PIPELINEAI知识库的核心流程是这样的：请求进入系统，根据存储的内容和规则进行检查，然后直接回应或连同完整上下文转交给人工处理。真正的工作不在技术本身，而在于确定这条界线的具体位置。
01 — 运作方式
AI知识库的技术运作原理
一个内部搜索系统，能用自然语言回答问题，并标注答案来自哪份文档。
从外部看，过程如下：询价进入——通过网站、电话、表单或现有系统。询价被采集，根据预设规则和内容进行检查，然后要么直接响应，要么连同完整上下文转交给人工处理。决定性的部分不是技术，而是确定这条界限的位置。
新员工需要几个月才知道什么在哪里。经验丰富的员工不断被打断，因为只有他们知道。正是这一点决定了系统的配置方式——而不是泛泛的产品承诺。
02 — 组成部分
系统由什么组成
- 整合您的存储：文件服务器、SharePoint、Google Drive、Confluence、邮件归档
- 带来源标注的答案，可跳转至原始文档
- 权限概念——谁能看到什么，对搜索同样适用
- 识别过时文档，避免提供已失效的答案
- 分析提出了哪些问题，以及哪里缺少文档
- 可选择在欧盟云端运行或在您自己的基础设施上运行
03 — 流程
详细步骤
确定来源
哪些存储要纳入，哪些保持在外。通常少即是多。
明确权限
沿用您系统中的权限概念，而不是重新发明。
索引和测试
我们用实际业务中的真实问题进行测试，并衡量是否找到了正确的文档。
上线
从一个部门开始，之后扩展。评估结果会显示哪里缺少文档。
04 — 问题
常见问题
必须在云端运行吗？
不必。对于敏感领域，我们部署完全在您自有硬件上运行的模型。这会增加配置成本并略微影响回答质量，但任何文档都不会离开您的企业。
什么是 RAG?
这个缩写代表检索增强生成（retrieval-augmented generation)。系统不是让语言模型凭记忆回答，而是先在您的文档中搜索，只将找到的内容用于回答。这就是答案附带来源的原因。
文档量大的情况下配置需要多长时间？
这取决于文档状态而非数量：结构良好、重复较少的文档库几周内即可投入使用，而长期积累、存在大量旧版本的文档库需要先进行清理。
如果文档库中包含多种语言怎么办？
没问题——搜索能够独立理解不同语言的问题和文档，即使提问和来源使用不同语言也能找到正确答案。
我们如何识别过时的答案？
通过日期信息和标记为已过时的文档标识。此外，分析会显示哪些来源经常被引用——然后优先维护这些内容。
我们可以分步扩展到其他部门吗？
可以，这是常规做法。从一个部门开始，从其问题和结果中学习，然后再接入下一个——而不是一次性全部开放。
那所有人都能看到一切内容吗？
不会。系统会沿用您现有系统的权限设置。今天无权打开某个文件夹的人，也不会从中获得答案。
05 — 决策
如何继续推进
最经济的下一步是对话，而不是报价。通常二十分钟就足以明确一个项目是否有意义、大致预算范围，以及我们是否适合您。
如果不合适，我们会直接说明。一个诚实的“不”比一个进行三个月后中止的项目成本更低 — 对双方都是如此。
下一步
请向我们发送几句话介绍您的项目。
我们亲自阅读每一个咨询并亲自回复。没有销售团队，没有消失在虚空中的回电表单。