泽衍科技专注企业 AI 应用开发，提供 Agent 智能体、知识库 RAG、工作流自动化、大模型私有化部署与行业 AI 定制服务。我们不做空泛咨询，只做可交付、可运维、可衡量 ROI 的 AI 系统，已交付 50+ 项目，覆盖制造、金融、医疗、零售等 15+ 行业。

取决于场景复杂度。轻量 POC（如单场景知识库问答）通常 2–4 周可验证效果；完整生产系统（含权限、集成、运维）一般 2–3 个月。我们会先做需求评估与 MVP 规划，明确里程碑后再启动开发，避免无限期试点。

若数据涉及敏感信息（财务、医疗、政务等）或需满足等保、内网隔离要求，建议私有化部署，模型与数据均留在企业内网。若场景标准化、对数据隔离要求不高，SaaS 可更快上线、运维成本更低。泽衍科技两种模式均支持，会根据合规要求与预算给出建议。

通常按「需求评估 + 开发交付 + 运维支持」分阶段报价。POC 阶段可按固定范围打包；生产系统按功能模块、集成复杂度与部署方式（云端/私有化）评估。我们提供透明的里程碑交付，每个阶段有明确验收标准，避免隐性成本。

轻量 POC（单场景知识库或客服 Agent）通常在 5–15 万元；含系统集成与权限管理的生产级项目多在 20–80 万元；大型多场景、私有化集群部署可达百万级。具体取决于场景数量、数据复杂度、集成深度与部署方式。我们建议先做 1–2 个高价值场景的需求评估，再给出分阶段预算，避免一次性投入过大。

POC 目标是快速验证「这个场景 AI 能不能用」，通常 2–4 周、5–15 万元即可完成。范围包括：核心文档或数据接入、基础 RAG/Agent 链路、小范围用户试用与效果评测。POC 不包含完整权限体系、高可用运维与全量系统集成，验证通过后再按里程碑扩展为生产系统。

通常按「签约启动 → POC/一期交付 → 生产上线 → 验收尾款」分阶段付款，每个节点绑定明确交付物与验收标准。POC 可单独签约、范围固定；生产项目按模块或迭代拆分，避免一次性付全款。我们提供书面里程碑计划，客户可按阶段验收后再推进下一期，降低合作风险。

建议从「高频、可量化、数据现成」的单一场景切入，例如内部制度问答、客服常见问题、销售资料检索等。第一步做需求梳理与数据抽样评估（1 周内可完成），确认文档质量与业务价值后再启动 POC。避免同时铺开多个场景或追求「全公司 AI 平台」，分阶段验证 ROI 更稳妥。

提供。交付包通常含：系统操作培训、Prompt/知识库维护指南、运维手册与故障排查文档。我们支持驻场或远程培训，帮助客户 IT 与业务团队具备日常迭代能力。长期合作还可按年签运维与优化服务，持续调优模型与知识库，而非交付后不管。

传统搜索返回文档链接，用户需自行翻阅找答案。RAG 系统理解语义后直接从授权文档中检索相关内容，生成精准回答并标注引用来源，减少幻觉。适合内部制度查询、产品手册问答、技术文档检索等场景。泽衍科技的 RAG 方案支持 PDF/Word/Excel 等多格式解析、混合检索与部门级权限隔离。

Agent 适合需要多步推理、工具调用与自主决策的场景，例如：智能客服（查订单、改地址、退款）、销售助手（查库存、生成报价）、运维助手（查日志、执行诊断）、审批流程自动化等。不适合仅需简单问答的场景——那种情况 RAG 知识库更经济高效。

取决于模型规模与并发量。7B 参数量级模型可在单张消费级 GPU（如 RTX 4090）上运行；13B–70B 需 A100/H100 等专业卡。我们支持 vLLM、Ollama 等推理框架，也提供硬件选型建议与性能压测，确保满足企业 SLA 要求。

通过 API、Webhook、数据库直连或 RPA 等方式对接现有系统。我们将 LLM 嵌入审批、客服、报表等环节，不改变原有业务流程，只在关键节点增加 AI 能力。已有多项 ERP、OA、CRM 集成经验，包括用友、金蝶、钉钉、企业微信等平台。

知识主要来自企业文档、制度、手册且需随业务更新时，优先 RAG——成本低、可溯源、易迭代。需固定输出格式、行业术语或特定对话风格，且训练数据稳定时，可考虑微调。多数企业场景 RAG 已足够；两者也可组合：RAG 负责知识检索，微调优化回答风格。我们会根据数据形态与更新频率给出选型建议。

传统聊天机器人多基于规则或简单 FAQ 匹配，只能回答预设问题。Agent 具备推理、多步规划与工具调用能力，可查数据库、调 API、执行操作（如查订单、提交审批）。若仅需文档问答，RAG 知识库更经济；若需「帮用户把事情办完」，Agent 更合适。选型关键是明确：用户是要「知道答案」还是「完成动作」。

适合：内部制度/流程查询、产品手册与技术文档问答、法务合规条款检索、新人培训、客服知识辅助等——特点是「答案在已有文档里、需要准确引用」。不适合：实时交易决策、强创意生成、文档极少或质量极差的知识库。上线前我们会做文档抽样评测，预估召回率与回答质量，避免盲目建设。

需要：① 目标场景的权威文档（PDF/Word/Excel/Wiki 等）；② 文档归属与更新机制（谁维护、多久更新一次）；③ 权限边界（哪些部门能看哪些内容）。文档结构清晰、标题层级分明、少重复少过时，RAG 效果会明显更好。我们提供文档质量评估与清洗建议，必要时协助制定知识库治理规范。

开源模型支持 DeepSeek、Qwen、Llama 等；商业 API 可对接 OpenAI、Azure OpenAI、国内各大模型云服务等。私有化部署常用 vLLM、Ollama 等推理框架。选型会综合考虑效果、成本、合规与信创要求，不绑定单一厂商。客户也可指定已有采购的模型 license，我们负责集成与调优。

常见原因包括：文档分块不合理、检索召回不足、权限过滤误伤、Prompt 约束不够。我们通过混合检索（向量+关键词）、重排序、引用溯源与拒答机制降低幻觉；上线后持续收集 bad case 迭代分块策略与 Prompt。生产系统应设计「不确定时转人工」的兜底流程，而非追求 100% 自动回答。

可以。我们通过 REST API、Webhook、数据库、消息队列或 RPA 等方式对接用友、金蝶、SAP、钉钉、企业微信、Salesforce 等常见系统。Agent 可调用业务接口完成查单、审批、同步数据等操作；RAG 可挂载 Wiki、SharePoint、Confluence 等文档源。集成范围在需求阶段明确，按接口复杂度单独评估工期与费用。

建议从四个维度评估：① 是否有同行业落地案例与可量化成果；② 团队是否具备 LLM、RAG、Agent 全栈能力而非仅做套壳；③ 交付模式是否清晰（里程碑、验收标准、运维支持）；④ 是否提供知识转移，帮助客户建立自主 AI 能力。可要求对方提供 POC 方案与参考客户，避免只听 Demo 不见交付。

常见误区包括：① 只做 Demo 不做生产级权限与审计；② 忽视数据质量，文档混乱导致 RAG 效果差；③ 期望 AI 一步到位替代人工，未设计人机协作流程；④ 选型只看模型参数，忽略集成与运维成本。泽衍科技在每个行业项目中都会先做数据与流程评估，再制定分阶段落地计划。

我们支持私有化部署，数据不出企业内网；RAG 知识库可按部门/角色做权限隔离；Agent 工具调用有审计日志；敏感字段可脱敏处理。对于云端方案，支持加密传输与存储，并签署数据保密协议。具体措施会根据行业合规要求（等保、HIPAA 等）定制。

典型路径：POC 确认效果与 ROI → 补充权限/审计/高可用/监控 → 扩大文档或场景覆盖 → 小范围灰度 → 全量上线。生产阶段会增加：部门级权限、操作日志、SLA 监控、与现有账号体系集成等。我们会基于 POC 代码迭代，而非推倒重来，缩短上线周期并控制二次成本。

验收指标应在立项时共同定义，例如：问答准确率/用户满意度、客服拦截率、响应时延、人工转接率、业务处理成功率等。POC 阶段用测试集与真实用户试用量化基线；生产上线按 agreed KPI 验收。我们交付评测报告与 bad case 分析，并约定验收后 1–3 个月的优化窗口，确保效果可持续。

可从效率（人均处理量、响应时间）、成本（人力节省、外包减少）、质量（错误率、合规命中率）、体验（满意度、NPS）等维度设定基线与目标。例如：客服 Agent 拦截 60% 常见问题、内部问答节省每人每天 30 分钟检索时间。我们建议选 1–2 个可量化指标先行，POC 即开始采集数据，避免上线后无法证明价值。

适合，但应控制范围与预期。中小企业可从 SaaS 或轻量私有化方案、单场景 POC 起步，预算 5–20 万即可验证价值。关键是选「痛点明确、文档齐全、见效快」的场景，如智能客服、销售资料问答、合同模板检索。避免追求大而全的平台，分阶段扩展更匹配中小企业资源与节奏。

可以。我们支持国产 GPU、国产操作系统与数据库（如昇腾、海光、麒麟、达梦、人大金仓等）上的大模型私有化部署，并配合等保、分保等行业合规要求。政务、金融、能源等客户常需全栈国产化，我们会在方案阶段明确软硬件清单与合规边界，避免后期返工。

定制开发的应用代码、配置与集成方案，通常约定交付后知识产权归客户所有；我们保留通用框架、工具库等非项目专属组件的使用权。开源组件遵循对应 license。具体以合同约定为准，我们支持客户对交付物做代码审计与归档，满足国企、上市公司采购要求。

标准运维包括：7×24 故障响应（按 SLA 分级）、模型与依赖版本升级、知识库增量同步、性能监控与告警、定期效果复盘。可按年签运维合同，含固定人天用于优化迭代。我们也可培训客户团队自主运维，按需购买远程支持包，灵活匹配企业 IT 能力。