能力域 01
AI 基础与应用软件研发
把大模型的能力装进业务流程，而不是做一个演示 demo。我们关注三件事：输入是否可结构化、过程是否可监控、结果是否可评测。
我们怎么做
先定评测指标，再做小范围验证，最后才谈生产化。没有基线的效果承诺我们不接；能用规则和检索解决的，优先不用大模型。
对应经营范围：人工智能基础软件开发、人工智能应用软件开发
你可能会遇到这些情况
如果以下描述与你的处境接近，大概率属于本能力域的范畴。
01
想把大模型嵌入现有业务系统，但不确定从哪一刀切入
02
合同、票据、报告等非结构化材料，人工录入成本高且易错
03
客服或销售流程环节多，希望用智能体串起查询、判断与回复
04
内部文档分散，检索靠人记，答案口径不一致
交付流程
每个阶段都有明确产出与确认点，避免做到一半才发现方向不对。
场景与数据评估
确认任务边界、可用数据与合规要求，判断是否真的需要大模型。
可行性验证
用真实样本做小范围验证，先定评测指标，再看能不能达标。
生产化开发
接入业务系统，补齐权限、日志、失败兜底与人工接管。
监控与迭代
上线后持续跟踪质量与成本，按评测结果迭代提示词与流程。
你会拿到什么
以下为常规交付物，具体范围以合同约定为准。
- 技术方案与选型报告（含不采用方案的说明）
- 验证结果与评测指标定义
- 应用系统、接口文档与部署说明
- 提示词与流程编排配置（纳入版本管理）
- 上线监控指标与质量基线
常见问题
把最容易产生误解的地方先说清楚。
一定要用大模型吗？
不一定。凡是能用规则、检索或小模型稳定解决的，我们优先用成本更低的方式。大模型适合语义判断、生成与多轮交互，不适合当数据库用。
数据会不会外传？
支持私有化或专有云部署，数据不出企业网络。若使用外部模型接口，会在方案中列明传输字段与脱敏策略。
效果怎么衡量？
开工前先定义指标（准确率、召回、人工返工率、单次成本），用同一批样本做前后对比。没有基线的效果承诺我们不接。
能不能只做验证，不做上线？
可以。验证阶段独立交付，包含结论、指标与是否建议继续的判断。
边界与免责：本服务为软件研发与技术服务，交付成果以合同约定的功能与指标为准。AI 输出可能存在偏差，系统设计中保留人工复核环节，不用于替代需资质的专业判断。
相关能力与产品
这类需求通常不是孤立的，下面几项往往会一起出现。