能力体系

把技术能力放进可验收的业务流程

每类能力都从明确输入开始，以可交付输出和质量验证结束。技术选择服从业务边界，而不是反过来。

01

知识与服务智能

这类能力适合信息分散、规则经常更新、人工重复检索成本较高的团队。工作重点不是让模型自由回答，而是先整理可使用的知识范围，再把检索、引用和反馈机制组合起来，让每个答案尽可能回到经过确认的来源。

典型输入: 经授权的制度文档、产品说明、服务手册、常见问题、历史工单与明确的权限边界。
核心处理: 梳理文档结构和版本，建立可追踪的索引与混合检索流程，再结合问题分类、引用返回和无法回答时的降级策略。
可交付输出: 可嵌入现有工作入口的知识问答界面、检索服务或客服辅助工作台，以及知识维护说明。
质量验证方式: 使用真实问题集检查召回内容、引用位置、答案一致性和拒答表现，并安排业务人员抽样复核。
不适合的场景: 知识来源未经确认、要求系统替代专业人员作最终判断，或无法明确访问权限的场景。

02

内容智能

内容智能关注的是从来源材料到可继续编辑的中间成果，而不是一次生成看似完整的成品。我们会先确认素材权利、目标语言、输出格式和人工复核节点，再选择转写、翻译、语音合成或结构化处理能力。

典型输入: 用户有权处理的视频、音频、文档或公开网页，以及目标语言、内容结构和交付格式要求。
核心处理: 完成来源解析、语音识别或文档抽取，再按任务进行翻译、分段、字段归一和必要的质量标记。
可交付输出: 时间轴文本、双语稿件、结构化文档、可编辑素材包或与既有内容流程衔接的数据文件。
质量验证方式: 抽查关键术语、段落结构、时间轴对齐和缺失内容，对低置信片段保留人工确认标记。
不适合的场景: 来源权利不清晰、要求绕过平台规则获取内容，或完全不安排人工复核的高风险发布流程。

03

智能测评

智能测评不是只给出一个分数，而是把评分规则、作答证据、错误类型和后续讲解连接起来。实施前需要明确题型、评分标准、允许的误差和人工复核责任，再决定自动化覆盖到哪个环节。

典型输入: 经过授权的题目样例、评分规则、匿名化作答、标准答案与教学团队确认的诊断维度。
核心处理: 解析作答结构，匹配评分点和证据，生成可复核的诊断结果，并根据错误类型组织解释或练习建议。
可交付输出: 评分辅助结果、证据定位、错误诊断、讲解草稿和面向教师或学习者的结构化反馈。
质量验证方式: 与人工评分样本对照，检查分项一致性、证据充分性和边界样本表现，并保留人工复核入口。
不适合的场景: 要求系统承诺考试结果、缺少明确评分规则，或将自动结果直接用于高影响决策且无人复核的场景。

04

跨境运营智能

跨境运营中的风险往往来自规则变化、商品信息不一致和流程遗漏。我们把平台公开规则、企业自有运营材料与经过授权的数据放在同一分析框架中，帮助团队定位问题并安排处理顺序。

典型输入: 平台公开规则、企业有权使用的店铺数据、商品信息、运营检查表和需要关注的风险范围。
核心处理: 对规则和数据进行结构化映射，识别缺失、冲突与异常信号，再按影响范围和处理条件组织结果。
可交付输出: 风险清单、规则依据、检查记录、处理优先级和可接入现有运营流程的辅助工作台。
质量验证方式: 由运营人员复核规则引用和风险判断，记录误报、漏报及规则版本，持续校准检查口径。
不适合的场景: 要求绕过平台限制、采集无授权账号信息，或把辅助判断表述为平台官方结论的场景。

商务合作

从一个边界清楚的场景开始

说明现有流程、可用数据、期望输出和验收方式，我们会先判断适合复用哪类能力。

发送商务邮件