RAG 知识库
基于已摄取语料的 Amazon Bedrock Knowledge Bases：合同、SOP、产品数据、Smart OCR 提取的文档，带引用和访问控制。
- Bedrock KBs
- Citations
- Access control
数据与 AI · GenAI、RAG 与智能体
懂您业务的副驾驶。
基于 Amazon Bedrock 的 RAG 知识库与企业副驾驶；数据在 SAP 中时启用 SAP Joule。
当答案需要基于真实的企业数据（SAP 主数据、合同、历史决策）时，Phoenix 在 Amazon Bedrock 上构建 RAG 和智能体解决方案。检索侧复用文档 AI 和数据平台的成果；生成侧基于按用例选择的基础模型。
工作负载在 SAP 中时，直接启用 SAP Joule；不在 SAP 中时，Bedrock 仍是记录平台。两种情况下，我们都是将副驾驶接入业务早已信任的同一份数据。
服务范围。
企业副驾驶
从 RAG 获取信息并调用工具（SAP 事务、工单、CRM 查询）的领域副驾驶，置于权限和审计的护栏层之下。
- Tool-calling
- Guardrails
- Audit trail
智能体工作流
基于 Bedrock Agents 构建的多步智能体，或在需要精细控制时采用定制编排：链式推理、评估和人工检查点。
- Bedrock Agents
- HITL
- Evals
SAP Joule 启用
当工作负载在 S/4HANA 或 SuccessFactors 中时，启用并集成 SAP Joule：跨 SAP 与非 SAP 数据的单一对话界面。
- SAP Joule
- S/4HANA
- SuccessFactors
交付方法。
-
01
定义
真实用例、目标用户、验收标准：不为 PoC 而 PoC。
-
02
奠基
语料整理、RAG 摄取、检索调优，在确定任何模型选择之前完成。
-
03
交付
副驾驶或智能体面向明确的用户群上线，从第一天起就有护栏和遥测。
-
04
演进
评估闭环、模型替换、工具扩展：生产级生命周期。
明确的交付物。
每个项目都交付具体的成果物，而非一堆幻灯片。
- 基于 Amazon Bedrock、以您的语料为基础的 RAG 知识库
- 带引用和权限执行的副驾驶界面（Web 或应用内）
- 范围内与 SAP 或其他系统的智能体工具集成
- 每次模型调用的护栏与审计追踪
- 评估体系：准确率、幻觉率、延迟、单次查询成本
- 适用时的 SAP Joule 配置，与现有 SAP 角色集成
常见问题
Phoenix 使用哪些基础模型？
模型选择按用例而定。Amazon Bedrock 是默认平台（通过 Bedrock 可用的 Anthropic Claude、Meta Llama、Amazon Nova 等），客户需要时可回退到托管 OpenAI。工作负载在 S/4HANA 或 SuccessFactors 内时，SAP Joule 是载体。
你们如何防止副驾驶产生幻觉？
基于精选语料的检索增强生成、每个回答强制附引用、用标注数据集测量幻觉率的评估体系，以及提示词和响应层的护栏。没有引用的回答被视为失败。
副驾驶能真正在 SAP 中执行操作，还是只能回答问题？
两者皆可。只读查询是更安全的起点。智能体工作流可以在护栏、审批矩阵和完整审计下调用 SAP 事务或触发 BTP API：与人类用户所受的治理完全相同。
你们如何处理检索文档的访问控制？
检索遵循源系统相同的行列级访问模型：用户向副驾驶提问时只会看到他们本就有权查看的文档，引用同样遵守该权限。访问执行发生在检索时，而不只是展示时。
你们如何衡量一个副驾驶是否值得留在生产环境？
每次部署都配有评估体系：标注数据集上的准确率、幻觉率、延迟、单次查询成本，以及最重要的业务 KPI（问题解决率、周期时间缩短、首次响应时间）。KPI 不动，副驾驶不留。
