首页 / 常见问题 / AI技能、代码验收与Agent部署
QUESTION & ANSWER

企业应该做AI Skill、RAG知识库,还是工作流?

需要找到有效资料和来源时,先考虑知识治理与RAG。需要复用处理方法、模板和工具时,可以评估Skill。步骤与审批必须严格固定时,工作流往往更直接。三者可以配合,最终选择取决于用户要完成的任务,而不是技术名称。

直接回答

先给出可以用于决策的结论

先写出任务的输入、输出与确认人。员工查保修制度,重点是资料的有效版本、来源和访问权限;员工按制度准备处理方案,还需要判断条件、模板与例外;需要确认后创建维修任务,则增加工作流状态、接口授权和结果核对。Skill组织方法,不替代知识库的数据治理,也不替代执行系统的权限检查。只做问答时,不必开放不必要的业务写入。

DECISION FACTORS

判断前需要确认哪些条件

同一个问题在不同企业、数据和项目阶段下可能有不同答案。建议先核对以下条件,再把网上的通用结论代入自己的项目。

主要问题是找不到依据,还是不会按规则处理步骤是否固定,哪些判断需要人工确认是否需要操作现有系统,以及谁能授权业务资料和方法由谁维护版本
ACTION STEPS

建议按什么顺序推进

01

先明确目标与边界

选一项真实重复任务,列出正常、例外和停止条件。

02

验证关键依赖

把事实资料、操作方法、固定状态与系统工具分开。

03

形成可评审成果

先用脱敏样本验证草稿,不默认开放生产写入。

04

用真实结果决定下一步

按检索、方法、权限、输出和异常分别验收。

PRACTICAL EXAMPLE

放到实际业务中如何理解

示例用于说明判断方法

实施设计示例,并非客户成果:售后员工查看工单,检索现行政策,Skill组织核对步骤并生成待审建议;缺少凭证时停止并要求补充;确认后由正式工单接口创建待办。模型不能因为资料中出现某条指令就增加权限,也不能自行把旧政策当作当前承诺。 示例不代表特定客户业绩,实际结论需要结合企业自己的业务量、样本、系统和责任边界验证。

COMMON RISKS

最容易踩的坑

用一份长提示词代替资料版本与权限管理

规则清楚的固定审批也交给模型自由规划

导入未经审查的脚本,默认允许访问全部文件和网络

ACCEPTANCE

最终应该怎样验收或确认

验收应包括有效资料、方法版本、正常异常样本、权限拒绝、人工确认和目标系统记录。更换运行平台时,重新验证Skill触发、资源访问、工具及结果。业务负责人可以维护规则模板,但脚本、接口和凭据需要技术责任人。资料和方法都要按约定移交,让企业能够选择后续维护团队。

准备与供应商或内部团队沟通时,建议带上当前流程、代表性样本、现有系统、计划时间和预算等级。先把未知项明确标注,再决定采用诊断、PoC、固定范围项目或持续研发,通常比直接索要一个缺少边界的价格和工期更可靠。

你的项目条件与上面的示例不同?

可以先整理业务目标、现有系统、样本与计划时间,再由顾问结合实际边界给出初步判断。

联系项目顾问

不确定你的任务适合哪条路线?

说明要查询哪些资料、执行什么动作和由谁确认,先判断知识、方法与业务系统分别需要补什么。

不必先准备完整需求书。首次沟通请勿发送密码或未脱敏的敏感资料。