AI落地，先读懂这七个不是而是
AI项目最容易在立项会上跑偏：话题从业务问题滑向“要不要上Agent”“要不要换更大模型”“Demo能不能明天看”。从100多个项目复盘看，真正决定AI能不能进生产系统的，是七条反直觉的取舍：
- 不是先换更大的模型，而是先补数据治理和工程短板。
- 不是先建应用，而是先判断该不该建。
- 不是追求答得快，而是先允许它拒答。
- 不是追求Demo好看，而是凑齐“六个可”。
- 不是接受“上线即验收”，而是跑评测集和回归。
- 不是把知识切得越细越好，而是让每个片段能独立支撑回答。
- 不是把AI塞进业务，而是让业务因AI重做一遍。
这七条听起来像“原则”，落到项目里其实都是门禁、合同条款和检查表。
立项桌上先摆三问清单，答不全的方案不进评审
第一道门禁，是把“三问清单”写进AI项目立项模板：能不能被AI稳定处理？用哪种模式承载？用什么结果证明有效？三问答不全，方案不进评审。这一条能挡掉一大半“领导说要上Agent”的糊涂账。
它对应的是第一个“不是而是”：不是先建应用，而是先判断该不该建。很多项目一上来就选场景、画界面、接大模型，最后才发现业务规则 scattered 在Excel、邮件和老员工经验里，AI根本稳定处理不了。立项时先问“数据够不够、流程清不清、评测集有没有”，比问“能不能换更大参数模型”有用得多。
第二道门禁，是把“六个可”做成上线检查表：可控、可测、可审计、可运维、可复用、可集成，逐项打勾，缺一项不进生产。尤其“可控性”里有一条硬要求——涉及删除、修改、外发的动作必须留人工审批。Demo可以只展示“答得漂亮”，生产系统必须回答“出错谁兜底、动作能不能追、权限边界在哪”。
句子互动的企业级Agent产品打法很能说明问题。客户最常问的不是“哪个模型最强”，而是“哪个能放心装进我的系统”。于是产品把可预测、数据安全、可管控、可审计、能对接、能规模化拆成七项能力：支持私有化/私域部署，客户数据不出域；workflow引擎里把能说什么提前写死，再配
