架构视界
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
主页
企业架构
  • 方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
数据收集与分析
  • 转型总览
  • 信息化阶段
  • 数字化解决方案
  • 智数化解决方案
  • 智能化解决方案
  • 产品设计
  • 项目管理
全栈软件工程
AI 原生软件工程
方法论
博客
  • 资源导航
  • 效率工具
  • 展示专区
  • 数字化转型

    • 数字化转型:从信息化到智能化的架构演进
    • 信息化阶段:业务上线,数据留痕
    • 数字化解决方案:业务应用跑通端到端流程
    • 智数化解决方案:业务应用 + 数据应用
    • 智能化解决方案:业务应用 + 数据应用 + AI 赋能
  • 数字化平台技术方案

    • 多业务域数字化平台技术方案
    • 架构与部署蓝图
    • 三阶段演进视角
    • 交付与治理
    • AI 赋能层设计:在既有平台上叠加

AI 赋能层设计:在既有平台上叠加

平台已经有网关、授权、服务边界与数据归属,AI 赋能层不需要另起一套系统:把模型、知识与评测接进既有架构,按场景逐步开放。

本页是多业务域数字化平台技术方案的延伸设计。方案主体属于数字化阶段(业务应用);AI 赋能层说明在同一套架构上继续叠加智能能力时需要补齐什么,对应智能化解决方案的"业务应用 + 数据应用 + AI 赋能"。

1. 落点:在既有架构的哪一层

既有层次现状叠加内容
接入网关统一入口,Web 由 Nginx 托管模型网关:统一接入、路由、限额与降级
授权统一授权中心模型权限:可访问的数据范围与可执行的操作范围
业务服务人力、办公、财务、客户、订单、仓储、物流场景助手嵌入流程节点,不另起入口
数据一服务一库,按域归属知识库与检索、反馈数据,边界按域划定
监控统一监控与消息调用日志、成本与评测指标纳入同一监控
研发研发平台与 CI/CDAI 辅助研发,见 AI 原生软件工程

叠加原则:AI 赋能层通过接口与数据服务取数,不直接跨库读写;原有服务边界与授权模型不因引入模型而放宽。

2. 场景与权限设计

  • 场景清单:制度与文档问答、流程与报表解读、客户与订单查询、工单与异常分诊;
  • 三档权限:建议(人工确认后执行)、确认(模型生成、人工核对)、自动(低风险只读);
  • 场景负责人:每个场景有业务负责人,明确使用范围、数据范围与出错处置;
  • 准入标准:没有评测口径与数据边界约定的场景不进入开发。

3. 应用侧设计

  • 助手按业务域拆分:办公、人力、客户、订单各一个入口,共用一个模型网关,不做万能助手;
  • 知识与检索:制度文档、工单、操作规程清洗入知识库,回答带出处与版本;
  • 模型服务:接入、路由、限额与降级统一管理,业务服务不直连模型厂商;
  • 评测与反馈:每个场景维护评测集,线上采纳与拒绝记录回流;
  • 权限与审计:模型可访问的数据按域授权,调用留痕可追溯。

4. 数据与知识侧设计

  • 知识资产:文档、工单、规程结构化,按业务域标注归属与更新时间;
  • 向量与索引:按场景建立检索,保留来源与版本,过期内容可下线;
  • 反馈数据:采纳、修改与拒绝的记录回流,作为评测与优化依据;
  • 数据边界:敏感数据分级,模型可用范围小于人可用范围;
  • 上下文注入:客户、订单、指标等业务上下文按最小必要原则注入。

一服务一库的边界不变:知识库与检索服务是新增的数据应用,通过数据服务或接口与业务域交互。

5. 技术侧设计

  • 模型接入层统一封装多家模型,支持路由、限额与降级;
  • 推理服务独立部署,避免模型抖动影响核心交易链路;
  • 提示与上下文版本化管理,重要场景的提示变更走评审;
  • 安全控制:密钥管理、内容过滤、越权访问检测与沙箱执行;
  • 成本可见:调用量、时延与费用纳入统一监控。

6. 评测与治理

治理项做法责任
评测集每个场景维护问题集与期望结果场景负责人 + 数据团队
回归模型与提示变更后先跑评测再上线研发
审计调用日志、数据范围与操作记录平台与安全
责任出错时能定位到数据、模型还是使用方式业务负责人

评测集与治理规则随首个场景一起交付,不后补。

7. 落地顺序

  1. 只读场景起步:制度查询、报表解读,先验证检索质量与回答出处;
  2. 确认类场景:单据草拟、异常分诊,人工确认后执行;
  3. 自动类场景:低风险、可回滚的操作逐步放开;
  4. 治理同步成型:负责人、审计、成本与安全规则随方案交付。

与平台演进的关系:初创期不引入 AI 层;成长期从只读场景试点;扩张期再把评测、审计与成本治理制度化。

8. 常见误区

  • 假设已有平台天然支持 AI:网关、授权与数据边界都需要补模型语义;
  • 每个业务域各接一家模型厂商,成本与安全失控;
  • 只做问答不做检索,回答没有出处,错误无法追溯;
  • 模型直连业务库,绕过服务边界与授权;
  • 没有评测集,上线后无法判断效果是否变差;
  • 数据边界按"技术能不能"而不是"业务该不该"划定。

继续阅读

  • 技术方案总览:平台底座、业务域范围与演进视角
  • 架构与部署蓝图:AI 赋能层所依托的分层设计
  • 智能化解决方案:AI 赋能层的通用架构方法
  • AI 原生软件工程:AI 参与研发本身的工作范式
最近更新: 2026/11/20 18:00
Contributors: 庆峰
Prev
交付与治理