智能问答与知识检索
面向专业知识密集的业务部门，先判断提问意图，再检索已授权的资料与数据，按既定格式生成带出处的回答与文档，减少反复查资料、反复确认口径的时间。
了解工作机制我们把 AI 用在两类地方：替业务人员把分散的数据问清楚、写明白，替交付团队把重复环节做扎实。两类能力都建立在既有业务系统之上，先认清数据从哪来、谁能看、结论怎么验，再谈模型能做什么。
三大能力线共用同一套数据权限与交付标准，可单独落地，也可以与已有系统并行建设。
新增一个分析场景，改的是配置，不是核心代码。
固定报表之所以难改，是因为业务口径散落在代码里：每加一个分析维度、换一版报告版式，都要排期开发。我们把「这个场景分析什么、能查哪些数据、报告怎么写」收敛成一份场景配置，取数、计算与编排由通用引擎承担。
这样做还有一个直接好处：模型只负责理解问题、选择工具与组织结论，原始明细不进入对话上下文，数值一律由代码在数据源侧算完再回传，既控制调用成本，也避免模型凭空写出数字。
回答能不能用，取决于资料范围、引用出处与角色视角，而不是措辞是否流畅。
先判断提问属于查资料、查数据还是办事情，缺关键参数时主动追问而非猜测，必要时拆成可依次执行的多个步骤。
查看相关案例在已授权的知识范围内检索，回答附带来源与更新时间，业务人员可以逐条回溯核对，避免把模型记忆当成业务事实。
查看技术观点按业务既定模板生成摘要、说明与报告草稿，统一术语、口径与版式，留出人工复核与签发环节后再对外使用。
查看交付方式保留前序问题与分析条件，支持从整体结论逐层下钻到明细台账，不用每次重新描述背景与统计范围。
查看业务场景同一份分析结果，按区域负责人、业务主管与管理层各自的视角调整颗粒度与详略，避免一份报告谁都用不上。
查看行业方案批量任务与接口对接用同步模式取完整结果，在线问数与分析演示用流式模式逐段呈现，两者共用同一套分析逻辑。
聊聊适用场景这些是写进系统底层的硬规则，不是靠提示词请模型「尽量别出错」。
所有数字必须来自当次工具调用返回的真实数据，缺关键参数或数据源不可用即终止任务并说明原因，不做推测性补全。
成文前回溯回答中每个数值的来源，无源数据直接拦截；上线前用标准问答集做回归，版本变更也要重跑一遍。
只读查询与计算分析可由系统自主执行；写入、外发、配置变更等高风险操作一律挂起，取得人工明确授权后才继续。
身份随调用链路透传，场景可见性、数据过滤与资源限额按租户分别生效，从存储层避免跨范围取数与越权访问。
把用户输入当作待分析材料而非可执行指令；结果返回前扫描合规风险，对手机号、证件号、详细地址等隐私信息做脱敏处理。
每一步取数与操作形成可审计日志；工具失败重试、主服务异常切换、循环超限与审批超时均有终止与回收机制，任务不会无限挂起。
先挑一条数据基础清楚、结论有人用的链路跑通，再逐步扩展场景范围。
经销商数据回收、清洗、汇总与分析串成一条流水线，异常指标自动提示，按月产出可下钻到区域与产品的分析报告。
查看客户案例围绕达成进度、库存周转、票据回传等经营问题提供对话式问数，从整体情况一路追问到需要跟进的具体对象。
查看行业方案在既有移动端看板体系上补充文字解读与专题报告，管理层既能看到统一口径的指标，也能看到指标背后的原因与建议。
查看客户案例和业务部门一起确定要回答的问题清单、数据来源、指标口径与使用者角色，先划清范围，不急着接模型。
把字段字典、可用工具与报告版式写成场景配置，接好既有业务接口与权限体系，明确哪些操作需要人工审批。
用业务方确认的标准问题集逐条核验取数、计算与结论，形成可复跑的回归用例，验收后再开放给更多使用者。
监控调用与异常，按实际使用反馈补充场景配置；口径或流程变化时改配置即可，不必重做整套系统。