企业AI平台 · 技术架构
设计逻辑
1系统接进来→
2数据管起来→
3模型调动好→
4场景落地→
5统一交互
L5AI中台 · 交互入口
统一登录与鉴权，一套任务状态全端同步——三个入口覆盖「专门干、派活干、聊天干」
Web 工作台专门干
主阵地——问一句、看待办、走流程、做确认都在这里；数据与知识的治理配置入口也在这里
多轮问答运行态看板工作流与技能任务流水
IM 协同（钉钉 / 企微 / 飞书）聊天干
顺手触发——不切系统、不装新 App，群里 @ 一下就办事；确认卡片在聊天里点完直接回写系统，跑完的结果自动播报回群
@即办事群内问答卡片内确认感知识别
千问办公（桌面端 / 网页端）派活干
个人 AI 工作客户端——把一件事整包交给 AI：对话派活、多步执行、直接出交付物
对话派活交付物直出定时与批处理连接器带权限
指令下行 · 用户请求与任务发起实时
数据上行 · 场景结果与会话响应实时
L4AI场景层
面向岗位的价值出口——每类下面挂可落地的具体场景，目标可验、效果可量
感知识别认得出
目标图像、单据、语音从「人工看图、手工录入」升级为「机器先认、人工复核」
图像质检单据识别语音转写行为识别
图像与单据不用再人工逐张录入，判定标准前后一致；复核结论回流成新样本，模型越用越准
样本标注训练小模型上线推理置信度分流复核结果回流
由模型生产环节完成样本整理、标注、训练与调优，将识别与判定小模型部署上线，通过标准接口供业务系统调用；高置信度结果直接入账，低置信度自动分流给人工复核；复核结论回流为新样本，模型定期重训、精度持续提升。现场用手机拍照或扫码即可发起，不必回到电脑前；识别结果连同原始图像、单据一并归档并进入业务数据整合层，供业务计算与监控预警直接取用——它是平台把物理世界认进来的入口。
经验沉淀存得下
目标老师傅的经验从「在个人脑子里、随人离职带走」升级为「萃取成文、入库可问、可传承」
经验萃取案例复盘带教档案新人教练
别类是消耗，这一类是积累——经验从个人脑子里搬进企业知识库，人走了经验留下来
过程信息捕获结构化提炼专家审核定版回灌检索问答
从沟通记录、审批过程、会议记录、现场操作中自动捕获过程信息，由模型按「场景—做法—结果—注意事项」结构化提炼成经验条目；提炼结果经业务专家审核、补充、定版后写入向量知识库与关系图谱，成为问答与应答可检索的内容，新人提问即得老员工经验，疑难案例自动关联相似复盘。与其他类的回流关系：文本生产沉淀为模板偏好、流程自动化沉淀为技能、感知识别沉淀为样本、对外应答沉淀为服务记录——四类在用中不断回灌，这一类负责把它们显性化、可传承。
业务计算算得清
目标成本、薪酬、排产从「月末事后核算、人工统计」升级为「过程中实时算、自动出表」
实时成本自动算薪排产计算费用归集
规则跑在数据上，账随业务走；月结三天的活变成随时算、随时查，每一笔都说得清怎么算的
计算规则建模多源数据归集小模型修正重算明细可下钻
把企业的计算规则显性化建模（计价方式、分摊逻辑、计薪规则、产能约束），由任务编排按批次、按期间自动归集各系统数据并执行计算；对连续生产造成的批次边界模糊、事后补录造成的数据修订，由模型生产环节训练的小模型做时间窗分摊与自动重算；结果按产品、批次、客户、时间多维呈现，可下钻至工单与物料消耗明细——算得清，也说得清是怎么算出来的。与决策优化的分工：条件给定、算得出唯一结果的归这里；要在多个可行方案里挑一个的归决策优化。
流程自动化跑得通
目标重复性工作从「人肉盯、手工做」升级为「技能自动跑、异常找人」
信息跟踪自动填单审批流转结果回写
重复工作交给技能自动跑，人只管拿不准的环节；岗位经验沉淀为企业资产，人走了经验留下来
重复工作编排自主规划执行异常暂停确认技能复用迭代
岗位技能引擎把信息跟踪、自动填单、审批流转、结果回写等重复工作编排为岗位专属技能；任务编排负责任务拆解与逐步执行，调用数据与工具完成动作，并把结果回写到原系统；遇到拿不准的情况自动暂停并找人确认，不做没把握的事；执行全程留痕，技能可复用、可迭代，成为随企业成长的能力资产。
文本生产与把关写与审
目标文档工作从「人工凑数熬夜写、逐条核」升级为「系统出初稿、风险先标出」
报告生成定期出表文档审查方案标书
报告与报表按时出，风险条款先标出来；人只做判断与修改，每条结论都能点开看到依据
模板拆解取数条款自动比对硬性规则检查初稿人工把关
生成侧，任务编排按模板把「取数—分析—成文」拆成步骤自动执行，报表按格式定时生成并推送给订阅人；记忆模块带入上期结论，保持口径与叙事延续；初稿由人修改确认后才对外发送，修改偏好沉淀为模板、越用越贴近习惯。审查侧，文件上传后自动与知识库中的标准条款、历史版本比对，规则引擎先跑硬性检查（期限、金额、必备条款），检索增强再找相似案例与风险点，输出问题清单与修改建议，每条可点开看依据，结论全程留痕。
问答与应答问得到
目标知识与数据从「散落各处、提需求等报表」升级为「一问即答、条条有出处」
智能问答智能问数客服应答自助查单
对内问得到，对外答得上——一套能力、两套权限，答案条条有出处，口径不再各说各话
混合检索召回自然语言转查询来源与口径标注内外知识库分区
覆盖制度、工艺、合同、体系文件等知识与各系统业务数据。提问后先经模型路由选择理解与生成模型：知识类问题走检索增强，按语义与关键词混合召回最相关片段，答案标注来源文档与章节；数据类问题转成查询语句，由规则与校验引擎统一指标口径，避免「同一个词、两个数」，结果以表格或图表当场返回。对外应答用独立分区的对外知识库（产品资料、政策、话术、常见问题），与内部知识严格隔离，接入客户身份后按权限应答订单、发货与对账进度，遇到答不了或涉及投诉、报价等敏感场景自动转人工并带上上下文。记忆与上下文模块保留多轮追问语境；对内问答、取数与对外服务记录全程留痕。
决策优化选得准
目标报价、库存、供应商比选从「凭经验拍」升级为「方案先算一遍、给出推荐与依据」
报价测算库存策略信用额度采购比选
决策有备选、有量化依据；方案先算一遍再挑一个，影响面提前看清，最终取舍仍由人来定
约束与目标建模多方案寻优影响面测算建议附依据
先把决策的约束条件（产能、交期、资金、客户等级）与目标（毛利、周转、风险）显性化，由模型生产环节的预测与优化模型跑多方案寻优，给出推荐排序；关系数据图谱测算每个方案的影响面——波及哪些客户、订单、产线与供应商；结果以「方案对比 + 推荐理由 + 风险提示」呈现，人做最终取舍，决策过程留痕可复盘。与业务计算的分工：这里专管「有多个可行解、要挑一个」的场合；算得出确定结果的归业务计算。落地门槛也更高，通常在数据与图谱就绪之后再上。
监控预警看得住
目标经营管理从「事后翻报表找原因」升级为「偏离即提醒、影响面先算清」
经营预警指标异常设备异常交付风险
问题当天发现、处置有人跟踪，偏离立刻找到责任人；影响面先算清，不再事后翻报表找原因
指标实时聚合多级阈值判定影响面分析派单跟踪闭环
业务数据整合层实时聚合关键经营与生产指标，规则与校验引擎按静态阈值、动态控制线、趋势变化多级判定；需要预测类判断的（如成本走势、异常识别），由模型生产环节训练的小模型上线提供；关系数据图谱做影响面分析——某项变动波及哪些客户、订单、产线，一张图看全；预警自动推送责任人并跟踪处置，形成「发现—定位—处置—关闭」闭环。与决策优化的区别：这里是持续监测、被动触发；那里是一次性求解、主动发起。
指令下行 · 场景任务与执行请求实时
数据上行 · 分析结果与生成内容秒级
L3AI 能力层 · 千问办公 & 千问云
平台的核心引擎——把模型、知识、数据组织成可被所有场景复用的能力，互不绑定、按需组合
模型生产
小模型的开发、训练调优、部署上线与接口调用，全流程自持
模型路由
按任务特征选择合适的模型，能力与成本兼顾；模型可插拔替换
记忆与上下文
记住对话语境与企业背景，多轮交互口径一致
任务编排
把一个目标拆成步骤，调度数据与工具逐步执行，异常自动处理
岗位技能引擎
按岗位沉淀技能资产，重复工作一键执行、持续迭代
检索增强（RAG）
先检索、后生成，答案基于企业自己的知识与数据
图谱推理
基于实体关系做多跳推理，回答「牵一发动全身」的问题
规则与校验
统一指标口径、硬性规则检查与异常校验，守住准确底线
指令下行 · 任务执行与数据写回受控
数据上行 · 知识检索与数据查询实时
数据回流 · 执行结果沉淀为知识与数据↺
L2数据中台 · 数据与知识
统一治理多源数据——所有场景的数据与知识从这里按需供给，避免点对点接口越铺越乱
主数据治理
客户、物料、供应商统一编码，一处维护、多处分发
企业上下文
沟通、审批、会议记录沉淀为业务背景，问答有语境
向量知识库
制度、工艺、合同等文档解析向量化，支撑检索问答
时序数据
设备测点、能耗、行情等按时间成列，支撑阈值与趋势判定
业务数据整合
各系统单据与指标统一口径，形成一致的业务视图
关系数据图谱
客户—订单—批次—产线等实体关系成网，支撑关联分析
以标准接口对接各业务系统，按数据特征分域治理：结构化业务单据跨系统关联形成统一查询视图；主数据统一编码与版本管理；非结构化文档解析、切分、向量化入库；设备测点、能耗、行情点位与指标快照等时序数据按精度分层降采样、按策略滚动留存，支撑阈值判定与趋势归因；协同沟通与审批信息沉淀为企业上下文；关键实体与关系构建图谱。语义层统一指标口径——一词一义，同义词、计算式、归属人集中定版，AI 问数一律以口径字典计算，杜绝「同一个词、两个数」。统一实施数据分级分类，采用角色 + 属性混合授权——角色划定业务域访问边界，属性（部门、产品线、区域等）实现域内细粒度控制；权限按「角色 × 数据域」配置可见 / 脱敏 / 不可见三态，AI 检索前先鉴权，越权访问一律拦截并留痕，辅以全链路操作审计。AI 执行结果经人确认采纳后回流沉淀为知识与数据，保留回滚窗口、可撤销并记为负反馈，实现「一次采集、统一治理、先鉴权、统一口径、人机确认闭环、多场景复用」。
指令下行 · 主数据分发与指令下达批次
数据上行 · 单据 / 事件 / 文档汇聚分钟级
L1系统对接层
不替换企业既有系统——把数据「接进来」，把结果「送回去」，存量投资全部保留
ERP（经营 / 财务 / 供应链）
订单、凭证、成本、回款等核心经营数据源头
MES（生产执行）
排产、批次、工时产量、质检结果（制造类企业）
OA / HR（协同办公）
审批流、消息、考勤与制度文档
CRM（客户经营）
线索、商机、合同与客户往来记录
数据仓库 / 指标平台（既有数据资产）
已加工宽表与统一口径，AI 取数不重算、不打架
IoT / 设备（如具备）
设备运行与在线监测数据，按需接入
标准接口对接
单据 / 凭证同步
审批与消息回调
外部数据接入
主数据分发
文件与附件归集
设备数据上报
数据上行流（系统 → 数据 → 能力 → 场景）
指令下行流（场景 → 能力 → 数据 → 系统）
AI数据回流（执行结果沉淀回知识与数据）↺