Home / FAQs / AI技能、程式碼驗收與Agent部署
QUESTION & ANSWER

企業應該做AI Skill、RAG知識庫,還是工作流?

需要找到有效資料和來源時,先考慮知識治理與RAG。需要複用處理方法、模板和工具時,可以評估Skill。步驟與審批必須嚴格固定時,工作流往往更直接。三者可以配合,最終選擇取決於使用者要完成的任務,而不是技術名稱。

直接回答

先給出可以用於決策的結論

先寫出任務的輸入、輸出與確認人。員工查保修制度,重點是資料的有效版本、來源和訪問許可權;員工按制度準備處理方案,還需要判斷條件、模板與例外;需要確認後建立維修任務,則增加工作流狀態、介面授權和結果核對。Skill組織方法,不替代知識庫的資料治理,也不替代執行系統的許可權檢查。只做問答時,不必開放不必要的業務寫入。

DECISION FACTORS

判斷前需要確認哪些條件

同一個問題在不同企業、資料和專案階段下可能有不同答案。建議先核對以下條件,再把網上的通用結論代入自己的專案。

主要問題是找不到依據,還是不會按規則處理步驟是否固定,哪些判斷需要人工確認是否需要操作現有系統,以及誰能授權業務資料和方法由誰維護版本
ACTION STEPS

建議按什麼順序推進

01

先明確目標與邊界

選一項真實重複任務,列出正常、例外和停止條件。

02

驗證關鍵依賴

把事實資料、操作方法、固定狀態與系統工具分開。

03

形成可評審成果

先用脫敏樣本驗證草稿,不預設開放生產寫入。

04

用真實結果決定下一步

按檢索、方法、許可權、輸出和異常分別驗收。

PRACTICAL EXAMPLE

放到實際業務中如何理解

示例用於說明判斷方法

實施設計示例,並非客戶成果:售後員工檢視工單,檢索現行政策,Skill組織核對步驟並生成待審建議;缺少憑證時停止並要求補充;確認後由正式工單介面建立待辦。模型不能因為資料中出現某條指令就增加許可權,也不能自行把舊政策當作當前承諾。 示例不代表特定客戶業績,實際結論需要結合企業自己的業務量、樣本、系統和責任邊界驗證。

COMMON RISKS

最容易踩的坑

用一份長提示詞代替資料版本與許可權管理

規則清楚的固定審批也交給模型自由規劃

匯入未經審查的指令碼,預設允許訪問全部檔案和網路

ACCEPTANCE

最終應該怎樣驗收或確認

驗收應包括有效資料、方法版本、正常異常樣本、許可權拒絕、人工確認和目標系統記錄。更換執行平臺時,重新驗證Skill觸發、資源訪問、工具及結果。業務負責人可以維護規則模板,但指令碼、介面和憑據需要技術責任人。資料和方法都要按約定移交,讓企業能夠選擇後續維護團隊。

準備與供應商或內部團隊溝通時,建議帶上當前流程、代表性樣本、現有系統、計劃時間和預算等級。先把未知項明確標註,再決定採用診斷、PoC、固定範圍專案或持續研發,通常比直接索要一個缺少邊界的價格和工期更可靠。

你的專案條件與上面的示例不同?

可以先整理業務目標、現有系統、樣本與計劃時間,再由顧問結合實際邊界給出初步判斷。

聯絡專案顧問

不確定你的任務適合哪條路線?

說明要查詢哪些資料、執行什麼動作和由誰確認,先判斷知識、方法與業務系統分別需要補什麼。

不必先準備完整需求書。首次溝通請勿傳送密碼或未脫敏的敏感資料。