PIPELINE简而言之
实践中，AI知识库几乎总是从一个具体流程开始，而非整体概念。大部分时间不是浪费在回答问题上，而是在查找上——以及打断那些凭记忆知道答案的人。只有在第一步在实际运营中证明有效后，才会扩展。
01 — 实践
具体是怎样的
来自实践的观察
大部分时间不是浪费在回答上，而是搜索上——以及打断那些凭记忆就知道答案的人。
典型的切入点是这样的：企业指出最困扰的那一个流程。哪些存储纳入，哪些排除在外。通常少即是多。
上线后不会立即扩展，而是观察。从一个部门开始，之后扩展。评估会显示哪里缺少文档。
02 — 适用性
什么时候值得做
- 受影响的流程至少每周发生一次。
- 它遵循可以写下来的规则 — 即使存在例外情况。
- 这是如今没人愿意做的手工活。
- 由一个人决策,而不是三个人需要协调。
- 您们可以明确如何判断它是否成功。
03 — 界定范围
我们不建议的情况
- 流程还在变化中。只要您还在调整流程本身，手工操作更灵活也更经济。
- 例外情况多于常规情况。那就是在自动化例外，成本会很高。
- 没有数据基础。如果没有数字化的原始数据，就缺少基础条件。
- 业务量太小。每月只有五个流程，任何系统都不划算 — 即使是便宜的。
- 真正的瓶颈在别处。如果询价太少，加快处理速度没有意义。
04 — 问题
常见问题
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。
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。
我们的文档很混乱。这样也可以吗？
在一定程度上可以——系统能够处理不同的格式和结构。但它无法解决矛盾信息。如果同时存在三个版本的价目表，必须事先明确哪个有效。
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。
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。
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。
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。
下一步
初步评估，无需承诺。
简要说明项目内容。您们会得到关于可行性和大致费用的诚实答复。