01
檢索是工程問題,不是提示詞問題
我們看到的多數失敗不是模型的失敗。是一個合併儲存格變成了錯的數字,是一處分塊邊界把表格切成了兩半,或者是本該由系統強制執行的權限,卻拿去問了模型。我們的力氣花在這些地方。
關於我們
DataFact 幫助團隊跨文件和資料庫提出問題,並獲得可追溯到來源的答案。我們認為 AI 不應隱藏答案的產生方式。答案背後的資料、查詢、文件、頁面和推理應保持可見,尤其是當答案用於做出業務決策時。這就是 DataFact 的用途。
這些是觀點,它們讓我們放棄了一些展示效果很好的功能。我們認為,這正是部署能留在正式環境裡的原因。
01
我們看到的多數失敗不是模型的失敗。是一個合併儲存格變成了錯的數字,是一處分塊邊界把表格切成了兩半,或者是本該由系統強制執行的權限,卻拿去問了模型。我們的力氣花在這些地方。
02
如果一個人沒辦法查核某個數字從哪來,他要嘛手動重算一遍,要嘛乾脆不再用這個工具。兩種結果都浪費了投入。出處不是我們後來加上的功能,它是架構長成現在這樣的原因。
03
每一次遷移都是一個專案,和你真正想做的事搶資源。我們連接你已經在跑的資料倉儲和文件庫——無論你是訂閱,還是把平台裝進自己的網路。軟體放在哪裡由你決定;它讀的東西留在原地。
04
五個友善使用者的試點,證明不了四百個權限各不相同的人會怎麼樣。範圍、資料角色和稽核從一開始就在產品裡,因為事後再補,正是企業內部 AI 專案死掉的方式。
我們從哪裡來
DataFact 脫胎於已經在大型製造企業、電信業者和資源集團內部運行的平台工作——在那樣的環境裡,答案必須是對的,網路沒有出口,稽核按期到來。
那不是一個光鮮的做產品的地方,也正是解析、權限模型和稽核軌跡做得這麼具體的原因。
聯絡我們