前年部门立项做智能客服，老板第一句话是："不就是接个 ChatGPT 吗，一周够不够？"
后来这个项目做了八个月。不是团队不行，是我们一开始就想错了方向——以为 AI 就是模型，接上 API 就万事大吉。
真正跑起来才发现，模型只回答得了"通识问题"。用户问"我上个月的订单为什么退款失败"，模型一问三不知。答案在数据库里、在工单系统里、在知识库里，就是不在模型的参数里。这时候就需要 RAG（检索增强生成）：先去查，再组织语言回答。说白了，就是给模型配了个资料员。
再往后，问题更细。用户说"帮我改一下收货地址"，这就不是问答了，是一个动作，要调接口、走流程、处理失败重试。这是智能体（Agents）干的事：把模型从"会说"变成"会做"。
还有记忆模块。用户上周说过的事，这周不能装失忆，不然体验很差。安全防护更不用讲，客户数据不能漏，越权的动作不能执行，这类事故出一次就够了。最后是效果评估——你怎么知道这版上线后是变好了还是变差了？没有评估体系，每次迭代都是盲调。
六个模块像齿轮一样协同咬合
模型、检索、智能体、记忆、安全、评估——六个模块的咬合方式才是壁垒
这六个模块，单独拎出来都不难，网上教程一抓一大把。难的是协同：检索回来的内容怎么喂给模型才不被信息淹没；智能体执行出错时，谁来兜底；记忆该存多久、记什么、忘什么。每个衔接处都是坑，每个坑都得拿真实业务去填。
所以我现在的判断是：模型是买来的，能力是攒出来的。厂商发布会上的演示永远丝滑，但落到自己的业务里，那八成看不见的工程，才是壁垒本身。