常见问题

把模型部署在本地，数据就一定不外发吗？

<p>不一定。本地部署说明模型推理与主要数据停留在客户指定环境，但仍可能存在以下外联环节：联网搜索与插件、软件与镜像更新、许可证校验、遥测、远程运维通道、日志导出、云或异地备份、第三方 API，以及移动端上传。因此我们提供 10 项部署边界核对表，逐项确认后再把方案称为“按定义私有化”。</p>

云端模型可以发什么数据？

<p>只发经过审批的最小必要内容：已脱敏、与任务直接相关的片段与提示。默认不得外发完整案卷、合同与原始个人数据；不得外发未脱敏的金融、学籍与政务数据；不得外发客户秘密、凭证与密钥；不得外发内部工具操作结果与未经批准的训练样本。外发须同时满足任务允许、字段已脱敏、客户批准、条款允许、存在退出机制五项条件。</p>

如何删除提示词和输出日志？

<p>先看记录策略再谈删除：默认敏感场景不记录提示词与输出全文，仅记录元数据与片段标识，因此删除主要是清理元数据与审计记录。若客户策略要求记录全文，则按保留期自动清理，并提供按时间范围、用户或会话维度的删除接口；删除操作本身留痕，说明删除范围、执行时间与执行人。</p>

纯私有化部署下，数据真的完全不出域吗？

是。推理、向量库、日志、备份全部在客户域内，可物理断网运行；唯一例外是验收时双方书面确认的域外调用，且全程审计留痕。

混合部署时哪些数据会上云？

由数据分级决定：敏感原文与向量留在域内，仅脱敏后的通用请求上云。分级表在方案设计阶段逐条确认。

本地知识库+外部模型模式安全吗？

该模式下原文不出域，仅向外部模型发送脱敏片段；适合数据敏感度中等、预算有限的场景。敏感级别高的场景建议纯私有化。

模型托管和自建如何选？

<p>看四项：是否需要掌握模型与权重、是否具备算力与运维能力、数据处理条款是否可接受、退出时数据能否导出与删除。要求模型与数据完全自控、负载稳定且具备运维能力的，选自建（纯私有化）；无模型自运维需求、可接受服务商版本节奏与条款约束的，选托管。托管不构成数据与合规责任转移，仍须审查账户、SLA、子处理者与跨境安排。</p>

模型托管和你们代建有什么区别？

托管是算力与模型在我们环境运行、数据主权归客户；代建是全部组件落在客户环境。两者数据边界不同，方案里会逐项对比。

可以部署在我们已有的服务器上吗？

先做一次算力适配评估：现有 GPU 型号、显存、网络与供电是否满足目标模型。不满足的给出扩容或更换建议，不硬上。

部署需要改动我们现有网络吗？

通常只需要一个隔离的 VLAN 或独立网段。涉密场景支持完全物理隔离，方案阶段出网络拓扑图供贵方信息部门评审。

向量数据库里的数据算出境吗？

向量库部署在域内则不算；任何将向量或原文同步到境外的设计都默认禁止，例外须书面授权并记录审计日志。

员工误把敏感数据发给外部 AI 怎么办？

部署方案包含出口管控：域内统一入口、敏感词拦截、外发审计。管理侧我们还提供使用规范模板与培训。

系统断网还能用吗？

纯私有化部署支持完全断网运行；混合与云端模式依赖网络，方案中会写明网络中断时的降级策略。

数据备份策略是什么？

备份位置、周期、保留期、删除证明四项在方案中写明；默认备份不出域，介质与权限由客户侧管理。

日志会记录员工提问内容吗？

会记录用于审计，但日志保存在域内、有保留期与访问权限控制，到期可出删除证明。这与外部服务的「黑箱日志」不同。

以后想换部署方式怎么办？

五种部署方式的架构是模块化设计的，迁移路径在设计阶段预留；已有知识库与微调成果可平移。

内部使用是否必须备案？

<p>备案与登记责任取决于服务是否面向公众、是否进行了训练优化、上线位置与属地要求。公开监管答复显示：调用已备案模型并进行训练优化的，也需要备案；未进行训练优化的一般无需备案，但仍需登记。该答复不能替代项目具体审查，结论应由客户法务或属地主管部门逐项目确认。</p>

等保由谁负责？

<p>等级保护以客户系统的定级、测评与整改为主线推进：客户作为系统运营者承担主体责任，测评机构出具测评结论，供应商提供技术配合、加固建议、材料与整改支持。私有化部署本身不构成等保达标结论，也不替代访问控制、数据分类分级与个人信息处理合法性。</p>

系统需要等保吗？

按贵司行业与系统定级要求评估；我们提供等保测评所需的技术材料与整改支持。

生成式 AI 备案你们代办吗？

提供备案路径咨询与材料准备支持；备案主体是服务提供方（贵司），我们配合技术文档。

员工权限怎么管理？

支持角色分级、部门隔离、按知识分区授权；权限矩阵是验收材料之一。

信创是否等于兼容所有国产芯片？

<p>不等于。信创适配取决于具体软硬件版本、模型版本与精度、框架与算子支持、驱动与容器镜像、采购主体与项目要求。可行做法是建立适配清单，逐项记录目标模型版本、算子适配层、吞吐与并发基准、故障恢复、监控与厂商支持，再按项目要求验证。</p>

有操作审计吗？

全链路审计：登录、提问、导出、管理操作均留痕，日志域内保存、可导出。

敏感词过滤有吗？

内置敏感词库与自定义词表，命中策略可配置（拦截/告警/脱敏）。

AI 生成内容有标识吗？

支持在输出中自动附加 AI 生成标识与复核提示，符合内容标识监管要求。

数据脱敏怎么做？

入库前脱敏（身份证、手机号、银行卡等模式识别）+ 展示层脱敏，规则可按行业定制。

你们自己会接触我们的数据吗？

实施期接触范围最小化并签保密协议；运维期默认不接触业务数据，远程支持需授权。

系统会被外部攻击吗？

纯私有化不暴露公网；需要外网访问的场景配 WAF、限流与访问控制，上线前做安全测试。

密码和密钥怎么管理？

密钥加密存储、支持定期轮换；管理员强制强密码与双因子认证。

离职员工权限怎么处理？

对接贵司 HR/AD 域可自动同步；手工场景提供一键禁用清单，权限回收有审计记录。

出过安全事故吗？

安全设计以「不发生事故」为目标：最小权限、默认禁止、全程审计。历史项目零重大安全事件。

开源模型是否都能商用？

<p>不能一概而论。模型仓库许可与权重许可可能分别适用不同条款，部分权重许可带有行为限制、地域限制或输出限制。做法是建立许可证台账，逐版本记录权重许可、代码许可、训练限制、商用条件、输出与蒸馏限制、署名要求、上游依赖、禁止用途、许可文本哈希与核验日期。</p>

你们推荐哪个模型？

不推荐「最好的模型」，推荐「最匹配的模型」：按场景、数据量、算力预算在候选集里做对比评测，用分数说话。

开源模型可以商用吗？

逐一看许可证：有的完全可商用，有的有用户数或营收限制，有的禁止特定用途。交付前出具许可核验清单，不合规的不进方案。

模型参数越大越好吗？

不是。7B-14B 级别经针对性微调后在垂直场景常超过通用大模型，且算力成本差一个数量级。选型报告会给对比数据。

你们自己研发模型吗？

不做基座模型研发。我们基于合规的开源/商用模型做微调与工程化，保持选型中立。

模型版本升级怎么处理？

运维期内包含版本评估：新版本出来后用同一评测集回归，确认不低于现网水平再升级，升级有回滚预案。

模型的回答能控制风格吗？

可以。通过系统提示词、微调样本与输出模板三层控制语气、格式与术语口径，验收时纳入评测项。

国产模型和国外模型怎么选？

从效果、许可、备案、算力适配四个维度对比。政企场景通常优先可备案的国产模型；具体看评测结果。

模型会「记住」我们的数据吗？

推理本身不产生记忆；微调会。所以微调样本的准入与脱敏有专门审查，评测集包含「记忆泄露」检查项。

可以同时用多个模型吗？

可以，常见做法是路由制：简单问答用小模型，复杂任务用大模型，成本与效果平衡。架构阶段设计路由策略。

模型备案是怎么回事？

面向公众提供生成式 AI 服务需按监管要求备案；纯内部使用另有口径。我们按贵司实际使用形态给出合规路径建议。

检索增强能否消除模型输出错误？

<p>不能消除，只能降低部分错误。检索增强把回答约束在检索到的片段上，可减少凭空生成的倾向，但检索召回不足、切片不当、提示设计不佳或片段本身有误时仍会出错。因此必须保留引用定位、未命中提示与人工复核点，并用可复算的指标（测试集、样本数、基线）验证效果。</p>

能否使用客户数据继续训练？

<p>只有满足三个条件才可以：许可允许训练与输出使用；客户书面授权（明确目的、数据种类、处理方式、地域、期限、成果归属与衍生模型许可）；数据来源合法并完成必要的个人信息处理。默认不将客户数据用于训练；如需使用，在合同中单列条款，并约定训练日志与中间权重的保存或删除方式。</p>

微调和知识库（RAG）有什么区别？

RAG 管「知道什么」，微调管「怎么说话、怎么做事」。事实性知识走知识库，风格、流程、格式走微调，两者常组合使用。

LoRA 与全量微调如何选择？

<p>通常先看四个条件：数据是否动态、样本量与标注质量、许可是否允许训练与输出使用、算力与时限。数据频繁变化、需要引用原文时优先检索增强；任务格式统一且样本质量可控时可考虑 LoRA 或指令微调；领域语料差异大且预算充足时才考虑继续预训练。无论哪种方式，都应先确定评测口径，再决定方法。</p>

微调需要多少数据？

指令微调通常数百到数千条高质量样本即可见效；质量比数量重要。诊断阶段会评估现有数据是否够、缺什么。

如何导出或迁移模型、知识库与向量数据？

<p>四项分别处理：模型权重的来源与许可若允许再分发，可按导出流程导出并核对哈希；知识库按结构化格式导出文档、切片与元数据；向量数据可重建（推荐以原文与切片重算，避免跨版本不兼容）或按工具导出索引；配置与日志按权限导出。导出内容与权限在项目启动时约定，项目结束时按约定返还或删除并出具记录。</p>

我们的数据质量不高能微调吗？

先做数据治理：清洗、去重、脱敏、格式化为指令对。数据治理本身是独立可验收的工作包。

微调会不会把模型「教坏」？

有这个风险，所以有评测集回归制度：每轮微调后跑通用能力+场景能力两套评测，退化则不发布。

SFT 和 LoRA 选哪个？

LoRA 成本低、可叠加、易回滚，适合大多数场景；全量 SFT 用于深度定制。选型在方案里按预算与目标给结论。

微调一次要多久？

视数据量与算力：典型 LoRA 任务数小时到两天；含数据准备与评测的完整微调工作包通常 1-3 周。

微调后的模型归谁？

归客户。权重文件、训练脚本、评测报告全部交付，这是验收材料之一。

训练过程我们能看吗？

能。训练任务、损失曲线、评测分数在训练面板可查；关键节点有评审会。

后续业务变化了要重新微调吗？

增量微调即可：补充新样本做增量训练并回归评测，不用从零开始。运维套餐含迭代次数约定。

微调数据里不能有客户隐私怎么办？

训练数据准入审查包含脱敏与最小化原则；可用合成数据增强替代真实敏感样本。

外部智能体能否直接修改业务系统？

<p>取决于权限设计与人工节点，默认不让高风险动作自动执行。做法是：工具清单与权限最小化、区分只读与写入动作、高风险动作（写库、提交、对外发送、付款、删除）必须人工审批、保留操作日志与回退路径、为失败场景设计补偿与人工接管。</p>

智能体能直接操作我们的业务系统吗？

可以，但默认「人确认后执行」：写操作前必须人工确认，确认点在方案里逐项定义。

能和现有 OA/ERP 对接吗？

主流系统有对接经验；通过 API 或数据库视图接入，只读优先，写入操作需单独授权评审。

智能体会不会乱调用工具？

工具白名单制：每个可调用的工具、参数范围、频率上限都显式配置，越界调用会被拦截并记录。

对话入口能嵌入我们自己的系统吗？

提供 Web 组件与 API 两种集成方式，可嵌入内网门户、IM 或业务系统页面。

智能体回答错了谁负责？

责任边界写进方案：AI 输出定位为辅助建议，关键动作由人确认；系统记录完整链路供审计。

支持工作流编排吗？

支持可视化编排：检索、生成、调工具、人工确认节点可组合，典型流程有模板。

能对接企业微信/钉钉吗？

支持，以机器人形式接入群聊或单聊；权限沿用知识库分区。

并发量能到多少？

取决于部署算力；架构阶段按贵司人数与峰值估算给出并发指标，验收时压测验证。

硬件报价为何不能统一？

<p>因为配置、交期、渠道、机房条件、合同主体与售后安排差异极大。同一个模型在不同精度、上下文长度、并发与冗余要求下，所需显存与节点数不同；不同供应商的库存与交期也不同。因此我们按 BOM 组织报价：先出配置与候选对比，再按供应商报价与合同条款确认，硬件费、实施费与服务费分开列示。</p>

原厂质保和服务商运维有何区别？

<p>两者责任不同：原厂负责制造缺陷、质保期限、备件与 RMA，按原厂条款与原厂流程执行；服务商负责集成、兼容性测试、部署、性能调优与一线支持。超出原厂或合同范围的特殊环境改造、数据迁移、软件适配与驻场另行约定。我们不做原厂质保兜底，也不承诺所有硬件故障的修复时限。</p>

跑私有化大模型最低要什么配置？

7B 级模型单卡 24GB 显存可起步；14B 建议 48GB；70B 级需要多卡或量化方案。按目标模型出 BOM 清单。

你们代采硬件加价吗？

不加价。硬件按 BOM 透明报价，代采服务费单列；到货双方共同验收。

国产 GPU 能用吗？

能。主流国产算力有适配经验；选型时评估框架兼容性与性能折算，给出对比数据。

机房条件不够怎么办？

硬件选型包含机房评估：供电、散热、承重、网络。不满足的给出改造建议或改用托管/云端方案。

到货后由谁验收？

<p>由客户指定验收人，服务商与供应商协助。验收内容包括：型号、序列号与数量核对；外观与通电检查；基础性能测试；GPU/NPU 压力测试；网络与存储测试；模型部署冒烟测试；监控与告警接入；备件与资产台账；培训与交接。验收标准与方式在采购前书面确认，验收记录作为付款与质保起点。</p>

显卡买消费级还是专业卡？

按可靠性要求：生产环境建议专业卡或整机（ECC、质保、稳定性）；验证环境可用消费级控制成本。

后续能扩容吗？

架构按横向扩展设计：单机→多机→集群的扩容路径在方案中预留，扩容不推倒重来。

硬件到货验收验什么？

型号、序列号、通电测试、压力测试、质保凭证五项；验收单双方签字后结算该阶段款。

能耗成本大概多少？

按 BOM 的额定功耗与负载率估算年电费，写进方案的 TCO 章节。

可以先租算力验证吗？

可以。PoC 阶段支持短租云端 GPU 验证效果，正式环境再采购，避免一次性重投入。

硬件故障怎么办？

质保期内走厂商保修；运维套餐含备件策略与故障切换预案，P1 级故障按 SLA 响应。

需要专门的运维人员守着机器吗？

不需要。监控告警由运维平台承担，客户侧只需保留一名对接人。

算力利用率怎么监控？

运维面板实时展示 GPU 利用率、显存、队列深度；月度报告含利用率分析与优化建议。

项目如何验收？

<p>按阶段验收并回归到材料：立项与保密、诊断、设计验证、PoC、生产实施、验收运维六个阶段各有完成条件；最低验收材料 17 项，包括需求与范围确认书、架构与部署边界图、数据目录与处理方式清单、模型许可证与版本台账、环境与资产清单、测试与压力报告、安全配置核查表、权限与审计策略、备份恢复演练记录、培训记录、缺陷清单、UAT 签字、验收报告、运维手册与项目总结。每项指标写明定义、测试集、样本、环境、基线、目标值与复测方式。</p>

模型输出错误由谁负责？

<p>责任按边界划分：服务商负责系统设计、实现、测试与缺陷修复，并对约定的指标口径负责；客户负责人工复核与业务判断，专业场景的输出不得作为专业意见直接使用；数据错误由数据提供方负责；环境与网络故障由客户或运营商负责。为避免争议，实施前应约定人工复核点、留痕要求与缺陷分级标准。</p>

没有客户案例时如何证明能力？

<p>用明确标识的能力示例证明方法，而不是制造客户背书。能力示例统一标注“能力示例（非客户案例，数据为示例或已脱敏）”，展示虚构文件、字段、测试结果与人工复核记录，并在材料首页与页脚注明“本材料用于说明方法、流程和交付物，不构成客户案例，不保证在任一客户环境中取得相同结果”。有授权案例与能力示例属于不同证据层级，不能相互替代。</p>

17 项验收材料都是什么？

含需求确认书、架构方案、数据边界清单、许可核验、评测报告、训练记录、部署清单、权限矩阵、运维手册等，签约前可索取完整清单模板。

验收不通过怎么办？

按验收单逐项整改，复测通过前不触发该阶段付款；连续不达标有退出条款保障客户。

模型升级是否影响业务？

<p>可能有影响，需要在变更流程里处理。模型或组件升级可能改变输出风格、引用行为与接口兼容性，因此我们按变更管理执行：升级前提供变更说明与影响范围、在测试环境做回归测试、保留前一版本与回滚包、约定变更窗口与业务确认方；涉及许可或版本限制变化的，同步更新许可证台账。</p>

验收标准谁定？

双方在设计阶段共同定：评测集、指标阈值、验收流程写进合同附件，不是交付时单方宣布。

交付物包含源代码吗？

包含：部署脚本、微调代码、集成组件源码与文档全部交付，不做技术锁定。

项目过程中我们能参与多深？

建议指定业务对接人与数据负责人参加周会与关键评审；深度可按贵司意愿调整。

上线后有培训吗？

有：管理员培训（配置、权限、知识库维护）与使用者培训（提问方法、边界规范），含培训材料。

交付周期能保证吗？

每阶段有退出条件与时间范围；因我方原因延期的违约责任写进合同。

验收评测集谁出？

双方共同构建：贵司出真实业务题目，我们补充边界与对抗样例，共同确认后冻结。

项目文档用什么语言？

中文为主，技术附录含必要英文术语；全部文档随阶段交付并归档。

验收后发现问题还能找你们吗？

质保期内免费修复；之后按运维套餐覆盖。问题分级响应时限见 SLA。

第一次沟通需要准备什么？

不用准备材料。30 分钟需求访谈里我们问清楚四件事：业务场景、数据类型与敏感度、现有系统、预算区间。会后 3 个工作日内给出书面方案与报价区间。

从咨询到上线一般要多久？

按六阶段工序：诊断 1-2 周、设计 1-2 周、环境建设 2-6 周、能力构建 2-8 周、验收 1-2 周。典型中型项目 8-16 周，验收后进入持续运维。

可以先做一个小范围试点吗？

可以，也是我们建议的方式。选一个边界清晰的场景做 PoC（通常 2-4 周），用双方确认的评测集验收效果，达标后再签整体方案。

你们和卖模型 License 的厂商有什么区别？

我们卖的是「可验收的工程能力」而不是模型本身：模型选型中立，许可合规核验，交付物、验收标准、责任边界逐条写进合同。

没有 AI 团队的组织能做私有化大模型吗？

能。六阶段里我们承担全部技术工作，客户侧只需要业务对接人和数据负责人；运维阶段按 SLA 由我们值守。

已经有通用大模型账号，还需要私有化吗？

取决于数据边界：如果业务数据不能出域、回答需要溯源、权限需要分级，公有云服务无法满足，就需要私有化或混合部署。

需求访谈是收费的吗？

首次 30 分钟需求访谈免费。深度诊断（含数据盘点、现场调研）作为阶段 1 工作包收费，费用在签约时计入项目总价。

方案书里会包含什么？

架构图、模型与算力选型及理由、数据边界逐条说明、验收标准与评测集口径、报价四类拆分、风险与退出条件。

我们不确认自己的数据能不能用，怎么办？

阶段 1 的诊断包含数据分级盘点：哪些可用、哪些需脱敏、哪些禁止入模，逐项给出结论，这是后续所有设计的前提。

可以只买咨询不买实施吗？

可以。八项能力按 BOM 条目拆分，咨询诊断可单独采购，交付诊断报告与路线图，后续实施不做强制绑定。

签约前能看到验收标准吗？

能。17 项验收材料清单与评测口径在签约前提供，作为合同附件；验收标准不后补。

有没有行业之外的场景能做？

首页列出六个行业是因为有成熟场景模板；其他行业按同一套工程方法评估，诊断阶段会明确可行性与边界。

知识库的回答能标注出处吗？

能，且这是默认验收项：每条回答附原文段落锚点，点击可回溯到源文档位置。

文档更新了知识库怎么同步？

支持全量重建与增量更新；增量按文档版本自动入库，管理后台可手动触发或定时同步。

扫描件 PDF 能进知识库吗？

能，先 OCR 再做版面解析；扫描质量差的文档会标记出来由人工确认，不静默入库错误内容。

知识库检索不到时会怎样？

按设定的拒答策略处理：明确告知「知识库未覆盖」并给出转人工入口，不编造答案。

支持哪些文档格式？

Word、PDF、Excel、PPT、Markdown、HTML、纯文本及主流扫描件；特殊格式在诊断阶段确认。

知识库容量有限制吗？

技术上按向量规模扩容；十万级文档是常规配置。容量规划在架构设计里给出。

不同部门能看到不同的知识吗？

支持按部门/角色做知识分区与权限隔离，检索时自动按身份过滤。

表格和图纸里的信息能检索吗？

表格结构化入库可检索；图纸需先做信息抽取，可行性在诊断阶段评估。

知识库问答的准确率怎么保证？

三层：入库前清洗与切块策略、检索时重排序、回答时引用约束。验收用双方确认的评测集测命中率与忠实度。

旧系统里的数据能迁过来吗？

常见系统（OA/文档库/网盘）有迁移连接器；自研系统提供 API 或导出文件均可接入。

报价是怎么构成的？

四类拆分：咨询服务费、软件与实施费、硬件与算力费、运维与优化费。每一类下列工作包，拒绝一口价黑盒。

付款节点怎么安排？

与六阶段绑定：10%/20%/20%/25%/15%/10%，合计 100%；每期付款对应一个可验收的交付物。

自助估价器的结果准吗？

估价器按 17 项变量出区间，用于预算初判；正式报价以需求访谈后的方案为准，区间通常收敛在估价范围内。

有没有隐藏费用？

没有。报价单列明所有费用项与排除项；可能产生的第三方费用（如商用模型许可费）单独标注。

可以分期或按年付吗？

项目款按阶段节点支付；运维费按年订阅。特殊付款安排可在商务条款中约定。

硬件价格和京东/淘宝比怎么样？

代采不加价，报价附市场行情对照；客户也可自采，我们提供选型清单与验收标准。

中途需求变了怎么算钱？

走变更单流程：评估工作量、双方签字、调整报价与工期；不变更口头承诺。

发票怎么开？

按合同主体开具增值税专用发票或普通发票，税率与类目在商务条款中写明。

预算只有几十万能做吗？

能起步：小模型+单场景+知识库的轻量方案在该量级内；方案阶段会按预算倒推范围，不超支设计。

为什么你们比某些报价贵/便宜？

报价差异通常在范围与验收口径：我们把验收材料、评测、运维责任都写进合同，这些都有成本。可比的是同口径总价。

SLA 分几级？

P1（服务不可用/数据泄露）立即响应；P2（核心功能受损）限时响应；P3（一般问题）工作时间响应。具体时限见 SLA 页。

半夜出问题有人管吗？

P1 级 7×24 响应；P2/P3 按服务时间窗口。告警自动触达值守工程师。

运维包含哪些内容？

监控值守、安全补丁、模型与知识库更新、容量管理、月度报告；效果迭代次数按套餐约定。

运维费一年大概多少？

按系统规模与 SLA 级别阶梯定价，报价阶段给出明确数字；可按年续签。

响应超时有什么赔偿？

SLA 写明赔偿上限与计算方式（通常按服务费比例抵扣），承诺可验证、违约有代价。

可以只做一次部署、不要运维吗？

可以，但建议至少保留基础保障：大模型系统需要持续更新知识库与安全补丁。

你们远程运维需要开什么权限？

远程授权按需开启、限时有效、全程录屏审计；默认不开长期通道。

系统出故障多久能恢复？

恢复时限按 SLA 分级写明；架构设计含单点故障预案，关键组件可冗余。

月度运维报告有什么内容？

可用性、响应记录、资源利用率、知识库更新量、优化建议与下月计划。

合同到期不续费系统还能用吗？

能。系统与数据全部在贵司环境，不续费不影响使用，只是失去运维保障。

怎么证明 AI 真的好用？

用评测集说话：贵司真实业务题目 + 基线对照 + 指标阈值，验收时现场跑分，不看演示效果。

准确率能达到多少？

不承诺拍脑袋数字。评测指标（命中率、忠实度、可用率）在方案里定口径，验收以实测为准。

回答幻觉怎么控制？

四层：知识库引用约束、拒答策略、置信度提示、人工复核点。幻觉率纳入评测集监控。

评测集会不会被「应试」？

评测集双方共同冻结并保留隐藏测试集；验收后可定期用新样本抽检。

上线后效果会退化吗？

知识和模型都可能过期，所以运维含定期回归评测；指标低于阈值触发优化流程。

和 ChatGPT 比怎么样？

通用聊天不比；在贵司私有数据与垂直流程上，私有化方案的回答可溯源、权限可控，这是公有服务做不到的。