许多 AI 项目从模型能力演示开始：它能识别什么、生成什么、自动完成什么。但业务不会为能力本身买单，只会为问题被更好地解决买单。

第一步应该定义业务问题域：输入是什么，判断对象是什么，输出会进入哪个流程，错误的代价有多大，人在什么位置负责。边界越模糊，后续评测越容易失去标准。

接下来辨认真正需要模型学习的内容特征。哪些是稳定规则，哪些依赖上下文，哪些需要专家经验，哪些其实用传统系统就能更可靠地完成。

需求管理也很关键。相似问题能否复用同一能力，应该直接调用、微调，还是重新训练？模型越多不代表能力越强，复用与规模化才决定建设速度和成本。

先把业务说清楚，模型选择才从技术偏好变成经营判断。