适合我们的项目
- 业务逻辑清楚,但缺少系统支撑,靠人扛着
- 需要与现场设备、既有系统对接
- 对数据可核查、可追溯有硬性要求
- 希望先小范围验证,再逐步推广
- 能指定一位懂业务的人参与对接
我们不做「什么都能做」的承诺。以下四条线是经过判断后愿意承接的范围, 每一条都写清了解决什么问题、交付什么、以及在什么情况下我们会建议您另找方案。
这是我们起家的方向,也是目前落地最实的业务线。 判断一个信息系统做得好不好,标准很朴素:月底对账时,系统里的数字和仓库里的实物能不能对上; 出了问题,能不能查到是哪一步、谁操作的。
| 阶段 | 交付物 | 验收方式 |
|---|---|---|
| 需求确认 | 业务流程说明、字段与状态定义、权限矩阵 | 客户确认关键流程与数据口径 |
| 原型与模型 | 可点击原型、数据库设计说明 | 按真实单据走一遍,检查是否漏字段 |
| 开发与联调 | 可运行系统、设备对接说明 | 在真实环境跑通一条完整业务 |
| 上线与培训 | 部署包、操作手册、培训记录 | 客户人员独立完成一次完整操作 |
| 运维期 | 日志与备份方案、问题响应约定 | 按约定的响应时限处理问题 |
实证:湛江煌文学服溯源平台即属此线,已商用运行。 查看项目案例 →
我们对 AI 的判断标准很具体:它能不能替人完成一段有明确输入输出的工作, 并且出错时能被发现和纠正。做不到这两点的「智能」,在企业场景里价值有限。
已有的工程积累:在学服溯源项目中,我们实现了基于扫码行为的多维加权评分风控、 面单手机尾号的分级提取与纸质单据 OCR 识别;在自研游戏项目中,设计了双 AI 系统—— 用本地部署的大模型辅助开发流程,同时驱动 NPC 的自主决策。 两类场景的共同点是:AI 必须嵌进具体流程,而不是独立存在。
一个可运行的智能体或识别服务、一份提示词与知识库维护说明、一份效果评测记录 (用您的真实样本跑出的准确率,而不是厂商演示数据)、以及降级与人工介入的操作规程。
多数企业培训的问题不是没有内容,而是无法确认谁真的学会了。 学习系统的价值在于把「完成培训」变成可验证的状态,并与岗位要求挂上钩。
| 问题 | 常见做法 | 我们的做法 |
|---|---|---|
| 刷课 | 记录播放时长 | 按知识点设检查点,答对才推进,配合随机抽题 |
| 学会了没 | 只看考试分数 | 结合答题分布、重试次数与实操记录判断掌握度 |
| 内容过期 | 靠人工记 | 课程绑定有效期与复训规则,到期自动提醒 |
已有的实践:我们为区域中学做过学期调研考试的多科目成绩分析, 输出科目、班级与分数段的对比结论,用于定位薄弱环节。 这类工作让我们熟悉教育数据的口径与统计陷阱,但要说清楚: 它是数据分析项目,不是完整的在线学习平台。 学习系统本身仍处于方案储备阶段,可先做单岗位试点。
企业场景里的游戏,多数不是为了娱乐,而是为了让枯燥的内容被看完、被记住。 这类项目的成败不在画面,而在机制是否服务于传播或培训目标。
现有的作品:我们自研了深度政治模拟游戏《我的政治世家》 (Unity 与 Godot 双工程并行验证),以及虚构宇宙模拟平台 Genesis Engine (C++20,六个模拟引擎模块)。两者都处于在研阶段,尚未商业发行。 对客户项目而言,这意味着我们熟悉复杂玩法与系统模拟, 但轻量小游戏与商业发行的经验仍需在项目中积累。
为什么把「不适合」写出来:项目一旦开始, 双方的时间成本都收不回来。提前说清楚,比事后解释便宜得多。