ZON项目概览 · 企业 AI 产品 · 需求到交付
企业 AI 助手与 RAG
把用户任务、模型、数据、权限和既有系统约束，压缩成企业用户能进入、能配置、能交付的产品路径。
这是我在公司里承担产品职责的一段经历：负责两条产品线，把模型、数据、权限与既有系统约束翻译成能交付的产品路径。
1企业 AI 助手与 RAG · 桌面界面 / Web 应用
企业 AI 助手与 RAG
ZON作品关于联系
同一应用
桌面与移动 Web⟷
桌面与移动 Web⟷
2企业 AI 助手与 RAG · 移动 Web 应用界面 / 企业 AI 平台 · 设计方案
点击任一亮点，查看细节▾▾▾
3需求与范围 / 亮点 1
企业 AI 助手与 RAG
ZON作品关于联系
已完成
需求与范围
两条产品线分别给谁用、解决什么
亮点1 / 5
每个亮点都有自己的细节页：问题、处理、决策、效果。
→
体验流程
- 1需求与范围 · 两条产品线分别给谁用、解决什么
- 2方案设计 · 约束下的取舍与替代方案
- 3接入与配置 · 首次输入、嵌入既有系统、数据集导入、应用权限
- 4跨职能协作 · 协调模型、前后端、运维
- 5评审与发布 · 用例评审、双周火车发布、上线审批
关键决策
两条产品线分别定义给谁用、解决什么问题，各自出需求与方案
文档专家把首次使用信息收敛为 4 项，降低进入成本
设备专家采用 iframe 嵌入客户既有系统，用 postMessage 处理跨域通信
RAG 配置按 数据集 → 知识库 → 模型路由 → 应用权限 分层组织
公开版本只写职责、约束与取舍，数字一律写"—"
AI 与人的分工
我：我负责两条产品线的需求定义、方案设计、接入取舍、配置结构与跨职能协调。
已完成
✓ 文档专家首次使用信息收敛为 4 项；设备专家以 iframe + postMessage 嵌入既有系统
✓ RAG 按 数据集 → 知识库 → 模型路由 → 应用权限 分层配置，并完成用例评审、双周火车发布与上线审批
✓ AI 助手与动态交互：按智能体返回的卡片类型动态渲染策略配置、数据表格等交互组件；用 fetch-event-source 接入 SSE 流式输出，处理增量消息解析、结束标记、鉴权失效与异常中断，并用缓冲区控制和动态渲染节奏缓解消息积压；设备专家嵌入客户系统时，设计 iframe + postMessage 通信机制，实现设备定位与结果回传。
✓ RAG 控制台：基于 Umi、Ant Design Pro 实现数据集导入、格式映射、文档模板配置及文件上传、下载与预览；把数据集导入设计为可观测、可中断、可重试的长任务，支持失败统计、单文件重试与重复数据集校验；提出服务端签名直传与回调入库方案解耦文件上传与清洗切片，并实现租户 × 应用维度的知识库生效范围配置。
✓ 前端工程化：参与 API 迁移及组件化重构，沉淀覆盖 18 个页面的公共组件，封装字典字段、无限滚动等自定义 Hooks。
公开数据
—本案例不使用任何业务指标或用户量
ZON企业 AI 助手与 RAG · 项目概览项目介绍 →