说实话，这个工程量很大。但我理解大家的心情——知道别人做了什么，却不知道怎么做，这是最难受的。
所以这篇文章，我把158个场景按业务域逐个拆解。每个场景告诉你：业务本质是什么、怎么做、技术怎么选、有什么坑。
先声明：以下场景基于公开信息整理，不一定和美的内部完全一致。但此类场景在企业里怎么做，我是有发言权的。另外，美的能把这些场景落地，本身就说明了它的执行力和组织能力，这一点值得尊重。
还有，记住这个原则：对话类、生成类产品自建很简单，接大模型API就行；有研发团队的企业，两个月能搭出基础平台；没研发团队的，直接用低代码平台。场景第一，平台第二。
第一类：知识问答类（约63个场景）
这类场景的本质是"内部版ChatGPT接了个文档库"。技术门槛低，但文档治理是核心。
场景1：制度政策问答
业务本质
员工入职、转岗、调薪时，需要查HR制度、财务报销规则、考勤规定。以前找HR问，现在问AI。
怎么做
把制度文档（PDF/Word）上传到知识库，员工用自然语言提问，AI从文档里找答案。比如'年假能休几天''出差住宿标准多少'。
产品建议
自建：开源知识库系统 + 大模型API。没研发团队的，直接用办公平台自带的智能问答，但功能受限。
技术方案
RAG路线：文档切片→向量化→存入向量库→用户提问时检索相关片段→大模型生成答案。说白了就是让AI先'翻书'找到相关页，再'组织语言'回答。
常见坑
1. 文档更新后AI答案不同步，员工按旧制度执行会出事。必须做文档版本管理，更新后自动重新索引。
2. 制度文件写得偏官方，口语化不足，员工问'年假能休几天'，文档里写的是'年休假天数根据累计工龄确定'，AI可能匹配不上。需要给文档加FAQ对。
3. 薪酬、绩效等敏感信息不能进知识库，要做权限隔离。
场景2：IT帮助台问答
员工电脑连不上VPN、邮箱配置不对、系统权限申请，以前打IT热线，现在问AI。
把IT运维文档、常见问题、操作手册整理成知识库。员工提问后，AI给出操作步骤，解决不了再自动转人工工单。
自建：开源知识库系统 + 大模型API + 工单系统。采购：IT服务管理系统的AI模块。
FAQ优先：80%的IT问题是重复的（密码重置、VPN连接），走FAQ直接返回答案。复杂问题走RAG检索运维手册。解决不了时，自动创建工单并带上对话上下文。
1. IT文档太技术化，普通员工看不懂。需要把技术文档翻译成'人话'，比如'修改DNS'要改成'点击这里，把数字改成这个'。
2. 不同操作系统（Win/Mac）步骤不同，AI可能给错方案。需要在提问时引导用户说明系统版本。
3. 涉及账号密码的操作，AI不能代劳，只能给步骤，否则有安全风险。
场景3：产品知识问答
销售见客户前查产品参数，客服接电话时查功能对比，渠道商问价格体系。以前翻产品手册，现在问AI。
把产品手册、竞品对比表、价格体系（脱敏）做成知识库。支持多轮追问，比如'A产品和B产品有什么区别''这款空调适合多大面积'。
自建：开源RAG系统 + 大模型API。采购：客服系统的AI知识库模块。
产品文档向量化 + 表格数据结构化存储。参数对比类问题，需要把表格数据也接入，不能只靠文档检索。
1. 产品价格敏感，不同客户级别价格不同，AI可能给错报价。必须做权限隔离，普通员工只能看到公开价。
2. 竞品信息更新快，知识库维护成本高。建议只放核心竞品，不要贪多。
3. 产品型号太多，员工问'那款白色的空调'，AI不知道是哪款。需要建立同义词映射（白色→极地白/珍珠白）。
场景4：法务合规问答
业务人员签合同前查条款风险，采购问合规要求，研发问知识产权。以前找法务部，现在先问AI。
把合同模板、法律法规、内部合规制度做成知识库。AI给出参考意见，但最终决策必须法务审核。
采购优先：专业法律AI系统。自建：开源RAG系统 + 大模型，但必须做答案溯源（标明出处条款）。
法律条文检索 + 案例库匹配 + 大模型生成解读。关键：答案必须带出处，比如'根据《合同法》第XX条...'，不能凭空说。
1. 法律答案容错率极低，AI幻觉可能导致法律风险。必须明确标注'仅供参考，不构成法律意见'。
2. 地方法规和国家法规冲突时，AI可能给错建议。需要标注法规适用范围。
3. 合同条款涉及商业机密，不能走公有云。必须私有化部署或本地模型。
场景5：供应链知识问答
采购查供应商信息、物料编码、交付周期；计划员查库存水位、安全库存。以前问ERP专员，现在问AI。
ERP数据 + 供应商文档混合接入。员工问'某物料还有多少库存'，AI直接查ERP返回答案；问'某供应商怎么样'，检索供应商评估文档。
自建：开源知识库系统 + ERP数据接口（需开发）。采购：ERP系统自带的AI助手。
结构化数据走SQL查询（库存、价格），非结构化数据走RAG检索（供应商评估报告）。大模型负责理解用户意图，决定走哪条路。
1. ERP数据实时性要求高，RAG有延迟。库存数据必须直连数据库，不能走文档索引。
2. 供应商信息涉密，不同采购员只能看自己负责的供应商。权限管理复杂。
3. 物料编码有多个版本（内部码、供应商码、客户码），AI可能混淆。需要建立编码映射表。
场景6：研发技术问答
工程师查技术规范、代码规范、架构文档；新人问'这个模块怎么接入'。以前找老员工，现在问AI。
技术文档 + 代码仓库统一接入。支持代码片段检索，比如'这段报错什么意思''这个API怎么用'。
自建：开源知识库系统 + Git仓库集成。采购：代码助手企业版（贵但好用）。
代码仓库向量化：把代码文件切片，和文档一起索引。用户问代码相关问题时，优先检索代码片段。
1. 技术文档版本多，容易检索到过期内容。必须按版本号索引，默认只搜最新版。
2. 代码涉密，不能走公有云。必须本地化部署。
3. 代码问题需要上下文，比如'这个函数报错'，AI不知道'这个'是哪个。需要用户粘贴代码片段。
场景7：质量规范问答
质检人员查检验标准、缺陷定义、处理流程；产线工人问'这个瑕疵算不算不良'。以前翻质量手册，现在问AI。
质量标准文档 + 缺陷图片库接入。支持文字+图片混合问答，比如上传一张瑕疵照片，问'这个合格吗'。
自建：开源知识库系统 + 多模态大模型能力。采购：质量管理系统自带AI模块。
文字标准走RAG，缺陷图片走视觉模型。用户上传图片后，先视觉检索相似缺陷，再返回答案。
1. 质量标准更新频繁（客户要求变化），知识库同步不及时。需要和质量部门建立更新机制。
2. 缺陷图片识别准确率有限，尤其是微小瑕疵。AI只能辅助，最终判定必须人工。
3. 不同客户标准不同，A客户接受的瑕疵B客户不接受。需要按客户维度隔离知识库。
场景8：安全环保问答
员工查安全操作规程、环保法规、应急预案；新人入职安全培训时提问。以前翻安全手册，现在问AI。
安全规程 + 法规库 + 应急预案做成知识库。支持场景化提问，比如'化学品泄漏了怎么办''这个岗位有什么危险'。
自建：开源RAG系统 + 大模型API。采购：EHS系统AI模块。
法规库检索 + 操作规程匹配。高风险操作（如动火作业、高空作业）必须人工二次确认，AI只能给参考步骤。
1. 安全答案错误代价极大，AI只能辅助不能替代。必须明确标注'仅供参考，以现场安全员指导为准'。
2. 应急预案需要结合现场情况，AI给的是通用步骤，实际执行需调整。
3. 安全培训记录需要留痕，AI问答记录不能替代培训签到。
场景9：财务税务问答
业务人员报销时问'这个发票能不能报'；采购问'这个税率对不对'；海外业务问'跨境税务怎么处理'。以前问财务，现在先问AI。
财务制度 + 税务政策库 + 历史报销案例做成知识库。AI给出初步判断，复杂情况转财务审核。
采购优先：财务软件自带的AI模块。自建：开源知识库系统 + 财务系统接口。
税务政策检索 + 内部制度匹配。政策变化快，需要定期更新（如国家税务总局网站）。
1. 税务政策变化极快，知识库维护成本极高。建议只覆盖核心政策，不要贪全。
2. 涉及金额必须人工复核，AI只能给参考，不能作为报销依据。
3. 跨境税务复杂，不同国家规则不同，AI容易混淆。需要按国家维度拆分知识库。
场景10：人力资源问答
员工查薪酬福利、晋升通道、培训资源；HRBP问'这个岗位薪酬带宽多少'。以前问HR，现在问AI。
HR制度 + 培训资源目录 + 员工个人信息（脱敏）联合查询。比如'我今年还有几天年假'需要查员工入职日期。
自建：开源知识库系统 + HR系统接口。采购：HR系统的AI模块。
制度文档走RAG，个人信息走API查询（脱敏后返回）。比如问年假余额，AI调HR系统接口返回答案。
1. 员工隐私极度敏感，薪酬、绩效、离职信息绝对不能走AI。需要做严格的数据脱敏和权限控制。
2. 同一个人在不同系统里信息不一致（比如OA和HR系统入职日期差一天），AI可能给错答案。
3. 员工问'为什么我的工资比同事少'，AI不能回答，需要转人工。要设置敏感问题拦截。
知识问答类场景（1-10）小结： 这类场景是AI落地最低门槛的入口，但价值天花板也最低。核心投入在文档治理，而不是AI技术本身。建议作为"第一波"快速上线，让员工感受到AI的存在。文档质量决定问答质量，AI只是放大器。