PIPELINEAI知识库的起步不是从技术开始，而是从一周的记录开始：什么在重复发生，什么最耗费时间。之后选择一个明确界定的、有可衡量目标的单一流程——只有明确了范围，报价才具有可比性。
01 — 入门
从何开始
明确瓶颈
不是最有趣的，而是最耗时的。记录一周内重复的工作，比任何研讨会都能提供更现实的清单。
小范围界定
一个流程，一个可衡量的目标。可行的就扩展 — 不可行的成本低。
梳理初始情况
有哪些内容、数据和访问权限。对AI知识库而言，这是最大程度影响工作量和周期的因素。
确定负责人
负责引入和之后的运营。没有这一明确分工，任何系统都会过时。
然后才索取报价
范围明确后，报价才具有可比性。没有范围，您们得到的只是毫无关联的数字。
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 — 检查清单
首次报价前明确
- 想改善什么？用一句话说明，不用专业术语。
- 如何判断？用一个应该改变的数字。
- 谁来决策？一个人，不是一个委员会。
- 可用预算是多少？大致范围即可 — 这让报价具有可比性而非随意性。
- 截止时间？以及时间取决于什么。
- 涉及哪些系统？谁拥有访问权限。
- 您们已有什么？内容、数据、前期工作 — 这会降低价格。
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。
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。
下一步
我们会了解您的初始情况。
告诉我们目前什么最耗费时间。由此我们会给出一份包含工作量和收益的评估——之后才会提供报价。