知识库答辩：把追问变成加分项

口径：不是品牌判断，是加权评分结果。四个维度权重为内容生成质量 40%、知识库调用能力 25%、 硬件性能适配 20%、部署平台易用性 15%。

• 知识库调用：Qwen3 14B 精确率 93% / 召回率 86%，高于 DeepSeek 14B；
• 内容生成：Qwen3 14B 在专销协同场景（营销方案生成、专卖法规解读）更贴合行业业务逻辑；
• 硬件适配：Qwen3 14B 生成速度 12.5 token/s，GPU 60%—80%，内存 <12G；
• DeepSeek 14B 的长项在文档处理（信息覆盖率 92%），可作为长文摘要场景的备用模型，不构成替换关系。

口径：指标来自知识库调用能力测试阶段（第 14—18 天），累计 1200 余条测试数据。

• 测试方法：提出问题 → 模型从知识库检索相关信息 → 评估检索准确性与融合自然度；
• 场景设计：单一问题检索、复杂需求整合、模糊查询处理三类，多轮次执行；
• 考核门槛为精确率 ≥85%、召回率 ≥80%，实测 91% / 83%，其中精确率超额；
• 诚实边界：边缘场景（特殊投诉处理、复杂营销方案定制）用例不足，已在总结报告中列为改进项。

口径：二者不是替代关系，是分工。实测结论：Ollama 优势在易用性与部署速度，适合原型验证与临时测试； Aingdesk 优势在高并发下的稳定性与资源调度效率，适合正式业务场景与生产环境。 项目最终确定 Aingdesk 为核心生产平台，Ollama 用于快速验证，LM Studio / Cherry Studio 作为备选与前端。

口径：靠 RAG 而非微调，这是成本与可控性的权衡。用「原始收集 → 结构化处理 → 动态关联 → 智能增强」 的四阶投喂法把行业语料注入知识库，模型回答被限定在检索到的片段内，输出可溯源。

诚实边界：针对行业术语与业务逻辑的微调尚未开展，已列入改进方向—— 这是下一步提升精准度的明确路径，而不是当前的既成事实。

口径：拆成「成本节约」与「效能增长」两本账，各自给出计算依据。

• 年度直接成本节约 ≈15 万元：人力释放（2 名客户经理约 30% 工时）≈8 万 + 行政办公 ≈2 万 + 培训成本优化 ≈5 万；
• 年度效能增长 ≈45 万元：客户保留增收 ≈25 万 + 市场净化效益 ≈15 万 + 效率增益 ≈5 万；
• 年度净效益 ≈60 万元，项目总投资 11.50 万元 → ROI ≈522%，静态回收期 6—8 个月。

答辩提醒：「客户保留增收」「效率增益」属于测算值而非财务入账值， 应答时明确这是基于满意度提升与流失率下降的推算，并说明测算假设，反而更可信。

口径：先承认，再给结构。考核目标为 ≥85%，87.88% 已超额完成；90% 是内部更高的期望值。 同时给出过程数据：投诉处理满意率 94.87% → 98.46%（超额），服务效率满意度 80% → 87.88%+， 87.88% 的问题在 5 个工作日内解决、61.36% 在 2 个工作日内解决。

归因：满意度是滞后指标，体系 2025 年 9 月才进入试点，全面推广在 2026 年 1—3 月， 效果的完整显现需要更长观察窗口。

口径：用「完成率分布」回应。14 项指标达成率 100%，其中 12 项超额（85.7%）， 仅 2 项（召回率 83% vs 目标 80%、制度建设 1 项 vs 目标 1 项）为达标而非超额。 关键指标的超额幅度：咨询响应 ≤10 秒（目标 ≤30 秒）、处理周期 2.5—3 日（目标 ≤5 日）、 培训 420+ 人次（目标 ≥400）、论文 3 篇（目标 ≥2 篇）。

口径：架构层面保证 + 制度层面红线。

• 架构：模型与知识库均部署在本地服务器，推理与检索在企业内网完成，不调用任何外部 API；
• 制度：操作手册明确要求——严禁将含内部敏感信息、商业秘密、非公开数据的文档上传至任何在线知识库平台； 涉密与核心业务数据只能在 LM Studio / Ollama 搭建的本地环境中处理；
• 复核：AI 生成内容涉及法规、数据、政策时，必须人工核查，最终责任由使用者承担。

口径：承认风险存在，给出四道防线：① RAG 限定知识范围并强制标注来源； ② 交叉验证（多模型 / 多来源取交集）；③ 追问细节（要求给出具体出处）； ④ 人机协同——AI 是辅助，最终判断由人做。并在手册中写明「AI 是强大的辅助工具，但最终决策和责任仍由使用者承担」。

口径：可复制，但有前置条件。项目价值在于在区县一级走通「大模型本地部署 + 行业知识库 + 五联共管模式」全链路， 且数据不出门、成本可控、技术自主。复制需满足：① 硬件达到 16G 显存档位（实测无需额外升级）； ② 有可持续维护的行业语料（10 个一级 / 15 个二级分类是骨架，内容需本地化替换）； ③ 有跨部门协同的组织授权（五联共管涉及专卖、营销、物流、内管四个条线）。

口径：机制比内容更重要。已明确：近期落地知识库季度更新审核机制，中期把知识库维护纳入岗位职责与绩效考核。 当前短板是更新依赖人工、审核流程未完全跑通——这是项目自己指出的问题，不是评审发现的漏洞。 补充：行业案例与实操经验类内容占比偏低，后续需增加案例类、经验类内容。

口径：目标 ≥70%，实测 73.49%，超额完成。覆盖结构为内部员工 200 人次 + 零售客户 220 人次， 员工对体系理解度 ≥90%。未覆盖部分将通过 20 个知识视频（总时长 >120 分钟）与 4 套教材的线上自学补齐， 这也是年度节约培训成本约 5 万元的来源。

口径：如实区分「已取得」与「在准备」。

• 论文：计划 2 篇，实际发表 3 篇（超额 50%）；
• 软著：AIGC 智能助手（项目小助手）已于 2025-11-20 通过采购验收并投入运行， 具备需求、设计、测试、操作手册等登记材料基础（登记在办理中）；
• 专利：经核查全部归档材料，未发现已申请、受理或授权的专利记录——如实说明，不要含糊带过。

口径：是已知边界，不是遗漏。项目总结中已明确「未针对现有业务系统开展接口开发与定制化适配」， 并将其列为改进方向。当前阶段的价值在于验证了技术路线可行性与业务收益（响应时间、满意率、协同效率的硬数据）， 系统集成属于下一期工程范围。

口径：不是模型，是方法。基层单位用有限资源、开源方案，同样能产出看得见、用得上的数字化成果： 11.50 万元经费、零新增硬件、33 天完成选型验证，最终形成可复制的「云岩样本」—— 理论框架（1335 体系）、技术方案（Qwen3 14B + Aingdesk + RAG 知识库）、 管理制度（《卷烟零售客户服务限时制度》）、培训资源（4 套教材 + 20 个视频）四项标准化成果。