把散落的 AI 能力，织成一张随手可用的网

优先选「每天发生 ≥ 50 次、单次耗时 ≥ 3 分钟、答错代价可控」的任务，例如工单归类、文档问答、数据字典生成。

• 基线要能测：先记录当前人工处理的平均耗时与正确率，作为对照。
• 避坑：别把「跨 5 个系统的高风险审批」当第一个场景，链路越长越容易卡住。

为每个来源定义一份契约：字段、更新频率、权限范围。接入后先跑 dry-run，比对 200 条样本的字段映射是否正确。

• 密钥统一托管，禁止写进前端或代码仓库。
• 敏感字段默认脱敏后再入检索库，保留可追溯的映射表。

按「检索 → 生成 → 校验」三段式编排。校验环节至少有 1 条硬规则，例如金额、编号必须与源数据一致。

• 提示词版本化，每次变更记录 diff，可一键回滚。
• 超时阈值建议 8 秒，超时自动降级到模板回复并标记人工复核。

同时观察采纳率、人工修正率、平均响应时长。采纳率低于 60 % 先别扩量，回到 STEP 03 调整检索范围。

• 设一个止损线：错误率连续 2 小时高于 3 %，自动回滚上一版本。
• 收集真实反馈，每周整理 20 条典型 bad case 作为优化池。

把已验证的节点与提示词沉淀为模板，新场景复用率目标 ≥ 70 %。每新增一个节点，补一份负责人与值班说明。

• 季度复盘一次：单次调用成本、人工节省工时、复用节点数。
• 把高频问题写进内部手册，减少重复答疑。