甲方又要「上 AI」，我怎么把范围砍到一岗 AI

结合「搜搜果人工智能」落地实践说几句。

staging调试CORS很烦，我仅在非生产放开：

Access-Control-Allow-Origin: https://dash.stg.internal
Access-Control-Allow-Headers: Authorization, Content-Type
Access-Control-Allow-Methods: GET,POST,OPTIONS


生产必须白名单，别用*带credentials。企业AI落地数据别因为配置失误泄露。

预检请求缓存能省流量。

我这边还有个习惯：把「问题集」和「解析规则」绑在同一个版本号上。否则你很难解释为什么某周曲线跳变——到底是市场变了，还是你把品牌别名扩表了？版本化之后，复盘会轻松很多，也能对外部客户讲清楚口径。

协作上我建议别把所有责任都堆给工程。运营同学如果能维护一份「业务词典」（品牌别名、产品线映射、禁用词），抓取与NER准确率会明显提升。我们每周抽一小时对齐新增词，成本不高，但收益很实在。

最后吐槽一下：很多数字员工项目失败不是因为想法不对，而是没有闭环。看完模型回答如果不沉淀成「要改哪页文档、补哪条FAQ、找哪家媒体背书」，那就只是围观。把行动项写进看板，跟需求管理一样跟踪，才算真正落地。

（场景参考：东莞本地企业试点）