AI 智能体（Agent）开发
面向客服、销售、内部助手等场景，构建具备工具调用、多轮记忆与任务编排能力的智能体，可直接对接企业现有系统。
过去两年，几乎所有企业都在讨论 AI，但真正跑通并产生收益的项目比例并不高。 失败的原因很少是「模型不够强」，更多是场景选错、数据没准备好、指标没定义清楚。 下面这六件事，是万利在 1200 多个项目里反复验证过的判断顺序。
一、先选场景，再选模型
很多企业的第一反应是「我们要上大模型」，然后才开始找场景。 正确的顺序恰好相反：先找出高频、重复、有明确判断标准的工作，再看它是否适合用 AI 解决。 万利通常用三个维度做筛选：发生频率、人工耗时、结果是否可验证。 三项都高的场景，往往就是最值得先做的那个。
反过来说，如果一项工作本身判断标准模糊、连人类专家之间都经常有分歧， 那它大概率不适合作为第一个 AI 项目——不是做不了，而是没法验收。
二、数据质量决定上限，模型只是逼近上限
模型的输出质量，几乎不可能超过训练与检索数据的质量。 万利在项目里经常看到的情况是：企业有一堆文档，但版本混乱、格式各异、关键信息散落在扫描件里。 这种情况下，与其急着调模型，不如先把知识做清洗与结构化。
对于知识库类项目，万利一般会先做一轮「知识体检」：统计文档数量、识别重复与过期内容、 确认权威版本、划分权限层级。这一步通常占整个项目 30% 以上的工作量， 但它对最终效果的影响远大于换一个更大的模型。
一个实用的判断方法：如果你的团队里没有人能说清楚「正确答案长什么样」，
那这个场景暂时不适合做 AI 项目。先把标准定义清楚，再谈技术实现。
三、PoC 必须用真实数据，不能用演示样例
演示环境里跑得再好，也不代表生产环境能用。万利坚持 PoC 阶段使用客户的真实数据， 并且覆盖真实场景中的「难样本」——那些格式混乱的、写得潦草的、边界模糊的输入。 只有在这批数据上达到指标，项目才值得继续。
PoC 的产出应该是一份带数字的报告：准确率、召回率、平均响应时间、失败案例分布。 如果对方只给你看几个漂亮的对话截图，那说明不了任何问题。
四、把 AI 放进流程里，而不是放在流程旁边
很多 AI 项目上线后无人使用，原因是它成了「另一个需要单独打开的系统」。 AI 必须嵌进员工已经在用的流程中——在工单系统里、在 ERP 界面里、在企业微信里， 而不是要求员工额外登录一个平台。
万利在集成阶段会优先选择「嵌入现有系统」的方案，哪怕技术上更麻烦。 因为决定项目成败的往往不是模型精度，而是使用率。
五、人机协同比全自动更现实
至少在目前阶段，把 AI 设计成「全自动替代人」的方案，风险通常大于收益。 更稳妥的做法是让 AI 处理高置信度的部分，低置信度的样本转交人工， 同时把人工的处理结果回流成训练数据。
这样既能保证业务质量，又能让系统在使用中持续变强。 万利在视觉质检项目里普遍采用这个模式：AI 判定的置信度低于阈值时自动转人工复核， 复核结果直接进入下一轮训练集。
六、项目结束不是终点，而是运营的起点
AI 系统和传统软件最大的不同是：它的表现会随着数据分布变化而漂移。 今天准确率 95% 的模型，半年后可能因为业务变化掉到 85%。 所以上线之后的持续监控与迭代，比上线本身更重要。
万利建议客户在合同中就把运维期与效果复盘机制写清楚： 多久做一次效果评估、badcase 如何收集、模型多久更新一次。 把这些约定好，AI 系统才不会在上线三个月后慢慢变成「没人维护的摆设」。
如果你的企业正在评估 AI 的切入点，可以先把业务场景、现有系统与期望目标告诉万利， 48 小时内会收到一份初步诊断结论。不着急签约没关系， 先把口径对齐、把该问的问清楚，是万利更希望看到的顺序。