IT 与 AI 咨询
多数咨询项目止步于一份文档。我们的项目止步于一套跑起来的系统，因为写下建议的那支团队，正是随后必须让它跑起来的团队。这会改变建议的内容：我们这边没有人会提出一个自己都不愿意为它值夜班的架构。我们的咨询范围与我们实际构建的范围一致——业务软件、系统集成、平台与云，以及从单次模型调用一直到能操作你工具的智能体在内的各类 AI 系统。
我们在哪些问题上提供建议
工作范围围绕你正要做的某个决定来界定，而不是围绕固定的周数。多数项目的起因是：某件事即将被拍板，而拍错的代价已经变得显而易见。
- 架构与系统设计——这套系统该长成什么样，以及真正决定这个形状的约束是哪些。
- 技术尽职调查——在收购或投资之前，读懂代码库、读懂团队，也读懂那张基础设施账单。
- 自建还是采购——这个流程究竟是值得围绕它去建设的差异化优势，还是一笔值得花钱让别人扛的成本。
- 路线图排序——在昂贵的部分开始之前，哪些事必须先成立；哪些可以推迟而不会把自己逼进死角。
- AI 就绪度——这个问题究竟是不是 AI 问题；如果是，又属于哪一类：检索、微调、智能体，还是一套配上更好数据的常规系统。
- 集成与平台策略——那些从来不是为彼此设计的系统，接下来要如何协同工作。
来自「自己得动手建」的人的建议
一家从不交付的咨询公司，永远不会被纠正。它可以给一支四人团队推荐服务网格，交完 slide 就走，永远不知道那个决定的代价是什么。我们做交付，所以我们的建议总是连同一份自己必须兑现的估算、以及一份自己必须值守的 on-call 排班一起交出去。这是加在我们自己身上的约束，也是我们能带来的最有用的东西。
专门谈 AI
眼下，AI 建议正是「听起来笃定」与「确实正确」之间落差最大的领域，因为做演示很容易，做成生产系统则不然。我们首先要弄清的是：这个问题到底需不需要模型。
- 四个答案里哪个才对——检索解决知识缺失，微调解决格式与语气，智能体解决多步骤工作，更大的模型解决推理深度。它们经常被用错地方。
- 评测体系究竟该长什么样，因为没有它，之后任何一次改动都无法被判定为变好还是变差。
- 在真实用量下这东西要花多少钱——这正是 AI 的经济账与普通软件分道扬镳的地方。
- 哪些环节必须保留人在回路中，以及当模型自信地给出错误答案的那一天会发生什么。
一次合作如何开始
需求梳理周期短、单独收费，并且产出归你所有。我们收费是有意为之：免费的梳理只会产出一份销售文档，而付费的梳理产出的是一份计划——架构、范围、风险与估算——它属于你，你可以拿给任何一家供应商，包括拿去替代我们。
- 第一通电话，先弄清真正要做的决定是什么。
- 需求梳理：读代码、读基础设施，也读那些从没被写下来的约束。
- 一份书面建议，附上推理过程、被否决的方案，以及什么情况会让我们改变结论。
- 然后由你选择——我们来建、你的团队来建，或者谁都不建。
什么时候我们会劝你别建
这种情况出现得够频繁，值得先讲明。很多被当作工程问题带来的需求，其实是流程问题、数据质量问题，或者是一个该买而不是该建的产品——而一件选对了的现成工具，胜过一套没人有时间维护的自建系统。如果我们看到的是这种情况，那建议书上写的就是这个，哪怕更大的那份合同在另一个答案那边。
常见问题
- 我们一定要让你们来建你们所建议的方案吗？
- 不用，而且合作方式的设计就是为了让这真的成为一个选项。需求梳理之所以收费，正是为了让那份计划归你所有——架构、范围与估算详细到足以交给另一家供应商或你自己的团队。如果我们确实是合适的建设方，我们更愿意靠那份计划赢下它，而不是靠你手上没有计划。
- 这和你们的 AI 落地服务有什么区别？
- 这个页面讲的是决策，那个页面讲的是施工。咨询回答「要不要」和「做什么」——模型在这个问题里究竟有没有位置、哪种路线合适、评测与成本会是什么样。AI 落地则是这些问题尘埃落定之后的工程工作。规模较小的合作往往只做前半段。
- 不是你们建的系统，你们也能提供建议吗？
- 这类工作占了大多数。我们从读懂现状开始——代码、基础设施、故障记录——因为跳过这一步给出的建议，只是一份印了抬头的猜测。
- 需求梳理要多久？
- 取决于有多少系统要读，以及约束条件已经明确到什么程度。我们会在第一通电话之后给出时长，而不是报一个标准套餐，因为固定时长的需求梳理，透露的更多是我们的计费方式，而不是你的问题本身。
- 你们会先签保密协议吗？
- 会，在任何技术层面的了解开始之前。你可以发你们的版本过来，也可以向我们索取我们的版本。