01
检索是工程问题,不是提示词问题
我们见到的多数失败不是模型的失败。是一个合并单元格变成了错的数字,是一处分块边界把表格切成了两半,或者是本该由系统强制执行的权限,却拿去问了模型。我们的力气花在这些地方。
关于我们
DataFact 帮助团队跨文档和数据库提出问题并获得可追溯到源头的答案。我们认为 AI 不应隐藏答案的产生方式。答案背后的数据、查询、文档、页面和推理应该保持可见,尤其是当该答案用于做出业务决策时。这就是 DataFact 的用途。
这些是观点,它们让我们放弃了一些演示效果很好的功能。我们认为,这正是部署能留在生产环境里的原因。
01
我们见到的多数失败不是模型的失败。是一个合并单元格变成了错的数字,是一处分块边界把表格切成了两半,或者是本该由系统强制执行的权限,却拿去问了模型。我们的力气花在这些地方。
02
如果一个人没办法核对某个数字从哪来,他要么手工重算一遍,要么干脆不再用这个工具。两种结果都浪费了投入。出处不是我们后来加上的功能,它是架构长成现在这样的原因。
03
每一次迁移都是一个项目,和你真正想做的事抢资源。我们连接你已经在跑的数仓和文档库——无论你是订阅,还是把平台装进自己的网络。软件放在哪里由你决定;它读的东西留在原地。
04
五个友好用户的试点,证明不了四百个权限各不相同的人会怎么样。范围、数据角色和审计从一开始就在产品里,因为事后再补,正是企业内部 AI 项目死掉的方式。
我们从哪里来
DataFact 脱胎于已经在大型制造企业、运营商和资源集团内部运行的平台工作——在那样的环境里,答案必须是对的,网络没有出口,审计按期到来。
那不是一个光鲜的做产品的地方,也正是解析、权限模型和审计轨迹做得这么具体的原因。
联系我们