筑云智库知识平台
参与AI知识库产品从Demo到V1迭代，建立产品交付标准，客户反馈满意并启动更大规模项目
Overview
参与「筑云智库知识平台」从Demo到V1迭代的产品推进工作，围绕知识库问答（RAG）场景的可用性、可追溯性与演示交付做产品规划与质量闭环
Problem
客户需要一个能够展示AI知识库问答能力的演示系统，需要在短时间内从Demo版本迭代到可交付的V1版本，重点解决检索质量、引用展示、文档预览等技术实现与产品体验的挑战
Constraints
- 交付时间紧张，需要快速迭代
- 甲方演示场景要求高，需要完整闭环
- 多文档类型支持（PDF、表格、图片）
- 检索召回稳定性需达标
Approach
采用敏捷迭代方式，结合甲方演示场景与交付节奏，梳理核心能力边界。将功能拆解为P0/P1优先级，明确验收标准。建立测试问题模块体系，确保演示前关键路径稳定
Key Decisions
将功能拆解为P0/P1优先级
Reasoning:
确保有限的开发资源集中在最关键的演示路径上，每个P0功能都必须是「可演示、可验证、可回归」的
Alternatives considered:
- 一次性开发所有功能
- 先完成所有后端再开发前端
建立测试问题模块体系
Reasoning:
将测试问题分类为对话问答、引用与定位、PDF预览与下载、图片/表格回显、异常与稳定性等模块，确保全面覆盖
Alternatives considered:
- 仅进行功能测试
- 让开发自行测试
Tech Stack
- Dify（本地部署）
- RAG知识库
- PDF预览
- 多文件引用
Result & Impact
- P0功能100%交付核心功能完成率
- 关键路径0阻塞演示成功率
- 非常满意，启动新项目客户反馈
积累了AI知识库产品落地的一线经验，建立了从需求拆解到产品交付的完整方法论
Learnings
- 产品交付标准需要「可测试、可回归、可演示」
- 演示前的「最小可交付链路」至关重要
- 跨团队协作需要平衡产品体验与技术实现
需求与范围定义
在项目初期，我结合甲方演示场景与交付节奏，梳理出核心能力边界：
- 文档检索：支持多文档类型的语义检索
- 引用定位：回答需要准确引用源文档
- 表格/图片回显：支持非文本内容的展示
- 多文件引用：一个回答可引用多个文档
- 下载意图识别：智能判断用户下载需求
知识库问答内容建设
基于液冷技术规范、测试验证管理规范、PUE考核、电费协议、碳要求、设备技术规格等多份文档，我设计并维护了：
- 关键问题集：覆盖各类演示场景
- 标准答案：确保回答质量一致
- QA注入：支持技术侧进行召回稳定性提升
测试与缺陷闭环
作为产品负责人，我组织Demo/V1功能测试，搭建了完整的测试问题模块体系：
- 对话问答模块
- 引用与定位模块
- PDF预览与下载模块
- 图片/表格回显模块
- 异常与稳定性模块
演示方案与交付保障
制定了「最小可交付链路」，确保每个核心问题都能实现：
- 回答：AI给出准确的答案
- 引用：展示答案的依据
- 跳转预览：点击引用可直接查看原文
同时准备统一口径应对可能的追问：检索策略、引用规则、拒答机制、下载触发逻辑等。
独立完成：AI运维智脑首页
为支撑下一阶段方案沟通，我独立完成了一张「AI运维智脑」首页静态页面，把知识库、数字孪生、物联网感知、作业管理、态势监控等模块用一张图讲清楚。客户看完很快理解了整体蓝图，这份页面也成为后续推进的沟通基础。