®
01
权限同样适用于检索和工具
助手只能查找提问用户被允许阅读的内容。这项检查通过技术手段在模型自由生成的回答之外执行，并会考虑已变更的组权限。检索到的文档会被当作数据处理，而非指令。如果助手需要创建工单或修改数据记录，我们会限定允许使用的工具、目标系统和参数。影响较大的步骤需要经过人工审批。日志记录会依据保护需求进行设计；机密的问题和回答无需一律完整保存。
您对 OTOKO® 的委托
我们为您承接的工作。
在检索增强生成（Retrieval-Augmented Generation，简称 RAG）中，系统会检索与问题相符的文档片段，并将其作为上下文提供给语言模型。我们负责内容提取、划分合理的片段、维护元数据以及内容更新。过时或已删除的内容必须从检索库中移除。检索结果会依据真实问题接受检验：搜索能否找到正确的段落，答案能否以此为依据得到验证？仅凭来源标注并不能证明答案正确，还需要对内容本身进行评估。
可能的服务范围
- 根据保护需求选择模型：超大规模云服务商的服务、欧盟服务商，或部署在自有数据中心的开源模型
- 对接 SharePoint、Confluence、工单系统、文件存储和业务应用系统
- 助手会遵循源系统的既有访问权限
- 文档处理：分类、信息提取、摘要生成，并配有审核环节
- 针对回答质量、幻觉和数据泄露风险的评估机制
具体范围、您的参与方式以及验收标准，我们会在项目开始前明确约定。
把技术讲清楚
我们是这样落实任务的。
02
用固定的问题集检验回答质量
测试问题集包含可回答的问题、信息缺失的情形、来源相互矛盾的情形以及被禁止的访问尝试。我们衡量的指标包括可验证性、有帮助的拒答、响应时间以及每次操作的成本。模型或索引发生变更时，都会经过同样的对比检验。首个试点会在有限的知识库和指定用户范围内运行，之后才会纳入更多来源，并在合适的情况下加入写入功能。
一个可验证的成果
这将成为您后续工作的基础。
- 附来源标注的助手
- 权限方案与数据保护方案
- 附测试问题集的评估机制
移交环节将实施成果与文档记录结合在一起。我们会共同检查约定的场景，并记录尚待完成的任务。
您的项目详情
助手必须清楚自己可以使用哪些信息来源。
我们为具体的知识和工作流程开发 AI 助手，涵盖文档处理、检索、权限管理、答案校验，以及与您现有界面的对接集成。
让知识可被检索到，同时不打破访问权限边界
RAG 将对已授权内容的检索与答案生成结合在一起。我们会规划如何读入文档、合理拆分为段落，并标注来源、日期和权限信息。已删除或已变更的文档，也必须同步更新到检索索引中；对于持续变化的企业知识而言，一次性导入是不够的。
我们会用贴近实际的问题和预期的支持依据来检验检索质量。专业术语、缩写以及结构混乱的文档，都可能导致找不到正确的段落。因此，我们会区分是检索环节出错还是答案表述有误，并针对性地改进相应环节。
将回答、操作和人工审批区分开来
知识型助手可以说明信息来源，而无需自行在业务系统中执行变更。如果确实需要执行操作，每一处对接都会被赋予有限的权限和明确界定的参数。下单或主数据变更等关键业务可能需要单独确认；导入的文档不得覆盖这些规则。
在正式上线之前，我们会测试越权提问、相互矛盾的信息来源，以及试图通过文档内容操纵助手的行为。日志记录会兼顾故障排查需要和保护需求。围绕答案质量、延迟和使用成本的分析，有助于管理日常运行，同时避免不必要地长期保存机密请求内容。
示例项目场景
该服务在日常工作中如何发挥作用。
示例：员工查找内部工作规范。助手会找到已批准发布的版本，链接到所引用的段落，并标示出缺失的依据。其他团队的人事资料始终排除在外。只有在另行开展一个项目之后，该助手才能进一步在业务系统中触发经过批准的操作。
该示例说明的是一种可能的流程，并非客户案例。
在迈出第一步之前
您关于 AI 助手与 RAG 的问题。
RAG 能否完全杜绝错误答案？
不能。检索和生成环节都可能出错。显示来源、开展适当的测试，以及对缺失证据采取明确的处理方式，都能降低风险；重要决策仍需经过业务审核。
我们的文档是否必须传输给外部模型服务商？
不一定。我们会从数据流向、性能、成本和职责划分等方面，比较托管服务与在您自有环境中运行两种方案。具体架构会在实施之前商定。
