？
做不出来怎么办？
先聊一次，不花钱
把现在最耗人、最容易出错的那条流程说给我们听。我们会判断它适不适合做，以及大概要多少成本和天数——如果判断是不该做，我们会直接说。