架构视界架构视界
  • 架构蓝图总览
  • 业务架构
  • 应用架构
  • 数据架构
  • 技术架构
  • 架构治理
  • 转型规划总览
  • 现状与路径
  • 信息化
  • 数字化
  • 智数化
  • 智能化
  • 平台架构总览
  • 架构蓝图
  • 规模与取舍
  • 交付与治理
  • AI 赋能
  • 场景方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
  • 行业方案总览
  • 项目管理总览
  • 管理框架
  • 研发工程总览
  • 需求与设计
  • 研发工程
  • 测试工程
  • 运维工程
  • AI 原生
  • 数据收集与分析总览
  • 数据收集
  • 数据清洗
  • 数据可视化
  • 数据分析
  • 数据报告
  • 博客与报告总览
  • 报告专题
  • 标签索引
  • 站点地图
  • 架构蓝图总览
  • 业务架构
  • 应用架构
  • 数据架构
  • 技术架构
  • 架构治理
  • 转型规划总览
  • 现状与路径
  • 信息化
  • 数字化
  • 智数化
  • 智能化
  • 平台架构总览
  • 架构蓝图
  • 规模与取舍
  • 交付与治理
  • AI 赋能
  • 场景方案总览
  • 业财一体
  • 企业中台
  • 组织与绩效
  • 流程治理
  • 行业方案总览
  • 项目管理总览
  • 管理框架
  • 研发工程总览
  • 需求与设计
  • 研发工程
  • 测试工程
  • 运维工程
  • AI 原生
  • 数据收集与分析总览
  • 数据收集
  • 数据清洗
  • 数据可视化
  • 数据分析
  • 数据报告
  • 博客与报告总览
  • 报告专题
  • 标签索引
  • 站点地图
  • 平台架构总览
  • 架构与部署蓝图
  • 规模与取舍
  • 交付与治理
  • AI 赋能层

AI 赋能层:叠加在既有平台上

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。

本页是平台架构规划的延伸设计:在既有网关、授权与数据归属之上叠加 AI 赋能层,不另建一套平行系统。

方法与模型:用场景—能力矩阵匹配模型与业务,用 RAG 分层(检索、重排、生成)设计知识链路,用评测集、灰度与回退策略控制模型上线风险。

落点:叠加在既有架构的哪几层

既有层次叠加内容
接入模型网关:统一接入、路由、限额与降级
授权模型权限:可访问的数据范围与可执行的操作范围
业务服务场景助手嵌入流程节点,不另起入口
数据知识库与检索、反馈数据,边界按业务域划定
监控与研发调用日志、成本与评测指标纳入同一监控;研发侧按同一套评测口径回归

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。

场景与权限:先限定能做什么

  • 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)。
  • 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;每个场景有业务负责人。

复用平台,不另起一套

维度设计要点
应用助手按业务域拆分,共用一个模型网关;知识与检索回答带出处与版本;业务服务不直连模型厂商
数据文档、工单、规程结构化入知识库;按场景建检索并保留来源;反馈数据回流;模型可用范围小于人可用范围
技术多模型接入层支持路由、限额与降级;推理服务独立部署;提示版本化;密钥、内容过滤、越权检测与成本监控

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。

没有评测口径的场景不开发

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。

落地顺序:先只读,再确认,后自动

  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;评测、审计与成本治理同步交付。

公开边界

本页只写 AI 赋能层的公开设计,不包含模型供应商合同、内部数据与调用凭据。

最近更新: 2026/11/22 21:15
Contributors: 庆峰
Prev
交付与治理