Matison 的交付不从写代码开始，而从业务现场开始。FDE（Field Deployment Engineer）既是业务蒸馏工程师，也是连接业务、产品、数据与 AI 系统的交付角色。
企业真正缺少的不是又一个 AI 工具，而是把经验、流程和责任边界组织成生产力的落地机制。通用模型不懂企业自身的业务上下文，传统软件又难以主动推进工作——Matison 解决两者之间的断层。
避免项目从"大而全"开始，并最终停留在演示阶段。
判断标准、话术、SOP、异常处理和风险边界，沉淀为可调用的能力。
知识库、Agent 工作流、权限、日志和人工确认机制，一体交付。
准确率、采纳率、响应速度、节省工时和业务转化，持续迭代。
适合从哪里开始：客服高频问答、销售跟进建议、教务通知与家长沟通、外贸邮件与订单跟进、招聘初筛与面试协调、财务及人力制度问答——都是可在较小范围内启动、较快验证价值的首批场景。
每一步都有明确的产出物，让企业在过程中始终看得见进展、控得住边界。
访谈老板、管理层和一线员工；盘点流程、工具、数据和痛点；筛选高频、重复、依赖经验且结果可验证的首批场景。
输出：诊断纪要 · 场景优先级 · 价值与风险假设拆解任务输入、输出、判断标准、资料依赖、人工确认点、异常升级和责任边界。
输出：岗位任务地图 · 边界清单 · 验收指标整理 SOP、话术、FAQ、历史案例、合同模板、价格政策与例外处理方式。
输出：知识库 · Skills 清单 · 测试问题集搭建前端工作台、Agent 工作流、知识库后台、权限系统、日志和必要的业务系统连接。
输出：可测试版本 · 权限方案 · 日志与审计方案采用"AI 生成建议、人类确认执行"，先在限定团队和低风险场景中运行。
输出：试运行报告 · 错误类型 · 采纳率与用户反馈围绕准确率、采纳率、响应时间、节省工时、遗漏率与转化指标迭代。
输出：优化清单 · 版本记录 · 扩大应用范围建议| 组成 | 含义 |
|---|---|
| Agent | 理解任务、调用工具、生成建议并推进流程的行动者。 |
| Skills | 判断标准、SOP、话术、异常处理、客户分层、风险边界。 |
| Data | 企业文档、产品资料、客户记录、案例、价格政策和运营数据。 |
| New Result | 更快响应、更稳定口径、更低新人成本和更可追踪的执行。 |
企业 AI 落地的前提不是激进自动化，而是可控、可审计、可追溯。Matison 会根据具体业务风险设计权限、确认点和异常升级机制。
销售承诺、合同、财务、合规、金融、法律、税务等高风险场景，AI 默认只提供建议。
不同岗位、部门和管理层拥有不同访问权限；明确 AI 可以看到、调用和执行的范围。
客户数据、知识库、日志和调用记录按项目隔离，避免跨客户或跨业务混用。
保留关键调用、建议内容、修改记录、人工确认和异常处理日志。
对错误、低采纳建议和边界问题形成反馈闭环，并保留版本更新记录。
先建议、后半自动，再在低风险且稳定的环节探索自动执行。
