案例与实践
4 个真实项目。客户名称、行业细节与业务标识全部做匿名处理， 每个案例明确标注当前所处阶段——已上线、开发中还是仅完成诊断与设计， 不把在建的项目写成已交付的结果。没有拿到可公开数据的，不写结果。
-
高科技制造 诊断与设计售前文档生成平台的诊断阶段：为什么我们把「标书优先」改成了「方案优先」
一家高科技制造企业想用 AI 生成标书。一轮访谈与文档盘点之后，五处规划被实质性推翻——包括建设重点、量化目标、IT 环境假设。本文记录这个诊断过程本身，以及为什么最耗时的环节不是写文档。
AI 场景诊断本地化部署知识库治理文档生成FDE 共创 -
金融 / 证券 原型验证从三份日志到风险事件链：把 DLP 告警变成可举证的调查结论
上网行为、邮件网关、终端 DLP 三份日志各说各话，安全团队每天面对成千上万条告警却拼不出一个完整故事。这个原型用「原始日志 → 标准化事件 → 风险事件链」三层模型，把分散告警聚合成可下钻、可举证的调查对象。
日志治理风险建模规则引擎证据链回溯LLM 报告生成 -
企业软件 已上线把多来源产品文档做成可问答知识库：2884 个 chunk 背后的清洗与收敛
一家 B2B 软件企业的产品文档散在手册、售后知识库、规格表、API 文档、PoC 方案十余种来源里。本文记录从原始脏数据到上线问答系统的完整过程：为什么 4000 个垃圾 chunk 差点毁掉整个索引，以及为什么检索精度靠元数据而不是靠 embedding。
企业 RAG知识库治理混合检索多轮对话本地化部署 -
印刷 / 出版 开发中让 AI 报价但不让 AI 定价：印刷订单计价系统的一条分工线
印刷订单的报价依赖大量隐性经验，规则写不全、格式不统一。这个项目把 AI 和规则引擎的职责切开：模型负责读懂订单和规则、对缺项做推测，规则引擎负责可追溯的确定性计价。匹配不上的术语不猜价格，标出来让人补。
文档解析术语归一规则引擎人机协同多租户隔离
为什么不写客户名？多数企业 AI 与数据安全项目都涉及内部数据结构、权限模型和现存问题， 公开客户身份会让这些内容变成客户的负担。我们的做法是：方法与数字照实写，身份一律隐去。 需要具名参考的，可以在交流中由客户自行决定是否授权。