这个组合做什么、成立的前提是什么
左栏是这项能力在这个行业具体会做的功能，右栏是这些功能要跑起来必须先具备的条件，以及哪些环节必须留给人。
功能清单
- 风险识别：按事先定义的风险类型做初筛
- 规则校验：可配置的比对与判断规则
- 证据留存：命中的位置、原文与规则依据都留档
- 人工复核台：按风险等级排队，复核结论回写
这个行业在这个问题上的具体表现
- 质检与流程合规检查依赖人工抽查，问题发现晚、判定无据
- 设备手册、工单与工艺文档分散，老师傅的经验随人流失
- 跨系统取数慢，经营分析要等人工导出再加工
落地前提 / 人工介入点
成立前提
- 工艺文档版本管理需先确认，否则知识库会引用到作废版本
- 涉及质量判定的环节必须保留人工签核，模型只做初筛与提示
- 生产数据出企业边界需事先确认合规要求，必要时采用私有化部署
以上每一条都会影响能否推进。我们会在需求沟通时逐条确认，而不是等到开发阶段才发现。
这个组合覆盖的场景
每个场景给出环节表：做什么、产出什么。展开后可以看到完整链路。
质检报告与合规检查
把「逐份全看」变成「看机器筛出来的可疑项」，命中位置、原文与规则依据全部留档，复核结论回写。
| 环节 | 做什么 | 产出物 |
|---|---|---|
| 规则配置 | 按事先定义的风险类型配置校验规则 | 规则库 |
| 内容初筛 | 对工单记录、检验记录与处理记录做规则校验 | 风险项清单 |
| 证据留存 | 留存命中位置、原文与规则依据 | 证据链 |
| 人工复核 | 按风险等级排队，复核结论回写 | 复核台与结论记录 |
人工确认节点审核系统不代替最终责任判断，它的作用是保证判定有据可查。
供应商与客户信息管理
有 CRM 才有结构化数据。没有结构化数据，AI 只能读文件，不能参与流程。
| 环节 | 做什么 | 产出物 |
|---|---|---|
| 线索管理 | 客户线索登记与分配 | 线索池 |
| 销售跟进 | 跟进任务与阶段记录 | 跟进记录 |
| 售后闭环 | 售后服务全流程管理 | 服务记录 |
| AI 接入 | 把客户资料作为知识库与 Agent 的输入 | 可检索的客户知识 |
落地路径
Demo → MVP → 上线，每一步都有明确产出，可以停在任一步。
- 01
Demo 验证
周期档位：2–4 周
产出物可演示形态与验证结论 - 02
MVP
周期档位：4–8 周
产出物核心场景可用的最小版本 - 03
正式上线
周期档位：按集成深度评估
产出物系统代码、部署方案与运维文档
这个方案不做什么
以下几种情况我们不建议做，会在需求沟通时直接说。
不适用的情况
- 数据量极小、几乎没有重复提问
如果一年问不到几百次，人工回答的成本远低于建一套系统的成本。 - 流程极简单、规则只有一两步
两三步就能做完的流程，用脚本或现有工具处理更合适，不需要引入模型。 - 一次性任务，没有复用价值
只做一次的整理工作，做完之后不再重复，自动化投入收不回来。
相关交付形态
以下形态已经在跑，可对照界面看这类能力具体长什么样。
内容审核 / 质检系统界面，点大图查看细节