图床用了 GitHub，文内所有图片都需要科学上网才可以流畅阅读。

整理一下思绪和最近的事情，最近因为太忙了，所以直接住在公司附近的酒店里。因为不再长距离通勤而节约下来的夜晚时间，显得弥足珍贵。

11 月末到 12 月初是海外黑五的时间段，估计海外仓问题可能比较紧急，加上今晚 oncall，躺着也睡不着，干脆起来写点东西。白天喝了红牛，写点东西助眠。

冬天的夜晚很安静，能听到遥远的犬吠声，公司今年有了自己的园区，所以来了一次大搬家，但位置很偏远。在魔都能有这种静谧的时刻，说明真的到郊区了。

写点最近关于 AI 落地的思考吧。

一、背景与契机

我司智能仓项目目前已有数百家规模，每个项目的需求、工单都会流经内部的ONES系统。这个过程中，系统里沉淀了许多来自不同项目的线上问题SOP（标准作业程序）以及丰富的项目细节。

另外我司的工作文档一部分在语雀上，一部分在 confluence 上，文档数量非常多，但很散乱，目前尚未被充分挖掘和利用，我在思考，是否可以基于这些数据构建一个RAG（检索增强生成）系统，让其成为一个智能的业务助手。

二、数据来源规划

要实现这个想法，我计划整合以下几类数据：

  • 工单数据：与IT团队合作，将历史工单数据导出，包括项目信息、工单背景、处理过程和相关的SOP。

  • 项目文档：涵盖项目需求文档、缺陷记录、项目背景说明等。

  • 架构与知识文档：包括应用架构图、实操手册、数据模型设计，以及沉淀在语雀和Confluence中的历史文档。

三、目标用户

这个系统旨在服务所有与项目相关的同事，主要包括：

  1. 一线PE（项目实施/运维工程师）

  2. 二线技术支持

  3. 三线测试人员

  4. 四线研发人员

  5. 相关的产品、研发、测试同学

四、核心功能设想

我希望它能实现以下具体功能：

  1. 项目背景快速查询：用户输入项目号，即可快速了解项目背景和核心需求列表。

  2. 对话式业务学习：用户可以以对话形式，学习我司的业务架构、技术架构和应用架构。

  3. 智能排查辅助：当出现问题时，系统能提示核心链路表的使用方法，并建议结合哪些业务监控指标进行下一步排查。

  4. SOP智能提示：能够主动推送常见问题的标准处理流程（SOP）。

五、后续计划与个人思考

如果明年我还每走，就做一下看看。

一点观察：这项工作原本或许是AI LAB的职责，但由于我们组的业务壁垒相对较高，外部团队很难在短时间内深入理解我们的业务上下文，因此应用层的很多工具还是需要我们业务团队自己来动手构建。

目前我对大模型应用的了解尚属入门阶段，但我相信“在实战中学习”是最好的方式。边做边学，逐步深入。我预感这个工具一旦完成，将能解决很多实际痛点，比如：

  • 新人培训效率：加速新成员对复杂业务系统的理解。

  • 跨团队业务理解：帮助二、三、四线人员快速掌握业务全貌。

  • 工单处理效率：快速提供解决方案参考，缩短问题排查时间。

我也在网上看了一些RAG的教程，但发现许多内容偏向理论讲解，与实际业务场景的结合案例相对较少，还是得自己摸索一下，找时间去咨询一下大厂的一线开发朋友，闭门造车有点难~