# 行业实践基线：从知识到可审查的项目证据

资料核对至 2026-10-03。本卷用于正在交付或运营 AI 产品的团队，覆盖立项、设计、评测、放量、治理和退役。正文中的流程与表格是本库的实践建议；法律、标准与研究事实均链接一手来源。

## 行业级内容的验收方式

“行业级”需要让另一支团队根据同一套材料复现决策，并在出了问题时追溯责任与证据。采用以下六项标准：有真实任务和非 AI 基线；有数据来源与权利记录；有组件及端到端评测；有权限、失败和恢复设计；有成本与业务结果；有版本、责任与外部复核。

| 需要做出的决定 | 深入章节 | 必须留下的产物 |
|---|---|---|
| 新模型或方案能否替换现网 | [统计评测与质量门禁](01_统计评测与质量门禁.md) | 冻结集、重复试验、切片、区间、严重错误报告 |
| Agent 可以获得多少权限 | [Agent 安全、身份与协议](02_Agent安全_身份与协议.md) | 动作契约、授权链、预算、环境验证、恢复演练 |
| 数据能否支撑持续运营 | [数据治理与知识工程](03_数据治理与知识工程.md) | 数据卡、许可、血缘、ACL、刷新与删除传播 |
| 应该收集哪些指标和数据 | [指标、FinOps 与价值实现](04_指标_FinOps与价值实现.md) | 指标合同、分群账本、成功任务成本、收益复核 |
| 如何进入不同行业 | [行业场景与端到端案例](05_行业场景与端到端案例.md) | 领域流程、受影响者、禁区、验收与专家意见 |
| 怎样把项目交付成运营能力 | [交付、采购与证据包](06_交付_采购与证据包.md) | 阶段门、依赖图、合同、版本包、值班和退出 |
| 哪些公开数据可以参考 | [公开数据与基准目录](07_公开数据与基准目录.md) | 任务匹配、版本、许可证、污染与复现实验 |
| 如何核对监管义务 | [法规、标准与适用性](08_法规_标准与适用性.md) | 法域/角色矩阵、义务 Owner、有效性证据 |

## 全库覆盖审查

| 原卷册 | 稳定知识基线 | 本轮补强 | 使用时需要补入的真实资料 |
|---|---|---|---|
| 00 使用 | 学习路径、能力、维护规范 | 证据等级与更新触发 | 团队角色、能力差距 |
| 01 角色 | 产品与项目责任、RACI | 决策权、授权与收益 Owner | 组织授权和岗位约定 |
| 02 技术 | ML、LLM、RAG、Agent、MLOps | MCP 时点、身份、数据契约、故障边界 | 自有系统架构与模型版本 |
| 03 产品 | 发现、PRD、选型、评测、运营 | 统计区间、可重复试验、对照与质量预算 | 真实用户样本和基线 |
| 04 项目 | 立项、计划、风险、采购、验收 | 不确定性消减、证据阶段门、退出演练 | 资源、合同、依赖和责任 |
| 05 治理 | 风险、隐私、安全、标准映射 | ISO 42005、Agent Top 10、2026 时间线 | 专业复核与义务适用性 |
| 06 模板 | 原有 26 份工作模板 | 新增 5 份模板及指标/证据/Agent 测试 CSV | 项目实际数值与签字 |
| 07 案例 | RAG、会议、采购、招聘 | 八行业场景与完整客服演练 | 经过授权的客户资料 |
| 08 词典 | 核心 AI、产品、项目名词 | Agent harness、pass 指标、质量预算 | 行业术语及组织口径 |
| 09 阅读 | 论文、书单、标准 | 2025–2026 官方实践入口 | 读后验证记录 |
| 10 学习 | 路线、作品集、面试 | 证据包实操入口 | 真实作品、评审与复盘 |
| 11 附录 | 工具、检查与决策速查 | 一手基准入口与资产下载 | 工具尽调和试用结果 |
| 12 进阶 | 战略、商业、上下文、传统 AI、平台 | 价值兑现、分摊、账单归因、能力组合 | 客户价值与财务账本 |
| 13 岗位 | SOP、题库、速查 | 可审查的周/月度运营证据 | 本组织事故和工作记录 |

## 数据包与边界

下载 [指标合同目录](assets/metric-contracts.csv)、[项目证据台账](assets/evidence-register.csv)、[Agent 故障与攻击测试](assets/agent-test-cases.csv)。这些是可编辑的模板与合成演练数据，不包含客户数据，也没有把演练结果包装成真实业绩。

公开基准提供能力线索；项目数据决定实际效果。本库不复制受限标准正文、不抓取未授权数据、不发布用户或企业内部资料。模型价格与榜单变化快，实际选型应在同一任务集、同一预算和同一版本条件下比较。

## 一次完整使用

1. 选定业务任务与领域 Owner，测现状基线。
2. 确定数据权利、受影响者、风险和法域。
3. 建立任务集、指标合同和严重错误规则。
4. 比较非 AI、规则、检索、模型和 Agent 方案。
5. 用证据阶段门决定投入、灰度和权限扩大。
6. 每月复核业务结果、质量、成本、漂移、风险与退出能力。

最新资料的核验记录见 [本轮一手资料调研](../research/2026-10-03-industry-update.md)。本库提供可复用的行业实践体系；组织认证、法规适用性和高风险上线结论仍由具体项目的专业责任人出具。