Winerva 的 AI 做法

答案有憑有據的企業 AI

大型語言模型很會說話,但企業要的是正確。Winerva 把模型、程式和驗證組合在一起,讓 AI 回答的每一個數字、每一段引文,都能追溯到你的資料。

核心公式

每一個 Winerva 的 AI 產品,都是這五項的組合。前四項人人都有,第五項是差別所在。

  1. 資料
    資料庫、文件、手冊、影像、設備訊號
  2. LLM 模型
    理解問題、規劃步驟、組織回答
  3. 程式
    取資料、計算、比對
  4. Agent 能力
    多步驟蒐證、選工具、反問
  5. 驗證
    出處核對、範本檢查、權限、拒答
  6. 結果
    答案、報表、測驗、警示,全部附出處

第一原則

事實由程式取得、由程式驗證;模型負責理解與規劃;找不到,就說找不到。

這不是口號。我們在自己的產品上做過實驗,結果都指向同一件事:

企業資料庫問答

讓模型直接寫 SQL
誤答 53–60%
模型只選範本、程式組 SQL、四道檢查
誤答 0%

業務資料測試題。錯誤往往是靜默的:接錯欄位、漏掉條件、認錯客戶,結果看起來都很合理。改版後,超出範圍的問題會說明無法回答,而不是給一個錯的數字。

文件與書籍討論

讓模型自由查資料
編出不存在的引文
程式控制檢索、逐段核對引文
11 / 11 正確

技術書測試題。出處必須是真的讀過的段落,引文必須在原文裡找得到。

權限與稽核

所有人看到同樣的資料
機密外洩風險
角色權限、個資遮罩、查詢紀錄
看該看的

業務只看自己客戶的資料,個資自動遮罩,每一次查詢都留下紀錄。

五層架構

不論資料是什麼、產品給誰用,都走同樣的五層。

資料連接
  • ERP/MES 資料庫(唯讀)
  • PDF・Word・EPUB
  • 掃描單據
  • 相機與影像
  • PLC・SCADA 訊號
知識整理
  • 文件解析與 OCR
  • 資料清理與審核
  • 資料關聯分析
  • 業務語意與查詢範本
  • 知識索引與概念頁
推理與行動
  • 問題分流
  • Agent 多步驟蒐證
  • Skill 能力包
  • 計算工具
  • 本機或雲端模型
驗證
  • 範本與參數檢查
  • SQL 安全檢查
  • 出處與引文核對
  • 角色與資料權限
  • 個資遮罩
  • 誠實拒答
產出
  • 附出處的答案
  • 報表與圖表
  • 筆記與測驗
  • 缺口與異常警示
  • API 與 MCP 介面

↺ 評測與回饋貫穿全部:測試題、品質評分、缺口報表、使用者回饋,讓系統持續擴充、越用越準。

對你的意義

數字可以追溯

每個答案都附來源,主管可以自己點進去核對。

不會亂說

資料不足時會明說缺什麼,讓你補資料後再問。

資料留在家裡

可以部署在自己的主機與本機模型,機密不送雲端。

越用越準

答不出來的問題會被記錄,成為下一輪擴充的清單。

想知道你的資料能做出什麼?

帶著一個實際問題來,我們從小範圍試點開始,用你的資料出測試題,達標再上線。