场景定义过宽
团队想“加入 AI”，却没有定义输入、决策、质量指标或可接受错误。
AI 集成
将 AI 放入现有 workflow，并具备可衡量任务、评估和 fallback
为分类、搜索、生成和辅助设计并集成有界 AI 场景。
区分演示与生产，处理数据、隐私、provider 抽象、质量、成本和人工 review。
评估 AI 场景适用场景
何时需要AI 集成
本页描述可观察的问题，不以承诺结果代替前期调查。
数据需要明确边界
隐私、保留、provider 处理和员工访问尚未确认。
模型输出触发真实操作
没有评估、置信度、fallback 与人工 review 时，错误会成为生产效果。
Dazoro 的工作
我们如何交付AI 集成
工作范围限定在已确认的技术边界和可验证结果内。
场景定义
定义一项任务、输入数据、期望输出和可衡量的有用性标准。
数据与 Provider 边界
确认隐私、保留、provider 抽象、成本和上下文限制。
带评估的原型
构建有界流程，并用有代表性的样本测试。
受控集成
在真实效果前加入 fallback、人工 review、可观察性和安全停用。
流程
合作如何进行
背景与验收标准
实施前明确任务、边界、依赖关系和完成标准。
方案设计
针对现有系统选择最小可行架构和变更顺序。
有界实施
以可验证的小步骤交付约定差异，不进行非必要的全局重构。
验证与交接
验证关键场景，记录限制，并准备清晰的回滚方案。
边界
包含内容与需单独决策的事项
包含
- 分类、搜索、生成与辅助
- provider/model 抽象和 prompt 契约
- 评估数据集和质量检查
- 隐私边界、fallback 与人工 review
不自动承诺
- 自主替代团队
- 没有数据集和评估的准确率声明
- 未经保护约定传输敏感数据
- 仅凭模型输出执行不可逆操作
方法
如何保持结果可验证
解决方案与可观察契约、测试和受控发布相绑定。
场景有明确边界
系统解决具体任务，并具有已知输入、输出和可接受风险。
质量可衡量
评估集和故障分类显示模型真实限制。
内置 fallback
AI 不确定或不可用时，不会阻塞安全的基础 workflow。
讨论任务
是否有一项任务需要 AI 提供可衡量价值？
请描述当前 workflow、数据和需要改进的决策。我们会在选择模型或 provider 前评估适用性。