AI火花引擎集

要解决什么问题

企业推进 AI 时，常见困境不是「有没有模型」，而是不知道同行业、同场景里别人已经怎么落地——客服重复劳动、质检瓶颈、营销转化等痛点，往往缺少可对照的案例与演进脉络。纯技术讨论或供应商选型文档，也很难直接回答「我现在该学谁、第一步做什么」。

本技能面向企业内部科技/业务负责人视角：把公开报道中的落地案例整理进 references/case-library.md，按双轴框架做匹配与解读，而不是推销方案。

技能如何工作

触发后先读取案例库，再按固定流程推进：

1. 痛点识别：从描述中提取行业、场景与核心痛点，映射到 12 大领域（科技互联网、金融、制造、零售、医疗教育政务、汽车出行物流、AI Agent、AI 运维、趋势与数据、智能运营、数据管理、智能安防等）。
2. 纵轴 — 行业演进：对照「过去 / 现在 / 趋势」三阶段，判断你大致处于哪一段，并引用库内典型做法。
3. 横轴 — 同行对比：区分大企业、中小企业与跨行业借鉴路径，各配对应案例。
4. 案例呈现：输出背景与痛点（含关键数据）、AI 方案路径、落地效果（标注来源，不确定则标「待验证」），并写明启发点与局限性。
5. 交汇判断：结合纵轴阶段与横轴格局，说明「当前阶段最该学谁」及原因（往往不是最先进、而是最适配）。
6. 适配建议：区分企业规模可行方案，每条附带可执行的第一步。

若用户只想浏览库而非描述痛点，走浏览模式：未指定分类则给 12 领域概览与精选速览；指定分类则列出该分类下案例编号、名称与一句话标签。

适用边界与注意点

• 不触发：纯技术实现细节、供应商选型评估、学术研究讨论。
• 案例经 L1–L4 质检（数据溯源、内部视角、闭环深度、实战可用性），但金融等数据仍可能未经核实，仅供参考；效果以各企业官方披露为准。
• 输出需保留署名：来源为 AI火花引擎集 · 慕士塔格（CC BY-SA 4.0）。