这是《嵌入式 AI 落地手记》的第六篇。前面讲了工程底座，这篇讲 AI 具体怎样工作：生成与检查怎样分工，人工确认放在哪里，技能又怎样根据使用反馈继续修改。

一家工业设备零部件企业接到新需求：批量不大，交期紧，还要求一种企业没有做过的特殊表面处理。

甲集团刚把供应延迟处置做成可复核的方案，规则又发生了变化。B公司进入交付高峰，需要提高本地保障库存；A公司因一项紧急任务，希望优先内部调拨；集团发布了新的供应主...

甲集团的架构团队完成了第一轮建模。屏幕上，供应商、物料、仓库、订单和公司相互连接，图谱可以检索，也能由智能体用自然语言解释。负责人提出一个具体问题：A公司的供应...

过去几年，国产 BI 的选型重点一直围绕可视化能力、数据处理性能和自助分析体验展开。当自然语言问数能力全面进入各家产品之后，选型清单上多出了一道此前从未出现过的...

传统信息化、云原生架构面向人发起请求、服务无状态、流程固定、数据事后分析设计。 系统是工具，人是唯一决策者，业务流程由人预先定义，AI只是嵌入流程的辅助能力，属...

企业准备建设智能体时，常常会碰到一个看似简单的问题：供应商说可以私有化部署，是不是就意味着数据安全了？

11 月 2 日，腾讯发布营销云 MAGIC AI 2.1，同时把企业微信和 WorkBuddy 打通，提了一个新说法——「全域上下文」。

甲集团完成了首轮准备检查，决定继续验证A、B两家制造公司的供应中断处置。集团技术团队准备建立统一库存对象，并请C服务板块一起提供字段。大家都希望减少重复建设，讨...

说明：本文从一组业务系统启用与数据接入工具的工程实践中抽取人机对比部分，项目名、字段和代码标识均作功能化脱敏。文中“AI 更有优势”是有适用条件的实践假设，不是...