01 / AI SERVICES
三条服务路径。
同一个目标：AI 参与实际任务。
服务可以单独开展，也可以按项目衔接。先明确这次要让 AI 完成什么，再组织模型、算力与集成工作。
AI 深度集成与应用适配
围绕已有业务系统，把模型能力嵌入具体流程：知识问答、内容生成、文档处理与状态判断。先确认接口与数据条件，再定义 AI 参与环节与人工确认点。
- 需求梳理与接入点评估（现有系统、数据、人员流程）
- 检索增强问答（RAG）配置与效果调优
- Agent 工作流搭建（任务拆分、节点流转、人工确认）
- 界面集成（Web 系统、小程序、企业微信）
适用条件：已有系统或明确业务流程，可提供测试数据。不承诺未经真实数据验证的效果；AI 输出作为建议呈现，关键节点由人员确认。
AI 计算设备选配
按模型规模、并发量与延迟要求，选择边缘计算盒、本地 GPU 工作站或云端算力。核对供电、散热与网络条件，不做超出实际负载的配置。
- 负载评估（模型规模、并发量、延迟要求、预算）
- 设备选型（边缘计算盒 / GPU 工作站 / 云端 API）
- 环境核对（供电、散热、网络、安装空间）
- 到货测试（推理速度、稳定性、满载运行）
适用条件：明确要运行的模型与同时使用人数。设备来源、品牌、型号在方案中列明；不默认包含后续耗材与维保。
模型部署与系统对接
把选定模型部署到指定环境，对接现有系统的数据接口与账号体系。本地与云端模型可统一路由，先验证连通与效果，再进入日常使用。
- 部署实施（本地 / 私有服务器 / 云端）
- 接口对接（数据接口、账号体系、权限管理）
- 多模型路由（本地与云端统一调度、降级策略）
- 运行监控与日志（调用记录、异常告警）
适用条件：已确定模型，或接受选型建议；明确数据存放位置。涉及敏感数据的环节，先确认部署位置、访问权限与日志范围。
COMBINATIONS
服务如何组合，
取决于你从哪里开始。
三种常见组合方式，按现有条件选择，不必一次建设整套系统。
先集成，再扩展
用一个部门的文档做 RAG 问答验证效果，确认答案质量与使用方式后，再扩展到工作流与更多系统。
适合：已有明确业务场景先算力，后对接
先选配设备把本地模型跑通，验证速度与成本，再将推理能力对接到业务系统与人员界面。
适合：数据敏感、要求本地运行直接部署对接
模型已确定，直接进入部署与接口打通。先小范围试运行，稳定后再扩大使用范围。
适合：已有模型与技术基础QUESTIONS BEFORE WE BUILD
合作前，先说清楚。
没有现成系统，可以从 AI 开始吗？
可以。先明确要完成的任务和验收方式，再判断需要软件、设备还是工程服务。没有历史数据也能开始，但需要准备测试用的样本资料。
模型效果能保证吗？
不做泛化承诺。先用你的真实数据验证，把可达到的效果、失败案例和处理方式写进方案。验证不通过的项目，会如实说明原因。
数据必须放到云端吗？
不必须。可按数据敏感程度选择本地部署、私有服务器或云端 API。涉及敏感数据的环节，先确认部署位置、访问权限与日志范围。
如何确定报价和周期？
先确认任务范围、数据量、接口条件与验收标准，再估算开发、部署与测试工作。技术不确定的部分安排单独验证，验证费用在方案中列明。