🏗️ 打造自己的AI系统

课题大纲

以下为本课题的研究框架，按模块逐步展开。每完成一个模块会发布对应的文章。

一、会用AI ≠ 有自己的系统

• 1.1 问题比答案重要 — 一个扎心的问题帮你定位自己现在在哪一层：你在用AI干活，还是在搭自己的生产线。
• 1.2 区分两种能力 — 会用AI是效率工具思维（开别人的车），打造系统是架构思维（自己造车）。两者的天花板完全不同。

二、系统架构的四大核心层

• 2.1 输入层 — 用户/消息从哪里来，第一步怎么处理。路由设计：什么时候AI判断，什么时候规则兜底。
• 2.2 技能/工具层 — 每个功能封装成独立模块（技能），有明确的输入输出规范。AI只负责流程中的特定环节，不是全包。
• 2.3 持久化层 — 数据是系统的，不是AI的上下文。跨会话记忆、知识库、配置管理——让系统越用越聪明。
• 2.4 韧性层 — 降级链设计：AI → 规则引擎 → 缓存 → 人工兜底。假设每个环节都可能挂，系统才不会真挂。

三、确定性层 vs 增强层

• 3.1 分清骨架和血肉 — 确定性层（数据库、规则引擎、业务流程）是系统的骨架，AI增强层（语义理解、内容生成）是血肉。骨架不能软。
• 3.2 什么是必须交给确定性的 — 权限、交易、状态管理、核心判断逻辑——这些AI不该碰，碰了会出事。
• 3.3 什么是适合交给AI的 — 模糊匹配、内容生成、意图识别、异常分类——这些是AI的强项。
• 3.4 门控层 — 在关键节点设卡：置信度阈值、人工确认环节、异常拦截——让系统有免疫系统。

四、数据闭环：越用越好的系统

• 4.1 每次交互留下可复用的资产 — 对话记录→训练种子、用户纠正→记忆更新、坏案例→技能修补。
• 4.2 从修bug到建防线 — 每次出错问自己：能不能让系统以后不会再犯这个错。不是修一次，是建一道不再跨过去的墙。
• 4.3 Bad Case驱动进化 — 错误是最好的老师。建立Bad Case库，定期复盘，系统进化的燃料就在这儿。

五、从零开始的四阶段路径

• 5.1 阶段一：识别高频场景 — 你每天在AI上做什么？写东西、查资料、回消息——选一个最疼的开始。
• 5.2 阶段二：搭最小闭环 — 从手动复制粘贴变成自动化流程。哪怕只是消息自动转发+简单规则处理，也算起步了。
• 5.3 阶段三：加AI增强 — 在流程里嵌入AI做语义理解和判断。这时候你会开始想"如果它错了怎么办"——恭喜，系统思维开始了。
• 5.4 阶段四：迭代闭环 — 每次出错不是修bug，是升级系统的机会。建立反馈回路，让系统自己进化。

六、案例拆解

• 6.1 真实系统拆解 — 以源泽智能的微信AI助手（Hermes）为例：输入层→路由层→技能层→持久化层→韧性层的完整拆解。
• 6.2 每个层的具体实现 — 确定性层（规则引擎+数据库）、AI增强层（DeepSeek API）、韧性层（降级链+缓存+人工兜底）。

七、常见陷阱与应对

• 7.1 过度AI化陷阱 — 什么都要用AI做，连1+1=2都走一遍大模型。应对：能确定性的就别AI。
• 7.2 单点依赖陷阱 — 系统完全依赖一个AI模型/API，挂了全崩。应对：多模型支持 + 降级链。
• 7.3 不做持久化陷阱 — 全靠AI上下文窗口"记住"东西，会话一断全丢。应对：建数据库，让数据属于系统。
• 7.4 不迭代陷阱 — 搭完就放着不管，半年后还是一样。应对：设回顾周期，让Bad Case驱动升级。

八、延伸方向

• 从单用户系统到多租户系统
• 从单一AI模型到多模型编排
• 从人工确认到自动化门控
• 从本地部署到分布式架构
• 从功能系统到价值系统（赋能业务而非替代流程）