领域应用不是给通用模型增加一个行业名称。它需要明确要改善的工作、可依赖的知识、允许改变的业务状态，以及谁能判定结果合格。同一模型在文本归纳上表现良好，并不能推出它能独立完成合同判断、设备处置或专业决策。应用设计应从具体任务及其证据要求出发。
本章沿用第13章《检索增强生成》与第16章《智能体运行系统》的机制，讨论知识服务、业务流程、工业与专业服务。NIST AI RMF 1.0 将使用情境、测量与持续管理纳入系统生命周期(National Institute of Standards and Technology 2023)；本章据此强调任务级证据，而不把框架名称作为应用已合格的证明。
14.1任务定义及方法选择
业务任务定义
任务单元（Task Unit）是可计数、可验收的一次业务工作，例如从一份指定版本的合同抽取付款条件，或为一个告警建立内容完整的待审工单。任务单元需要固定输入边界、输出结构、容许失败、人工职责和结束条件。只写“提升效率”无法确定分母，也无法区分更快完成与更快产生待返工内容。
设输入为 \(x\)，外部事实状态为 \(z\)，系统输出或动作为 \(a\)，业务损失为 \(L(a,z)\)。理想决策可写为
其中 \(\mathcal A(x)\) 是权限、业务规则和资源约束允许的动作集合。概率估计、损失函数与可行动作都需要领域依据；模型生成概率不是业务正确概率，不能直接代入式(14.1)。本章主要符号见表14.1。
表 14.1 领域应用的主要符号与计量对象。
| 符号 | 含义 |
|---|---|
| \(x,z,a\) | 输入、真实业务状态与输出或动作。 |
| \(L(a,z),\mathcal A(x)\) | 业务损失及允许动作集合。 |
| \(Y(1),Y(0)\) | 同一任务在辅助流程与原流程下的潜在结果。 |
| \(T_0,T_a,T_r,T_w\) | 原处理时间、辅助操作时间、复核时间与返工时间。 |
| \(p,C_e,C_h\) | 经校准的正确概率、错误损失与人工处置成本。 |
| \(N,n_s,n_h\) | 任务总数、合格完成数与人工干预数。 |
提示、检索、微调及工具的选择
表 14.2 业务缺口、候选机制及其验证边界。
| 主要缺口 | 对应机制 | 必须验证的边界 |
|---|---|---|
| 目标或格式不清楚 | 指令、示例与结构化输出 | 是否覆盖难例，解析有效是否伴随内容正确。 |
| 事实不在上下文或更新频繁 | 检索与证据组装 | 权限、版本、召回及逐声明支持。 |
| 稳定任务行为与表达需要适配 | 监督微调或参数高效微调 | 数据代表性、遗忘、域外表现及维护成本。 |
| 需要精确计算或实时状态 | 受控计算与业务查询工具 | 单位、对象身份、时间、新鲜度和错误传播。 |
| 需要改变业务状态 | 有授权的动作执行与持久运行 | 幂等、审批、回执、补偿与恢复。 |
表14.2中的机制可以组合。微调能改善术语与任务行为，却不能自动替代每日变化的库存读取；检索能补充文档，却不能替代数据库约束；增加动态规划也不能修复身份映射错误。方法选择首先对应已定位的缺口，再通过对照实验判断是否必要。
14.2领域知识及数据契约
事实的时间对象及单位
同一句“库存为100”缺少物料、仓库、批次、单位、状态和时点，通常不足以驱动动作。领域数据应把这些条件作为字段，而非期望模型从上下文猜测。知识文档还需要适用范围、生效日期、废止关系和来源等级；历史有效与当前有效必须区别。
领域本体（Domain Ontology）描述实体类型及其关系；应用可以从稳定的术语映射、枚举和主数据关系开始，并不要求先建立庞大知识图谱。例如设备标识、工位、维护计划与故障代码的映射必须来自受信主数据。检索相似的设备名称不能替代精确对象解析。
表格与文档抽取要保留单位、列标题、脚注和跨页关系。金额的币种、数量的计量单位、日期的时区或业务日口径都会影响结论。计算交给具有明确输入类型与规则的工具，模型负责解释经核对的结果；工具同样可能接收错误输入，所以必须核查抽取证据及单位转换。
专家反馈的可靠性
专家标注应记录问题、证据版本、判断标准和分歧处理。同一文本在不同业务时点可能有不同答案；多数票也可能掩盖专业分工差异。首先澄清任务定义，再建立双人复核或仲裁，而不是机械合并所有意见。
训练集与评估集按文档、客户、设备或时间等真实关联单位分组，避免同一事实的不同切块跨集合泄漏。上线后的失败样本很有价值，但通常偏向被发现的问题；不能直接将其分布视为全部业务分布。主动收集成功、拒答、人工改写和未被采用的建议，才能理解完整行为。
14.3知识及文档密集型应用
（选修）
企业知识服务
知识助手应将回答拆成可以核验的声明，每项声明关联到证据的局部位置。检索到文件名并不证明具体结论得到支持。权限过滤、版本冲突和无答案路径是正常流程：若政策版本不同，应呈现适用范围与冲突，而非让模型静默混合。
可以分别测量材料召回、有效证据覆盖、声明支持、回答完整与任务完成。用户点赞同时受措辞与速度影响，不能独立作为事实准确性指标。多轮对话还应保存查询时点，避免把前轮已过时状态当作当前事实。
合同审阅及财务分析
合同应用可先把任务限定为条款定位、字段抽取、版本差异和待审问题清单。每个结果保留原文位置、条件与例外；风险标签是供专业人员复核的工作产物，不能仅凭模型置信措辞变成法律结论。条款的行业、地域、主体和生效条件可能改变适用性，因此应由领域流程确定判断标准。
财务分析首先区分已披露事实、计算所得指标和预测假设。抽取金额必须保留币种、期间、合并口径与单位；同比比较要确认基期和重述版本一致。设当期值为 \(v_1\)、基期值为 \(v_0>0\)，增长率 \(\frac{v_1-v_0}{v_0}\) 的计算简单，错误常来自两个数不具有可比性。基期为零或符号变化时，应另行解释而非输出无意义百分比。
结论
对专业文档，应用职责可以限定为信息整理与证据定位，并在指定任务集上验证其可靠性；是否允许进一步作出专业判断，需要独立的任务验证和责任安排。本章讨论系统设计，不据此给出具体法律、投资或医疗处置意见。
14.4业务流程及工业应用
（选修）
客服、工单及办公流程
客服任务应区分回答政策、解释订单状态和执行退款等动作。回答正确但重复创建工单仍属于端到端失败；工单创建成功但缺少必要信息也可能增加后续处理成本。流程指标因此需要覆盖首次解决、重开、转交、返工和最终业务结果。
自动分派可先生成结构化候选，规则层检查队列范围、责任归属与服务级别，再由业务系统条件更新。办公流程中的审批人、金额阈值和组织权限来自主数据及规则系统，不应由模型臆测。跨步骤恢复机制见第16章《智能体运行系统》中的持久运行系统。
制造业知识及 ERP/MES 集成
企业资源计划（Enterprise Resource Planning，ERP）与制造执行系统（Manufacturing Execution System，MES）承载不同粒度的业务状态。大模型应用可以检索作业指导书、汇总异常记录、解释经校验的生产数据，并准备待审业务动作，但不能把自然语言建议直接等同于设备控制指令。
例如解释设备告警时，系统需要关联设备标识、固件或配置版本、告警时间、工况、维护记录和适用指导书。日志中的先后发生不自动构成因果关系，模型提出的故障假设应与已观察事实分列。若需修改工单或维护计划，使用版本条件与回执；若涉及实时控制，则必须遵循控制系统自身的确定性约束与验证边界。
图14.1将知识解释与业务更新分开；只有经过授权和前置状态检查的动作才能产生业务回执，模型层不能越过执行控制层。
14.5专业服务及研发应用
（选修） 教育辅导的目标可以是解释概念、提供分层提示或帮助发现错误。直接给出答案与促进学习不是同一指标，应观察学生后续独立完成能力，而非仅观察当次对话满意度。评价需要区分年龄、先修知识、题目泄漏及帮助程度。
医疗信息辅助可限定为资料检索、记录整理和供专业人员核对的摘要。资料的适用人群、时点、证据等级和缺失信息必须保留；摘要遗漏与编造同样重要。系统是否可以参与具体决策，需要超出文本基准的场景验证，不能由一般问答准确率推导。
科研知识服务应区分论文报告、复现结果与作者推测，保留实验条件及不一致证据。引用存在不等于论点得到支持；自动文献综述应避免只收集支持最初假设的材料。生成新的研究假设可以有价值，但其身份始终是假设，必须经过独立验证。
代码研发助手的任务可包括定位、修改、测试与评审。编译通过只说明满足一部分语法或类型约束；测试通过也只支持测试实际覆盖的行为。应记录变更范围、依赖、真实运行证据和未覆盖场景。外部仓库内容与执行输出属于资料，不能扩张凭证或发布权限。
这些领域共享一个原则：将系统能力限定为可以证明的任务行为，再根据证据扩展。不同领域的责任与误差成本不相同，不能共用一个通用通过率作为所有上线门槛。
14.6业务效果的计算及归因
复核返工成本
设原流程每任务耗时 \(T_0\)，辅助流程包含操作 \(T_a\)、复核 \(T_r\) 与平均返工 \(T_w\)，则平均净节省为
返工为零只适用于确实没有返工的任务，不能因为日志未记录就填零。若生成节省时间，但复核更慢，总收益可能为负。
考虑一个明确的构造算例：每任务原需12分钟，辅助操作4分钟，复核3分钟，20%任务还需10分钟返工。新平均时间为 \(4+3+0.2\times10=9\) 分钟，净节省3分钟，而非仅用 \(12-4=8\) 分钟。100个任务节省300分钟；这还没有扣除维护、评估和部署投入。
自动化覆盖及错误成本
设某任务经独立校准的正确概率为 \(p\)，错误成本为 \(C_e\)，人工处理成本为 \(C_h\)。在简化假设“正确自动处理无额外成本，人工结果无错误”下，自动处理的期望损失为 \((1-p)C_e\)，因此只有
时自动处理的期望成本不高于人工。若自动处理也有成本 \(C_a\)、人工仍有残余风险，则必须把两者加入比较。这是阈值机制的解释，不是可直接投入业务的通用分数门槛。
提高阈值通常降低自动覆盖率。应一起报告覆盖率与被自动处理部分的错误率，并核查被转交任务是否使人工负担更重。模型自报“90%确定”并不满足上述校准前提；需要用历史标注与独立评估建立置信估计。
对照实验及分母
令 \(Y_i(1),Y_i(0)\) 表示同一任务在辅助和原流程下的潜在结果，目标平均效应为 \(\mathbb E[Y(1)-Y(0)]\)。同一任务通常只能观察一种处理结果，因此简单上线前后比较还混有任务难度、人员和季节变化。随机分配或适当的配对设计有助于隔离这些因素，统计方法见第9章《模型评估》。
如果同一工作人员同时接触两种流程并把学到的方法用于对照组，可能发生干预扩散；如果任务来自同一客户或设备，样本也可能相关。应按实际关联层级分组或在分析中处理相关性，不能把所有消息当作独立任务扩大样本量。
表 14.3 领域应用评估指标及其统计口径。
| 指标 | 定义 | 必须说明的口径 |
|---|---|---|
| 任务成功率 | \(\frac{n_s}{N}\) | 合格标准、拒答与放弃是否计入。 |
| 人工干预率 | \(\frac{n_h}{N}\) | 一次或多次干预如何计数。 |
| 平均处理时长 | 总任务处理时间除以任务数 | 是否包含等待、复核和返工。 |
| 单位合格任务成本 | 总流程成本除以 \(n_s\) | 失败消耗与人工成本是否包含。 |
| 自动覆盖率 | 自动结束任务数除以 \(N\) | 自动结束是否同时满足质量门槛。 |
表14.3采用统一分母解释指标。例如提交1000项任务，700项自动结束，其中630项合格，另有270项经人工后合格、30项仍失败。自动覆盖率70%，自动部分合格率90%，整体成功率90%。若只报告“自动完成700项”，会隐去70项自动错误。这个算例说明分母如何改变解释，并不代表某系统的测量结果。
14.7失败归因及改进
失败可以来自对象识别、数据新鲜度、检索、解释、工具参数、执行、复核或任务定义。应保存最小必要证据以重建失败，不用“模型不够强”替代定位。一次改进尽量对应明确机制，并在冻结对照集上观察回归：更长上下文可能改善材料覆盖却增加错误混合，更强重排也可能压低少数来源的可见性。
算法14.1 计算过程
领域应用的证据闭环。
定义任务单元、输出契约、允许动作与业务损失，指定结果判定者。
建立带来源、版本、权限和时间的领域样本，并按关联对象与时间划分训练、开发和评估。
保留原流程基线，选择与已定位缺口对应的提示、检索、适配或工具机制。
记录端到端结果、人工干预、返工、成本及失败原因；对拒答和未知结果单独保留状态。
以对照或配对方案评估收益，同时检查关键切片和业务约束，避免用总体均值掩盖局部损害。
只在证据支持的范围内扩大使用；知识、模型、工具或流程变化后对受影响任务重新评估。