AI 在企业里怎么落地 12 篇
把大模型接进自己那套业务系统要过的四道关：你说的 Agent 到底是哪一个东西、MCP 这类协议接进来会多开哪些口子、模型前面要不要单独建一层、真上业务时卡在哪一步。
- 检索这一层：先把目录和预读做对，再谈向量库
几十到几百篇的企业知识库，检索的瓶颈通常不是「找不到相似语义」，而是元数据没配对、命中的那一篇没被真读进去。这篇按本站的实现拆三层：目录层给每篇配一句能被当摘要用的说明，预读层让回答前真读一遍最命中的那一两篇，最后给「什么时候该上向量库」的…
- 评测集是交付物：三十五条问题、七个桶
换模型的决策权不在提示词写得好不好，而在有没有一套能重复跑的评测集。这篇讲我自己那份最小评测集怎么搭：三十五条问题按七个桶分什么、一条用例上每条判据为什么这么写、怎么判分（不要求逐字匹配）、什么时候该加新条。
- 大模型进业务系统，第一道关不是模型，是权限
多数团队把注意力放在选模型和提示词上，真正卡住交付的是"这个助手能看哪些数据、能代替访客提交什么、越界了怎么拦"这一层；这一层做在服务层还是只做在提示词里，决定了后面能不能换模型。
- 业务系统里的 Agent 这个词，早就有主了
想把智能体接进 ERP 这类单据系统，第一个障碍不是模型：Agent 在这套代码里指经销商，一张单子算什么状态、卡在哪一步的判断住在上百个状态枚举里，要改一张单子还得穿过分布式事务和审批流。本文给出取材顺序和一份能立刻开工的状态字典做法。
- MCP 进了标准，也进了漏洞清单
2026 年 MCP 规范走到了 2026-07-28 版，同期公开披露的 MCP 服务器漏洞已有二十多个。这篇说清规范改了什么、漏洞集中在哪几类，以及企业内部接入前该做完的四项检查。
