把生成式 AI 放进能够完成工作的流程。
写出一段文字只是一步。企业需要的可能是可发布商品记录、准确整理的任务档案，或依据当前流程的员工指引。应围绕最终结果设计，也包含生成内容前后的检查。
先看这里。
生成式 AI 根据指令和背景创建或转换内容，适合起草、提取、分类与解释。输出要成为可验收的业务记录，还需要相关来源、针对任务的校验，以及获准写入的目标系统。
明确内容任务
确定具体输出：有规格依据的商品文案、从文件提取的字段，或基于维护中操作说明的指引。
输出与依据同时保留
记录来源、日期和未解决的信息缺口。句子流畅，并不能证明某个商品特性或客户权益确实存在。
控制下一步
约定符合条件的输出是否可以自动发布、是否需要审核，或只保留草稿。生成文字与批准发布是两个动作。
从想法到经过验证的结果
选择获准输入
收集相关文档或记录，确认系统可以为该任务使用它们。不要提供无关的客户或员工信息。
检索相关背景
选择当前有效且相关的内容或准确字段。检索能帮助回答有据可依，但错误或过期来源仍会带来错误基础。
生成或提取
要求明确的输出结构。区分直接提取的事实、生成的说明和来源没有提供的信息。
校验结果
检查必填字段、准确身份、单位、计算及事实依据。有歧义的事项进入审核。
发布或交接
把获准内容写入目标，保留来源参考和变更记录。确认写入成功，而不是把草稿误当成已经发布。
遇到复杂情况，流程如何变化？
供应商记录几乎没有有效描述
- 输入
- 新商品只有标题和型号，缺少面向顾客的完整说明。
- 检查
- 匹配准确型号与获准来源，区分厂商事实和营销措辞。
- 动作
- 依据已支持的属性准备描述；缺失或冲突的规格交由审核。
- 完成标准
- 带来源及信息缺口的商品草稿，可进入约定发布检查。
工作资料散落在不同文件中
- 输入
- 邮件、PDF 和照片共同包含完成记录所需的信息。
- 检查
- 核对任务身份、必需证据、缺页以及冲突的日期或金额。
- 动作
- 提取字段并整理草稿资料包；金额采用固定规则计算，未解决证据明确标记。
- 完成标准
- 可供审核的结构化记录，而不是还要人工重录的摘要。
员工需要当前有效的操作说明
- 输入
- 一线员工询问如何处理陌生问题。
- 检查
- 检索适用地点的流程、生效日期和员工权限。
- 动作
- 结合来源给出简洁步骤；流程未覆盖时先澄清或转交。
- 完成标准
- 关联当前操作说明的指引，以及清晰的异常处理路径。
按工作选择方法
内容生成、信息提取和知识问答需要不同的验收检查。把它们当作同一种任务，容易掩盖错误。
| 输出 | 验收问题 | 常见错误 |
|---|---|---|
| 商品文案 | 每项事实是否属于这个准确型号？ | 混入相似型号的规格 |
| 结构化文档字段 | 数值是否与原文和所需格式一致？ | 漏页、漏单位或遗漏负号 |
| 员工指引 | 是否为当前适用流程？ | 依据过期说明给出肯定回答 |
起草需要事实边界
语气可以变化，规格不能随意变化。商品描述的表达方式可生成，但尺寸、兼容性和包装内物品必须来自可信记录。
提取需要字段级检查
总额看起来合理还不够。应核对文档身份、明细、单位和必填项；涉及算术结果时用确定性计算。
维护知识，也控制访问范围
检索增强生成，是先查找相关资料，再把它们作为回答的背景。它帮助模型使用业务信息，但不能保证回答一定正确。
知识有维护负责人
需要有人判断哪份文档取代旧文档，以及何时应更新答案。记录生效日期，并把停用说明移出当前知识集合。
遵守记录访问范围
员工提问只能检索该用户或流程获准读取的内容。有搜索索引不意味着可以混合所有部门的文件。
让信息缺失变成明确动作
明确的未知可以转成补充型号、审批或来源文件的请求。虚构细节更难发现，也会制造更多返工。
衡量可验收结果，而不是产出字数
应该比较完整任务改善前后的投入，也包括检查和修正生成结果的成本。
记录通过率与修正量
衡量多少输出达到标准、审核人修改了什么，以及审核耗时。如果检查更费时间，起草更快也不代表整体节省。
保留有代表性的样例
测试长短文档、特殊格式、冲突来源和确实没有答案的情况。模型、指令或来源结构变化后重新检查。
连接最终目标
创始人自有的 G3 员工系统把知识连接到指引和问题记录。你的流程也应明确验收结果最终进入商店、任务系统、知识库还是工作队列。
值得问清的问题
生成式 AI 与 AI 智能体是一回事吗？
不是。生成式 AI 创建或转换内容；智能体可以使用模型选择动作和工具。固定流程里也能使用生成式 AI，不必引入开放式智能体。
生成的商品描述能自动发布吗？
可以针对明确的记录类型，在事实、质量和权限通过约定检查后自动发布。有歧义或缺乏依据的说法应暂存，而不是直接公开。
连接公司文档就能消除幻觉吗？
不能。相关背景有帮助，但检索可能选错记录，模型也可能误读。仍要校验影响业务结果的字段或说法。
必须训练自己的模型吗？
不一定。先测试合适的现有模型、正确选择的背景和明确输出检查能否满足任务。定制训练是另一个决策，需要相应数据和维护。
公司文档会发到哪里，服务商能保留或用于训练吗？
这取决于所选服务、部署方式、账号设置和适用的服务商条款。使用业务数据前，应梳理哪些内容离开现有系统、在哪里处理或记录、谁能访问，以及保留、删除和训练用途规则。只发送任务必需材料，并约定必要限制。私有知识界面或自托管流程引擎，本身不能保证所有连接服务都在本地，也不能代表普遍的“不用于训练”承诺。
资料来源与延伸阅读
本指南中的平台事实参考以下官方资料。业务示例与建议为 Canvo 的分析。