从业务样本而不是功能愿望开始
针对“同一质量问题在客户、检验和生产记录中使用不同描述”，项目启动前抽取不同用户、时间段和异常类型的代表性任务，复原从输入到结果的完整路径。访谈内容与系统日志交叉核对，区分事实、推断和待验证项。对没有数据支撑的判断，先设计采集办法，不把主观感受直接写成项目收益。
例如可以抽取连续20个工作日的任务，记录数量、角色、处理时长、等待节点、返工原因和最终状态。样本量是否足够取决于业务波动与风险，不采用一个“通用正确数字”。
C级 · 能力场景示例
适用于制造或产品型企业的质量问题散落在客诉、检验、生产和维修记录中，同类异常重复发生但原因与整改无法复用的场景。本页为C级能力场景，不主张AI可以代替质量工程师完成正式原因认定。 本页不主张已完成某个特定客户项目，也不使用未经授权的客户名称、业绩或经营数据。了解案例证据分级
典型业务挑战
同一质量问题在客户、检验和生产记录中使用不同描述
批次、物料、设备、工艺和人员数据无法快速关联
AI容易把相关性写成因果结论，造成错误整改方向
CAPA任务有负责人和期限，但缺少效果验证与再次发生追踪
质量资料涉及客户、供应商和商业敏感信息
方案设计思路
01
定义问题分类、风险等级、批次追溯和CAPA责任流程
02
整理客诉、不合格、检验、工艺、设备和历史整改样本
03
使用分类、检索和关系分析提供相似案例与原因候选证据
04
由质量及工艺人员确认根因、纠正措施和预防措施
05
连接QMS、MES和工单系统追踪责任、期限与效果验证
06
对重复发生、误判和无效措施持续复盘知识与规则
知华可承担的项目职责
与质量、生产、工艺、设备和IT确认流程与责任边界
建立问题类别、风险、原因、措施和效果评测样本
开发检索分析、CAPA、追溯和系统集成能力
完成错误关联、越权、重复任务和接口失败测试
实施约束与能力边界
01
AI只提供分类、检索和原因候选，正式根因由有责任的专业人员确认
02
统计相关性不能直接作为因果证据，必要时仍需实验和现场验证
03
客户和供应商资料应按授权、保密和保存规则处理
04
质量改善取决于措施执行和管理流程，不能只归因于软件
系统能力范围
质量问题受理问题分类与风险批次关系追溯相似案例检索原因候选与证据CAPA任务管理效果验证质量运营看板
可交付成果
PROJECT OUTPUT质量流程与责任模型
PROJECT OUTPUT脱敏问题与CAPA评测集
PROJECT OUTPUTAI质量工作台源码
PROJECT OUTPUT分类知识规则和权限
PROJECT OUTPUTQMS MES工单系统接口
PROJECT OUTPUT质量安全与性能报告
PROJECT OUTPUT部署培训和运营手册
应形成的工程证据
作为C级能力场景，本页不声称已持有某个客户的项目证据。类似项目实施后，应按合同范围形成以下可核验材料。
VERIFIABLE EVIDENCE问题分类、风险等级、原因代码和CAPA责任清单
VERIFIABLE EVIDENCE客诉检验批次设备工艺与历史措施脱敏样本
VERIFIABLE EVIDENCE分类、相似检索、关系和原因候选质量报告
VERIFIABLE EVIDENCE来源证据、人工修改、根因确认和措施审批记录
VERIFIABLE EVIDENCEQMS MES工单写入、超期、重开和异常补偿测试
VERIFIABLE EVIDENCE重复发生、措施完成、效果验证和知识修订复盘
建议写入合同的验收标准
固定问题集上的分类和相似案例检索达到确认基线
原因候选能够展示批次、检验、设备或历史案例依据
高风险问题和根因结论必须由正确专业角色确认
CAPA任务包含责任人、期限、措施和效果验证状态
跨系统数据关联和写入可追踪且失败可补偿
企业人员能够维护分类、知识、规则和评测集
CAPABILITY CASE WALKTHROUGH
能力场景如何落到项目计划
本段继续采用C级能力场景口径，数字为估算方法示例，不代表任何特定客户成果。
将系统能力映射到具体责任
场景中的质量问题受理、问题分类与风险、批次关系追溯、相似案例检索不会作为孤立模块堆叠，而要对应到业务角色、数据来源、操作权限和异常处理。每个关键状态定义谁创建、谁确认、什么条件可以流转、失败后如何恢复，并明确客户业务团队与实施团队各自负责的资料、审批和系统环境。
原型评审使用真实字段和代表性流程。涉及第三方系统时，在排期前核对接口文档、测试账号、调用限制和联调负责人；无法确认的依赖单列风险，不在开发后期才暴露。
正常、异常和边界任务都要覆盖
验收集至少包括标准流程、字段缺失、重复提交、越权访问、外部接口失败、数据冲突和人工退回。建议形成问题分类、风险等级、原因代码和CAPA责任清单、客诉检验批次设备工艺与历史措施脱敏样本、分类、相似检索、关系和原因候选质量报告，让每条验收结论能够回到需求、版本、执行记录和最终结果。
若场景包含AI能力，还需固定评测问题、期望结果、引用依据和拒答规则；若包含交易或数据同步，则重点验证幂等、对账、补偿与回滚。
示例数据只用于建立测量方法
假设改造前每周有300项任务、平均完成周期2.5天、人工追问率25%，可以把目标写成“首期上线六周后，在任务复杂度相近的前提下，平均周期下降20%，追问率不高于15%，关键数据完整率达到98%”。这些数字必须在正式项目中由双方依据基线重新确认。
合同验收可重点核对固定问题集上的分类和相似案例检索达到确认基线、原因候选能够展示批次、检验、设备或历史案例依据、高风险问题和根因结论必须由正确专业角色确认。业务指标未达到时，需要区分系统缺陷、数据条件、流程执行或外部依赖，不把全部问题简单归因于技术。