AI 能力详解

规则 + LLM 混合架构

不是把所有数据都扔给大模型。95% 的信号由规则引擎处理，45 毫秒响应，零成本。只有 5% 语义模糊的案例才调用 LLM 深度分析。又快，又省，又准。

10 种信号检测规则

每条规则包含触发条件、过滤逻辑、置信度计算三个部分。以环评为例：

7 维信号评分引擎

每一条通过检测的信号，进入 7 维度加权评分：

Score = 信号强度 × 0.30
     + 新鲜度   × 0.20
     + 行业匹配 × 0.15
     + 公司规模 × 0.10
     + 意图置信度 × 0.15
     + 可联系性 × 0.05
     + 历史反馈 × 0.05

初期用 LLM + 规则 生成评分。销售每次反馈（有价值 / 无价值 / 已联系），自动更新历史反馈维度的权重。团队用得越多，AI 越懂你的行业偏好。

非结构化文档 AI 解析

这是我们的核心技术壁垒。传统爬虫只能抓取网页上的结构化字段（标题、日期、表格）。但政府公文的关键信息往往藏在文档内部：

• 环评报告 → PDF 扫描件，几十页。需要提取：投资金额、建设规模、工艺流程、建设单位
• 排污许可证 → HTML 表格。需要提取：主要产品产能、排放口数量、原辅料用量
• 用地规划 → GIS 图纸 + 表格。需要提取：土地面积、用途分类、开工/竣工日期

LLM 逐份解析这些文档，输出结构化的 JSON，包含所有关键字段。然后进入规则引擎和评分流程。

企业实体识别（Entity Resolution）

政府公文中的企业名称千奇百怪——全称、简称、曾用名、错别字、英文名。如果无法准确识别「这家公司到底是谁」，后续的信号归因就会出错。

我们采用 Crustdata 三步法，准确率 99.8%：

核心原则：绝不强制匹配。错误匹配是 ER 中最糟糕的结果。

技术栈

LLM Prompt 工程

三个核心 Prompt 模板，已针对 DeepSeek API 调优：

• 信号分析 Prompt → 输入原始公文文本，输出结构化 JSON（signal_type, company_name, confidence, summary, industry, suggested_action）
• 机会评分 Prompt → 5 维加权评分，输出优先级（A≥7.5 24h内联系 / B 5.0-7.4 本周跟进 / C<5.0 培育池）
• 销售建议 Prompt → 输出推荐联系人角色（1-3个）+ 切入话术（2-3种角度）+ 背景简述 + 时间窗口 + 风险提示

结构化输出采用 Instructor + Pydantic，4 层验证（提取 → 修复 → JSON.parse → Schema verify），最多 3 次重试并梯度降温。目标：JSON 解析重试率 < 5%，Schema 验证重试率 < 10%。

MVP 原则

• 不用 LangChain/CrewAI 等 Agent 框架
• 不用 Text-to-SQL（企业场景准确率仅 40-50%）
• LLM 直接 API 调用 + Structured Output
• 规则处理 95% 流量（45ms, ¥0），LLM 处理 5% 语义边缘案例
• 评估目标：signal_type F1 ≥ 90%，company_name precision ≥ 85%