AI 应用开发，先解决「可用」再谈「智能」

在客户项目里，AI 功能最常见的失败原因不是模型不够强，而是缺少可评估的标准。演示阶段的一句“看起来很聪明”，无法支撑上线后的稳定运行。

我们通常先做三件事：确认数据来源是否稳定、定义输出的可接受范围、建立一套可复现的评估样本。完成这三步之后，模型选型反而是最轻的决策。

对于知识库类场景，检索质量往往比生成质量更关键。把文档切分、召回和引用做好，用户对结果的信任度会明显提升。