夜雨聆风
一、原因分析：为什么智能体”问答效果差、推广困难”
1. 客户数据质量堪忧（输入端问题）
文档格式混乱：Excel含多个Sheet、文档重复/不一致、PDF由PPT转换而来，导致解析失真 典型案例：某客户PPT转PDF的文件中，标题下方有横线，版式识别时误判为页眉，内容未被解析，直接导致问答不准确 本质：知识库”垃圾进、垃圾出”，数据治理是效果基线，但客户缺乏能力和动力
2. 客户对大模型能力边界存在误解（期望管理问题）
过度期望：认为”什么都可以问”，包括上传大数据量Excel进行”问数”，结果基本不准确 认知错位：未区分”模型问答”与”问数”两条技术路径的差异和发展趋势，导致需求偏离产品能力
3. 智能体调优投入精力不足且分散（执行端问题）
Prompt工程粗糙：缺乏系统化的Prompt设计和优化，没有针对业务场景做Few-shot示例和约束条件设计 人人能支持，人人支持不好：售前、交付、技服、客服等多团队都涉及调优，但每个岗位都有主责工作，调优沦为”副业” 调优链路长，响应慢：一线只能做提示词、片段等表层调优，涉及解析规则调整需反馈研发，等待产品迭代，周期极长
4. 缺乏持续运营机制（长效机制问题）
短期交付 vs 长期运营矛盾：项目建设完成后，缺乏持续有人投入调优，效果随时间衰减 典型案例：XX项目工程管理智能体调优已半年有余，因问答效果仍不理想，客户至今未推广使用
5. 基础模型能力弱（GPU能力弱）
检索精度问题：向量相似度≠语义相关，简单Embedding检索在复杂业务场景下召回率低，缺乏重排序(Rerank)和混合检索策略 上下文理解局限：大模型对长文档的上下文窗口和推理能力有限，多轮对话中容易”遗忘”或”幻觉”
二、当前团队支撑的困境
1. 人力投入”碎片化”，无法形成专业深度
现状 | 问题 |
多团队兼职调优 | 精力分散，无法深耕 |
每人有主责工作 | 调优优先级低，响应滞后 |
缺乏专职角色 | 无人对最终效果负责 |
2. 能力断层：一线”调不了”，研发”响应慢”
一线人员能力边界：只能进行提示词优化、片段调整等表层操作 研发支持瓶颈：解析规则调整、Embedding微调、Rerank优化等需要研发介入，但需求排期长、迭代慢。 结果：客户问题悬而未决，体验持续恶化
3. 客户赋能”传帮带”难以落地
理论上需要：客户侧技术人员掌握调优能力 + 业务人员提高数据质量 实际上：客户缺乏AI素养，没有精力做数据治理，“看不到希望”导致放弃使用
4. 标杆项目”调而不优”，影响复制推广
XX项目案例：半年调优仍未达推广标准，直接损害客户信心 连锁反应：一期效果不佳→ 二期预算难批 → 行业标杆难以复制
三、解决思路建议
1. 售前阶段：管理期望，提升AI素养
明确告知客户大模型”擅长做什么、不擅长做什么” 清晰区分”模型问答”与”问数”两条技术路径的差异和发展趋势 目标：避免”万能问答”的不切实际期望
2. 交付阶段：协同共创，传帮带
与客户一起完成第一个智能体的创建和调优 做到基础调优能力的”传、帮、带”，为客户技术人员赋能
3. CSM阶段：两场标准培训，分阶段推进
培训内容 | 时机 | 目标 |
产品使用培训 | 上线初期 | 让客户先用起来 |
知识库建设 + 智能体调优培训 | 试用一段时间后 | 在客户有体感后深度赋能 |
4. 关键缺口：需要FDE工程师做”专业兜底”
四、向领导求助：需要公司层面支持的三件事
1. 产品层面（研究院+产线）：开放更多调优参数，赋能一线
具体需求：允许针对部分PDF文件进行页眉页脚的自定义解析规则 目标：减少一线对研发的依赖，缩短调优响应周期
2. 研发层面：开发数据治理小工具，降低客户门槛
将含多个Sheet的Excel自动拆分为独立文件 集成到产品中，提高数据治理效率
3. 人员配置：设立专职FDE工程师，重点项目专人投入
对于标杆类项目或重点项目，配置专职FDE工程师 FDE职责：深度调优、持续运营、客户赋能、效果兜底
解决”调优半年仍无法推广”的困境 确保一期项目效果，打开二期和复制推广空间 从”人人兼职、人人不精”转向”专人专岗、效果可预期”
