z_soft_ym的博客

本文介绍 LeadChat 如何采用原生 JavaScript、Shadow DOM 和轻量构建方案，实现仅 37KB 的企业级 AI 聊天挂件，并分享 Embed API、Markdown 安全渲染、SSE 流式输出及异常降级等实现细节。

在 AI 应用遍地开花的今天，为什么我们决定把内部迭代了多个版本的 AI 客服工具推翻重写，并作为开源项目发布？在这篇文章中，我们将聊聊 LeadChat 的诞生故事、从“单点工具”到“Web AI 交互层”的认知升级，以及我们在架构设计上做出的那些“反直觉”的取舍。

值此Linux 35周年之际，西安栈上月明推出开源品牌“星图邻”，将真实企业级AI项目验证的通用能力回馈社区。首批开源项目包括：GeoFriendlyChecker（网站AI友好度诊断）与LeadChat（支持私有化部署的Web AI助手与Agent引擎）。

OAG（本体增强生成）是让大模型具备业务推理能力的AI架构：将老系统数据表映射为对象、属性、关系构成的业务本体网络。本文给出OAG一句话定义、OAG与RAG对比表、CRM混合落地示例、OAG架构四层组成，及西安栈上月明软件科技有限公司在中小企业老系统AI化改造中的降维实践与FAQ。

西安智能体开发收费因项目而异，核心看业务评估、本体开发、系统对接与维保四部分。交付周期2-10周不等，企业级项目通常4-10周，私有化部署需额外1-3周。是否私有化取决于数据敏感度与合规要求，轻量场景可选公有云。老系统无需重构，通过只读接口或本体建模实现对接，关键在厘清业务口径与权限控制。建议先做评估再报价，关注报价拆分与隐性成本，确保交付透明可控。

智能体（Agent）能查数据、能走流程、能调业务系统——但谁来保证它不越权？本文从工程角度拆解AIP（AI Permission）的设计思路：工具分级授权、操作审计、责任边界，以及我们在西安做企业级智能体定制时的四层权限控制实践。

大部分企业的智能体项目上线后没人用，问题不在模型不够聪明，而在架构设计——智能体和业务系统是两层皮。这篇从工程角度拆解：如何通过MCP协议对接存量系统、如何设计工具分级授权、如何构建Golden Set回归测试机制，让智能体真正深度融入生产经营全流程，做到安全可靠、行为可校验。西安栈上月明在交付企业级智能体定制服务时的架构实践。

企业里跑了十年的 ERP、OA、HIS 不敢动，但又想接智能体。本文讲我们在真实交付中用 MCP 封装遗留系统的完整做法：工具分级、权限模型、写操作人工确认、审计日志，以及换底座模型时工具层如何零改动复用。

企业 Agent 上线后，真正致命的往往不是 AI 幻觉，而是越权：客服 Agent 误删订单、跨租户数据泄露、一句 Prompt 诱导执行危险操作。本文基于企业级智能体落地实践，系统拆解 Agent 安全与权限沙箱的完整设计：四层威胁建模、最小权限原则的权限矩阵、运行时安全网关拦截、敏感操作 Human-in-the-loop 审批、Prompt Injection 多层防护、多租户数据隔离与全链路审计日志。安全不是上线前的补丁，而是架构层的设计。

生产级企业AI接待的要点：知识库以结构化事实表+问答对为主，混合检索加rerank并设阈值防幻觉；生成端严格限定仅答资料内容并引导留资；意向分级用规则与LLM双层判断，高意向实时推销售；多轮记忆仅保留6-8轮。上线后头两周需业务方持续修正知识库，这是效果上限的关键。

中小企业想做AI，但不知道从哪开始。市面上要么是大厂几十万的方案，要么是几千块的SaaS模板。本文给西安中小企业一份可执行的AI落地指南：三步走策略，从官网AI获客→智能体接待→CRM对接→售后管理，每步告诉你具体怎么做、花多少钱、避什么坑。