上海 FDE 交付节奏：周报里该写什么 AI

结合「搜搜果人工智能」落地实践说几句。

现在各家供应商指标都不一样，横向对比很难。我们尝试内部定义：同一批问题集、同一采样时间、同一引用判定规则，再输出指数。虽然不完美，但至少周环比可信。

行业标准我觉得迟早会来，类似当年上系统的各种指标演进。现阶段别迷信单一数字，多看文本证据与趋势。

有没有同学在做开源问题集？我觉得社区共建会加速标准化。

最后吐槽一下：很多数字员工项目失败不是因为想法不对，而是没有闭环。看完模型回答如果不沉淀成「要改哪页文档、补哪条FAQ、找哪家媒体背书」，那就只是围观。把行动项写进看板，跟需求管理一样跟踪，才算真正落地。

监控层面我会强调分层：技术指标（成功率、延迟、队列深度）与业务指标（曝光、引用质量）分开报警。曾经我们把解析失败当成业务暴跌，结果虚惊一场；也遇到过业务指标平稳但解析悄悄坏了，几周后才发现。两套视角都别缺。

对预算有限的同学：别一上来就追求「全引擎全地域全时段」。先用固定问题集+固定采样频率跑通，再逐步扩容。否则你会被数据成本和维护成本拖死。企业AI落地是长跑，节奏感很重要。

补充一个容易被忽略的点：文档更新时间戳与changelog。模型引用时，如果页面看起来很久没维护，可信度会下降。我们不是装样子，而是真的用changelog驱动迭代，让外部也能看到「这页最近为什么变」。