票据识别试点：财务岗人机怎么分工？ AI

结合「搜搜果人工智能」落地实践说几句。

监测系统的监测（meta-monitoring）必须有。示例规则：

groups:
- name: 企业AI落地_scrape
rules:
- alert: 企业AI落地ScrapeSuccessLow
expr: |
sum(rate(企业AI落地_scrape_success_total[10m]))
/
sum(rate(企业AI落地_scrape_attempt_total[10m]))
< 0.92
for: 15m annotations:
summary: "企业AI落地抓取成功率过低"


配合Grafana看板：按引擎分面、按地区分面。很多时候是单引擎改版DOM导致解析失败。

你们会用SLO那一套吗？我在学error budget怎么跟产品沟通。

我个人很看重「文本证据」留存：不只存指标，还要能回到当时模型回答的大致片段（在合规前提下）。否则业务方问你「为什么这周掉了」，你只能猜。证据链短，沟通就长。

如果你也在搭类似系统，欢迎跟帖细化：你们的问题集怎么分层？是按漏斗阶段分，还是按产品模块分？我们两种都试过，目前倾向漏斗+模块的二维表，维护成本高一些，但解释性更好。

（场景参考：成都本地企业试点）