一、四项底座能力决定能搭什么

先看清楚手里有什么。第一项是对话能力：模型能理解自然语言的提问，多轮交流中记住上下文，给出连贯回答。第二项是检索能力：把内部文档组织成可检索的形态，让模型回答时能引用真实材料而不是凭印象作答。第三项是生成能力：按指定格式与风格产出文字，摘要、改写、扩写、翻译都属此类。第四项是工具调用能力：模型判断意图后触发外部动作，查一次数据、建一张工单、发一条通知。四项能力的组合空间决定了应用边界：只有第一项，能做通用问答；一加二，能做企业知识库；一加三，能做文档生产线；四项齐备，能做自动化的业务助手。盘点能力时按这个框架过一遍，手里缺什么、能搭什么，一目了然。很多项目的挫败感来自能力与预期的错位：只有对话能力就想做知识问答，回答里全是编造内容，问题不在模型，在缺了检索这一层。

二、知识问答：先把材料治理好

这是企业落地比例颇高的一类，场景从制度查询、产品答疑到客服辅助都有。它的做法是先检索后作答：先从资料库里找出相关段落，再把段落连同问题一起交给模型，让它按材料回答。搭建的工作量大头不在模型，在材料治理。第一步是收集与筛选：把制度文件、产品手册、历史答疑收拢，剔除过期版本——这一步不做，回答会新旧混杂，比没有知识库更误导人。第二步是切分：长文档切成适合检索的段落，切得太碎丢失上下文，切得太粗检索不准，需要按文档结构来，标题层级、条款编号都是天然的切分依据。第三步是更新机制：文件修订后知识库要跟着更新，宜在制度发布流程里加一个环节，改了文件就同步入库。验收这类应用有三条硬标准：回答是否引用了具体出处、引用是否真实存在、过期内容是否还会出现。三条达标，用户才敢把它当工具用；做不到溯源，用户试两次就不再信任。还有一条经验：优先收录那些被反复询问的材料，覆盖率不必贪全，高频问题占日常提问的大头，先把这一块做准，效果立竿见影。

三、文档处理：从读不完到看得快

第二类高落地率的场景是文档生产线。常见的活分四种。摘要是把长材料压成短要点，会议纪要、研报速读、合同要点提取都在此列。改写是把已有的文字调整成另一种形态：口语转正式、长文转简报、一份材料适配不同受众。审校是找问题：错别字、口径不一致、前后矛盾、与模板不符的地方，模型逐条标出，人来终审。结构化抽取是把非格式化文字变成字段：从合同里抽金额与期限，从简历里抽经历与技能，从工单里抽问题类别与紧急程度。四类活里，抽取与审校的价值密度较高，因为它们直接替代人工核对，且结果容易验收。排期上建议从这两类起步：见效直观、验收简单，容易积累内部信任，之后再推动摘要与改写这类更依赖主观判断的环节。搭建要点有二：一是把输出格式定死，让模型按固定结构返回，下游系统才能自动接住；二是设人工复核环节，重要的产出先由模型打草稿、人签发，跑稳了再逐步放权。这两点做到位，文档生产线就能从单点试验扩展到日常运转。

四、数据问答：让查数这件事变简单

第三类场景面向经营与管理：用自然语言问数。销售这季度怎么样、哪个区域下滑了、库存周转多少天，过去要等报表或找人写查询，现在直接问。它的实现路径是把问题转成结构化查询，执行后把结果连同解读一起返回。搭建的关键不在转换本身，而在口径治理。同一个词在不同部门含义不同：什么叫活跃用户、退货算不算销量、按成交时间还是按支付时间统计。口径不统一，模型转出来的查询各说各话，数字对不上，用户很快失去信任。所以这类项目的第一步往往不是接模型，而是梳理指标字典：把常用指标的定义、计算口径、数据来源写成一份人人可查的文档，再让模型按字典行事。另一条经验是分层开放：先开放只读的汇总查询，跑稳之后再开放明细与趋势分析，权限跟着成熟度走，出现口径争议时也好定位是哪一层的问题。数据问答做好了，溢出价值不小：口径文档本身就是数据治理的成果，后续无论换什么工具都用得上。

五、智能体：把模型嵌进流程

第四类场景是多步骤的自动化：模型理解意图后，按计划调用多个工具，完成一件完整的事。典型形态如：员工说一句要报销，助手核对票据、填单、提交审批；客服接到咨询，助手查订单、判断问题类别、能解决的直接处理、不能解决的转人工并附上摘要。搭建这类应用，核心工作在流程设计与边界控制。流程设计是把一件事拆成清晰的步骤，每一步的输入输出、成功失败的处理方式都要定义。边界控制是给模型划权限：能调哪些接口、能操作哪些数据、涉及资金与删除类动作必须人工确认，这些红线写进系统而不是写在提示里。另一个重要设计是兜底：模型拿不准时要能主动转人工，而不是硬着头皮做。建议给每个智能体建一本动作台账：它执行过哪些操作、成功率多少、哪些被人工拦下，这本台账既是优化的依据，也是向管理层说明风险范围的材料。智能体的价值在省下的协调时间，风险在错误动作的代价，所以宁可范围小一点、确认多一点，先在低风险流程里跑出信誉，再往关键流程延伸。

六、四类场景共用的搭建思路

把四类放在一起看，有几条通用的方法论。第一条，从小切口起步：选一个频次高、容错空间大、效果可验证的场景先跑，别一上来就做全公司级的助手。第二条，材料与口径先于模型：知识问答先治文档，数据问答先定口径，模型只是加工环节，原料不行产物就好不了。第三条，模型分层使用：简单任务用小模型，复杂推理才上大模型，按任务难度路由，成本能省下一大截。第四条，人在环里：所有面向外部的产出，初期都要人工把关，把模型当成高效的初稿生成器，而不是拍板的人。第五条，验收先行：项目动手前先定好怎么衡量好坏，回答准确率、任务完成率、人工修改比例，三个数字能算清楚，项目才算立住了。这五条不涉及具体技术，却决定了同类项目为什么有的三个月上线、有的半年还在原地。

七、从想法到上线的推进次序

给一份可照做的次序。第一步，选场景并写清目标：解决谁的问题、现在的做法是什么、做到什么算成功。第二步，盘点材料与数据：有哪些资料、口径是否统一、权限在谁手里，缺的先补。第三步，搭轻量可用版本：只做主流程，界面可以简陋，先把效果验出来。第四步，小范围试用：找十几个真实用户用两三周，收集两类反馈——回答不对的地方、以及用户实际想问却不敢问的地方。第五步，迭代与扩面：按反馈修材料、调口径、补功能，再扩大试用范围。第六步，固化运维：材料更新机制、监控告警、用户反馈渠道要常设，应用上线只是开始，材料不过期、口径不漂移，信任才能维持。整个周期里，第三步到第五步通常要往返几轮，这是正常节奏，别把它当成项目失控的信号。

结语

这类环境能搭什么，取决于四项底座能力的组合：对话、检索、生成、工具调用。组合出的四类主场景各有重心——知识问答的重心在材料治理与溯源，文档生产的重心在输出格式与人工复核，数据问答的重心在口径统一与分层开放，智能体的重心在流程设计与权限边界。通用的搭建思路是五条：小切口起步、材料口径先行、模型分层使用、人在环里把关、验收标准先行。按目标、盘点、轻量版本、试用、迭代、固化六步推进，多数应用都能在两三个月内见到真实效果。落地的分水岭不在模型多先进，而在材料、口径与边界这三件朴素的事有没有做扎实。