PIPELINE在大多数情况下，AI知识库无需替换任何现有系统：商品管理、CRM、日历、会计或电话系统都通过接口连接。关键是相应系统是否有文档化的接口——而时间紧迫的部分几乎从来不是技术，而是获取访问权限。
01 — 对接
与现有系统的连接
最常见的误解是一切都必须重新来过。在大多数情况下，现有的系统格局保持不变，AI知识库在其之上构建——通过接口而非替换。
实践中对接的内容：商品管理、CRM、日历、财务、电话系统、Newsletter 系统、网站。关键在于相应系统是否有文档化的接口。如果不存在，通常有折中方案——但会产生成本，需要事先明确，而非事后发现。
时间关键部分几乎从来不是技术对接，而是获取访问权限。谁在这方面早启动，谁就能明显缩短项目周期。
02 — 前提条件
您需要为AI知识库准备什么
- 一个明确的需求。不是“我们应该做些 AI 相关的事”，而是一个今天确实耗费时间或订单的流程。
- 现有内容或数据。AI知识库利用现有资源。起始情况越完整，设置时间越短。
- 对相关系统的访问权限。谁管理访问权限，就应从一开始纳入——根据经验这是最常见的延迟原因。
- 一位有决策权的联系人。一位，不是三位。
- 启动后进行优化的意愿。实际运营的前几周会显示概念中缺少什么。这是正常的且已纳入计划。
03 — 瓶颈
通常卡在哪里
- 内容和交付物。最常见的延误原因。文本、图片、价目表、访问权 — 缺什么就阻塞什么。
- 决策。如果不清楚谁批准，项目就会等待。指定一位有决策权的联系人能明显缩短周期。
- 第三方系统的访问权。获取商品管理、电话系统或CRM的访问权，通常比对接本身耗时更长。
- 无休止的协调轮次。两轮修改是正常的，五轮是目标一开始就不明确的信号。
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。
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。
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。
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。
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。
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。
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。
下一步
让我们简短讨论一下这对您是否划算。
二十分钟的对话通常就足以弄清一个项目是否有意义。如果没有，我们会直说——这对双方来说都比一份无人需要的报价更便宜。