从企业走访到一键交付：我用 AI 做出了诊断平台

我们团队长期走访各类中小企业。每次完成现场调研后，一线人员都要根据企业的数字化现状整理信息、撰写诊断报告，再进一步形成解决方案和汇报材料，最终推动数字化项目落地。

这个流程很依赖经验。企业情况各不相同，采集回来的信息又分散在访谈记录、表格和现场资料里。能够稳定产出高质量报告与方案的人才有限，一线人员常常把大量时间花在内容整理、格式调整和重复制作上。报告产能逐渐成为团队继续拓展业务的约束。

我由此产生了一个想法：让系统接住走访后最繁重的工作，根据采集信息生成诊断报告、解决方案以及 Word、PPT、Excel 等配套资料，让一线人员把精力放回企业沟通和方案判断。沿着这个目标，我借助 AI 完成了企业数字化诊断平台，并将它部署为可以直接访问的产品：诊断平台。

先把业务链路讲清楚

刚开始时，“自动出报告”听起来像一个内容生成需求，但真正落到业务里，它包含了一条更长的链路：企业信息如何采集，诊断结论如何组织，报告章节如何保持一致，解决方案如何承接诊断结果，最终材料又如何编辑、复用和导出。

我先把工作对象从“几份文档”抽象成结构化业务数据。企业基本情况、数字化现状、问题判断、改进建议和方案内容需要有稳定的对应关系。只有这样，同一份走访信息才能继续流向报告、方案和演示材料，减少多次录入造成的偏差。

我也控制了第一阶段的边界。核心路径先围绕模板采集、报告生成、内容调整、预览导出和方案衔接展开；团队、权限、分享和历史版本则作为产品持续使用所需的支撑能力逐步纳入。这个拆分让 AI 每次面对的是明确模块和清晰接口，避免在一个模糊目标里同时生成页面、数据结构与业务规则。

把隐性经验变成系统规则

诊断工作真正难复制的部分，是有经验的人知道该问什么、如何判断信息是否完整，以及怎样把零散事实组织成专业表达。我的重点是把这些隐性经验转换成模板、字段、章节和提示词，让系统拥有可复用的生产框架。

平台通过多步骤表单和可配置模板收集信息，模板可以定义不同字段类型、章节结构和发布状态。这样，一线人员面对的是与诊断过程一致的填写路径，后续生成也有稳定的数据来源。AI 负责内容生成与润色时，输入范围、章节目标和表达要求都能被约束，输出可以继续编辑和留存。

提示词同样被当成产品资产管理。平台保留了提示词配置、版本和测试入口，使内容生成策略可以随着行业经验积累继续调整。团队以后发现某类企业的诊断逻辑需要变化，可以更新模板和提示词，无需重新改造整套流程。

我如何组织 AI 完成复杂实现

这个项目覆盖前端交互、后端服务、数据存储、AI 接口和文档导出。我承担的角色接近 FDE：持续把业务目标翻译成工程任务，给 AI 提供边界和验收条件，再检查各模块之间能否形成完整流程。

我会先定义数据在系统中的流向，再让 AI 分模块实现。例如，报告编辑器关心章节与字段，AI 服务关心上下文和提示词，导出服务关心版式与中文内容，PPT 模板关心占位符和真实业务字段的绑定。模块可以独立迭代，但字段语义和数据来源必须保持一致。

AI 产出后，我重点检查那些容易“页面能打开、业务却走不通”的位置：模板字段能否进入报告，修改后的内容能否保存，方案数据能否进入 PPT，预览效果与实际导出是否一致，权限边界是否覆盖团队和分享场景。发现链路断点后，我会缩小问题范围，补充约束，再让 AI 针对具体模块修正。

这种工作方式的价值在于，我可以同时把握业务语言和系统结构。AI 提供实现速度，我负责范围、接口、数据边界和交付判断，复杂度因此保持在可管理状态。

用真实交付物检验产品

诊断平台最终需要交付的是一线人员可以继续使用的材料，所以验收不能停留在 AI 成功返回一段文字。报告需要支持编辑、预览、版本留存以及 Word、PDF 等形式的导出；解决方案需要承接诊断内容；PPT 需要把业务字段填入可配置模板，生成可以继续汇报和修改的文件。

其中，PPT 是很典型的工程问题。平台设置了可视化模板编辑和字段绑定机制，同一模板可以用示例数据检查版式，也可以代入真实方案数据查看效果。企业名称、诊断结果和方案内容通过占位符进入演示文稿，减少人工复制，也降低改错位置或漏改内容的风险。

中文导出、复杂样式和跨端呈现也需要单独处理。项目为 PDF 中文显示准备了字体方案，后端承担文档与 PPT 的生成任务，前端负责采集、编辑和预览。这里没有追求炫目的技术组合，判断标准始终是导出的文件能否进入真实工作流。
https://dev.lab.starsine.cn/apps/app-1d64c060/#/

从原型走向可持续交付

一个内部工具想长期使用，还需要处理账号权限、团队空间、报告分享、历史版本和部署维护。平台因此逐步形成了前后端服务与 MySQL 数据库组成的完整应用，并提供数据库迁移、健康检查和 Docker 本地编排能力。开发或验收环境可以从空数据库启动，迁移链负责建立所需结构，前后端健康接口则用于确认服务状态。

这些工作很少出现在产品演示的中心，却直接决定系统能否继续迭代。模板会增加，诊断数据会积累，团队成员会变化，AI 能力也会更新。把配置、数据和生成流程分开后，后续改动可以沿着明确边界推进，已有业务资料也能得到保留。

回看诊断平台，我完成的核心工作，是把团队真实存在的产能瓶颈转化成可执行的产品结构，再组织 AI 跨越界面、服务、数据和文档生成等多个环节完成落地。现在，这个想法已经成为一个可访问、可操作、能够继续演进的产品。对我来说，AI 时代的工程能力就体现在这里：看懂业务，抓住关键约束，组织实现，并把结果稳定交到使用者手中。