让私有 AI 真正进入企业工作。
从私有模型运行、企业知识库和 RAG，到 Agentic Workflow、工具调用、系统集成、权限、审计与人工控制，我提供的是一套可以实际运行、逐步扩展并进入真实业务场景的企业 AI 能力，而不只是安装一个本地模型。
私有化的价值，不只是“模型放在本地”。
更重要的是，企业能够重新掌握数据边界、知识使用方式、工具权限、联网能力和运行控制。AI 可以更深入地进入真实工作，同时仍然保留清晰的组织边界。
数据边界
根据企业约定的架构和运行环境控制敏感资料的处理范围，减少不必要的数据暴露。
知识自主
让项目资料、制度、模板、历史经验和企业知识成为可复用的 AI 上下文。
工作流集成
让 AI 从聊天界面进入实际工作流程，而不是停留在一次性的问答和内容生成。
控制与治理
按照企业制度设计权限、工具、联网、审批、审计和人工介入机制。
从运行基础，到知识、工作流、工具和治理。
服务内容根据企业实际需求组合，不以固定人数或部门规模作为主要分级标准，而以系统具备的功能、执行能力和治理深度作为核心边界。
Private AI Platform
- 私有模型部署
- Web / API 接口
- 基础配置与状态管理
- 测试与运维能力
Enterprise Knowledge & RAG
- 企业知识库
- 文档与项目资料接入
- RAG 与上下文检索
- 知识范围与权限边界
Agentic Workflow
- 简单与多步骤 Workflow
- Agent 协同
- 状态管理与任务路由
- 验证、重试与人工介入
Tools & System Integration
- 文件与 API
- 联网搜索
- 数据库与业务系统
- 企业工具集成
Governance & Control
- 权限控制
- 日志与审计
- 审批与 Human-in-the-loop
- 异常与高风险动作控制
Deployment & Handover
- 安装与配置
- 功能与场景测试
- 运行与管理说明
- 后续优化与升级
不是按人数分级，而是按 AI 能做什么来分级。
从稳定运行，到知识智能，再到具备工具调用和真实执行能力，每一级都对应不同的能力边界、风险面和治理要求。
私有 AI 平台
建立一套可以稳定运行、测试、管理和维护的私有 AI 基础平台。
- 私有模型运行
- Web / API 访问
- 基础平台与配置管理
- 状态监控与基础日志
- 测试与基础运维
- 部署与运维说明
知识与工作流 AI
在私有平台之上增加企业知识、RAG 和受控工作流，但有意识地限制自主执行能力。
- Foundation 全部能力
- 企业知识库 / RAG
- 文档理解与知识检索
- 简单 Workflow
- 基础 Agent
- 基础人工确认节点
- 不开放自主联网搜索
- 不开放通用工具调用
- 不允许自主创建 / 修改企业文件
企业 AI 运行系统
进一步增加工具、系统连接、复杂 Agentic Workflow 和完整治理能力，让 AI 可以在受控条件下执行真实工作。
- Standard 全部能力
- 联网搜索
- 工具调用
- 文件创建与修改
- API / 数据库 / 企业系统集成
- 多 Agent 与高级 Workflow
- 验证、重试与 Re-plan
- 权限、审批与 Human-in-the-loop
- 完整审计与可追溯性
功能边界，也是风险边界。
标准级并不是“企业级的简化版”，而是主动控制 Action Surface；企业级则因为具备真实执行能力，所以需要更完整的治理体系。
| 能力 | Foundation | Standard | Enterprise |
|---|---|---|---|
| 私有模型运行 | ✓ | ✓ | ✓ |
| 平台测试与运维 | ✓ | ✓ | ✓ |
| 知识库 / RAG | — | ✓ | ✓ |
| 简单 Workflow | — | ✓ | ✓ |
| 外部联网搜索 | — | — | ✓ |
| 通用工具调用 | — | — | ✓ |
| 文件创建 / 修改 | — | — | ✓ |
| 企业系统集成 | — | — | ✓ |
| 高级 Agentic Workflow | — | Limited | ✓ |
| 审计与追溯 | 基础日志 | 基础记录 | 完整审计 |
标准级不是“不完整”，而是有意识地限制执行权限。
很多企业真正需要的是知识检索、文档分析、报告生成、制度查询、项目资料总结和知识复用，并不一定需要 AI 自主操作文件、联网或调用企业系统。
私有化不是安全本身。制度才是安全体系的起点。
私有化部署可以缩小数据暴露范围，但真正决定安全效果的，首先是企业的制度、规则、责任机制和运行纪律，然后才是架构、配置、权限、基础设施以及实际运行方式。
如果没有明确的数据分类、访问规则、责任机制、审批要求和异常处理制度，再好的技术架构也无法单独保证安全。
从“能聊天”转向“能解决实际工作问题”。
场景可以从知识密集、重复性高、规则相对清晰的工作开始，再逐步进入更复杂的自动化和系统执行。
架构支持逐级扩展，而不是每次升级都从零重建。
企业可以先建立稳定平台，再增加知识和工作流，最终扩展到具备工具调用、系统执行和完整治理能力的企业级 AI。
Runtime
先建立稳定、可维护、可测试的私有 AI 基础。
Intelligence
加入企业知识、RAG 和受控 Workflow，让 AI 能够理解和辅助工作。
Execution + Governance
加入工具、系统和治理，让 AI 能够在明确边界内执行真实工作。
企业级部署通常可持续获得后续发布的标准平台功能升级，不额外收取功能授权费用。定制开发、专属系统集成、重大基础设施调整、第三方服务以及少数高级功能可能另行报价。
清楚说明服务是什么，也说明它不是什么。
This Service Is
- 私有 AI 平台部署
- 企业知识与 RAG 集成
- Workflow 与 Agentic Workflow 设计
- 受控自动化与企业系统集成
- 权限、审计和人工控制设计
- 企业 AI 能力建设
This Service Is Not
- 一个通用聊天机器人
- 一次安装后无需管理的“一键 AI”
- 无限制的自主 AI
- 承诺 AI 可以替代所有员工
- 对绝对数据安全作保证
技术栈服务于系统，而不是反过来定义服务。
实际组件根据企业环境和目标选择。技术只是实现手段，重点是形成可运行、可维护、可治理的整体能力。
价格由部署等级与实施范围共同决定。
最终报价通常取决于服务等级、硬件与模型选择、数据规模、系统集成复杂度、定制需求、迁移工作和支持范围，而不是简单按照用户数量计费。
从一个真实工作场景开始。
如果企业正在考虑私有大模型、知识库、RAG、Agent Workflow 或 AI 自动化，可以先从一个高频、明确、可衡量的实际工作场景开始讨论。