目前的 PoC 與技術基礎

目前 PoC:ERP Text-to-SQL(開發中)

技術概述:在示範 ERP 資料庫上建立的日常語言查詢層,涵蓋應收帳款、庫存、銷售與採購。

架構:唯讀資料庫角色、對應到資料表與欄位的業務詞彙表、執行前經解析並比對資料表結構的模型產生 SQL,以及完整的查詢與結果紀錄。

待驗證能力:在 200 題基準測試上的執行準確率與延遲,先以雲端模型測試,再以本地硬體上的開源模型測試。

狀態:基準測試結果將公布於本頁。

「哪些超過 1 萬美元的應收帳款已逾期?」產生的 SQLSELECT customer, amount_due FROM ar_invoicesWHERE due_date < CURRENT_DATE AND amount_due > 10000 LIMIT 100;結構檢查 · 唯讀角色 · 筆數上限客戶應收金額客戶 A$24,300客戶 B$18,950
政策文件pgvector檢索草稿[1][2]顧問審批 → 發布每份草稿都連結回所依據的段落。

技術基礎 1:複雜文件 RAG 與來源標註

技術概述:為一家教育顧問服務部署的內容引擎,為經常變動的政策文件與院校資料建立索引。

架構:PostgreSQL + pgvector 檢索、連結到來源段落的草稿,以及發布前的顧問審批。

已驗證能力:在非結構化文件上準確檢索,每項輸出都能追溯到來源。

延續到 AIHub:成為採購規則、SOP 與會計政策的制度與文件層。

技術基礎 2:規則校驗生成

技術概述:為一個語言培訓平台部署的自適應題目生成器。

架構:模型輸出在送到學員之前,會先比對明確的規則庫與知識圖譜。

已驗證能力:以模型之外定義的規則限制模型輸出。

延續到 AIHub:成為 SQL 校驗層,產生的查詢必須通過資料表結構與政策檢查才會執行。

模型輸出題目草稿規則庫 +知識圖譜檢查不通過 → 重新產生通過 → 送出交給學員規則獨立於模型之外,因此可以稽核與修改。
裝置端處理優先執行雲端服務(Cloudflare)較重的工作結果輕量工作留在裝置端,尖峰由雲端吸收。

技術基礎 3:裝置端與雲端混合處理

技術概述:為一款已上線的消費類行動 App 打造的影像處理流程。

架構:先在裝置端處理;較重的工作轉到以 Cloudflare 為基礎的雲端服務。

已驗證能力:在邊緣與雲端之間分配 AI 工作負載,以控制延遲與成本。

延續到 AIHub:在客戶硬體上的本地模型與雲端模型之間分流。

我們的設計原則

資料庫始終是唯一可信的來源。AI 撰寫查詢、草擬動作;你的系統計算結果,你的團隊批准變更。— Infonexs