企业官网建设流程全解析

没有业务架构时，先别急着画技术架构

上一篇有个判断：

技术架构不能凭空画，业务架构应该是技术架构的输入。

放在成熟团队里，这个条件成立。

麻烦在于，很多公司没有这个输入。

有些团队压根就没有过业务架构图。

有些业务刚开始做，产品文档还在改。

有些老系统跑了几年，业务边界早被需求冲散。

没人能拿出一张业务架构图。

但我们不能卡在这里，然后跟老板说需要你给我一张业务架构。

这时要先梳理核心业务流程。

你要沿着这条线，把状态归属、同步边界、模块关系、异常兜底和支撑能力一步步梳理出来。

动手之前：先识别关键需求

在梳理核心业务流程之前，还有一个更前置的问题：这个系统的关键需求是什么？

这里先说一个结论：关键需求决定架构，其余需求验证架构。

放在 AI 客服这个场景里，关键需求至少有三类。

第一类是关键功能性需求。

用户从提问到拿到有效回复，这条链路必须走通。

如果这条链路走不同，系统就没有存在的业务价值。

这是最长的职责协作链，也是架构的主心骨。

第二类是关键非功能需求，也叫质量足球。

端到端响应延迟要控制在2秒以内。

服务可用性不能低于 99.9%。

同时支持1w并发。

多租户之间的数据必须严格隔离。

这些是硬性约束。

任何一个没满足，就无法满足设计预期。

第三类是关键约束、限制。

公司已经有的订单系统、CRM、物流系统，接口协议等都不是我们能随意更改的。

数据合规要求也摆在那里，不能绕过。

必须要选择某个中间件、数据库等，比如信创要求。

这三类关键需求，决定了核心域包括会话、机器人编排、知识检索，运营看板、数据报表、训练平台等只能归到非核心域。

也决定了为什么外部依赖必须画在边界外，并且要有熔断降级、支持横向扩展。

关键需求没想清楚，后面画的每一个框都缺乏依据。框摆得再整齐，也只是系统清单。

第一步：梳理核心业务流程，先把用户怎么进来画清楚

AI 客服这类系统，先画一条最核心的用户路径：

用户发起对话。

系统识别租户、用户身份和机器人配置。

会话被创建或恢复。

用户消息进入会话服务。

机器人编排判断路径。

可能查 FAQ。

可能走知识库检索。

可能调用订单、物流、退款这些业务系统。

也可能转给人工坐席。

系统把结果返回给用户。

会话记录、质检数据、日志和运营分析在后面处理。

这一步的产出，是架构图的主线。

有了这条线，每个模块都要回答：

我服务于这条链路的哪一段？

有些模块重要，但不在主线上，就先放在一边。

比如数据看板很重要，知识运营也很重要，但用户等回复时，这些模块不是核心。

第二步：标出状态机流转和数据归属

很多图看着像技术架构图，但实际上只能回答有哪些服务。

一到评审，别人问核心状态流转、数据流向等，单纯一张图就撑不住，需要额外对着图讲一通。

画图的人要回答的是两个问题：

状态怎么变？

数据从哪里来到哪里去？

前者是状态流转。

后者是数据归属。

AI 客服系统里，至少要把几类关键状态标出来。

会话状态：

新建 → 机器人处理中 → 已回复 / 待人工 → 人工处理中 → 已关闭。

这条状态线，应该由会话服务维护，最终落到会话库。

坐席系统、质检系统、运营看板可以读取会话状态，也可以消费会话事件，属于下游系统。下游系统一般不会修改上游系统，否则会出现几套状态互相打架。

消息状态：

已接收 → 处理中 → 已发送 / 发送失败 → 用户已读。

消息状态应该以消息表或消息日志为准。

质检分析、数仓宽表、运营报表，都是从消息记录加工出来的结果。

知识库状态：

草稿 → 待审核 → 已发布 → 已下线。

这里还要多画一个索引状态：

待切片 → 向量化中 → 索引构建中 → 索引可用。

知识内容和版本，以知识管理系统为准。

向量库、搜索索引、召回缓存，只是为了服务于检索加速或提升准确度。

可能会有延迟，可能会重建，也可能短时间和知识管理系统不一致。

所以图上要标清楚：

知识是否发布，要以知识管理系统为准。

知识能否被机器人检索到，还要看索引状态是否编程可用。

工具调用状态：

待调用 → 调用中 → 成功 / 失败 / 超时 → 待重试。

工具调用结果，要看业务系统返回、调用流水和幂等记录。

比如查订单、查物流、发起退款，最终结果都应该以业务系统返回为准。

这一步做完，技术架构图里就不只是有框了。

每个关键状态由谁维护、谁能更新、谁只是读取副本，开始有边界了。

后面讨论故障恢复、补偿任务、对账逻辑时，就不至于纯靠拍脑袋。

比如知识库已发布，但索引还在重建。

这时客服机器人能不能用新知识？

如果回答错了，是知识管理系统的问题，还是索引构建的问题？

第三步：判断同步和异步边界

判断同步异步，要显式的思考并标记出来，不能做的时候在考虑。

用户提问到拿到回复，走同步链路还是异步，要看关键质量需求里，响应延迟是2秒以内的硬约束。

主线和状态有了，再判断哪些动作要让用户等待。

AI 客服里，用户提问到拿到回复，通常在同步链路上。

渠道到接入网关。

接入网关到会话服务。

会话服务到机器人编排。

机器人编排到知识检索、工具调用或模型服务。

结果回到会话服务，再返回用户。

这条线是核心链路，要加粗。

它是用户等待路径。

但用户等待路径不能什么都塞。

会话日志落库可以先保证主记录，后续分析异步。

质检分析可以异步。

训练样本沉淀可以异步。

运营看板统计可以异步。

满意度和解决率这类业务效果指标，也不应该抢用户等待链路。

它们可以从会话结束事件、人工接管事件、用户反馈事件里异步计算。

这一步图上要做三件事：

同步调用用实线。

异步消息用虚线。

数据同步用点线或单独标注。

线上不要只写调用两个字。

能具体就具体。

比如 HTTP，超时三秒，失败降级到备用模型。

比如 MQ，会话结束事件，消费者幂等键是 session_id。

比如知识索引，发布后异步重建，允许分钟级延迟。

同一根箭头，有人默认同步调用，有人默认 MQ，有人默认可以重试，有人默认失败就丢。

箭头不说清楚，争论就会从图上转到口头。

第四步：把模块摆回技术架构骨架里

到这里，才开始把模块摆回技术架构图。

第一篇讲的分层、分域、模块、关系，这时就派上用场了。

我一般先画四层主架构，再把旁路能力和外部边界放进去。

第一层是接入层。

App、Web、小程序、企微、电话/予以你、开放 API 放在这里。

第二层是接入与会话层。

接入网关、鉴权、限流、协议适配、会话服务、上下文管理、消息记录放在这里。

第三层是核心业务能力层。

这里不要按微服务名平铺，要先在这一层里画一个独立内框，再按业务域摆模块。

这个独立内框要和上下两层留出边界，不要贴着接入层和数据层画。

会话域：会话创建、消息收发、上下文管理、会话状态。

对话机器人域：意图理解、策略编排、prompt管理、上下文管理、模型路由、回复生成。

知识域：知识管理、文档解析、索引、检索、向量库。

工具集成域：业务系统连接、接口编排、权限控制、结果封装。

人工服务域：转人工、坐席工作台、工单、服务记录。

但要注意，人工服务域不是和知识域、工具域完全并列的常规查询路径。

知识和工具更像并行能力。

人工是条件跳转，是兜底和接管。

图上最好用不同线型表达出来，别让读者误以为三者地位完全一样。

第四层是数据与中间件层。

会话库、消息日志、知识库、向量库、搜索索引、缓存、MQ、对象存储、数据同步。

分层之外，再放三个旁路和边界。

左侧靠近分层标签的位置，放支撑与治理平面。

监控、日志、链路追踪、告警、配置、注册、灰度、开关、任务调度、审计。

效果评估要拆开看，不要随手塞进支撑平台里。

模型调用成功率、响应耗时、召回命中率，可以放在技术观测侧。

满意度、解决率、转人工率，更像业务效果分析，适合放在右侧的运营与分析域，不要和监控告警混成一团。

运营与分析域是系统内部能力，但不在用户等待主链路上。

它消费会话数据、消息日志、质检结果和成本数据，再反哺知识、策略和模型评估。

最右侧是外部依赖，也就是风险入口。

大模型供应商、语音服务、CRM、订单系统、物流系统、工单系统、短信服务，都放在边界外。

这些外部系统不是可选组件，而是关键约束。

它们的存在直接决定了工具集成域必须独立成域。

也决定了熔断、降级、幂等不是架构洁癖，而是外部系统的可用性不受我们控制，必须用技术手段解决。

这两个位置一定要分清。

一个是你自己系统的支撑能力。

一个是你无法完全控制的外部边界。

很多图在这里画乱，是因为内部支撑和外部依赖混在一边。

一旦模型供应商超时、CRM 接口抖动、语音服务不可用，团队不知道该看内部告警，还是该走外部故障预案。

第五步：补异常、风险和支撑能力

生产环境里，核心流程从来不是最难画的。

难的是失败以后谁兜底。

AI 客服这类系统，我会在主图上至少标四类异常。

第一类，模型超时。

机器人编排到 LLM 网关这条线，要标超时、重试、熔断、备用模型和兜底回复。

不要只写外部模型。

评审时要追到这些细节：

用户最多等几秒？

超时后是换模型、降级模板回复，还是转人工？

第二类，知识未召回。

知识服务到向量库、搜索索引这条线，要标知识版本、索引延迟、召回阈值和兜底策略。

如果召回结果不可信，是澄清问题，还是转人工？

第三类，幻觉、工具调用失败、未调用。

调用订单、退款、物流这类业务系统时，要标权限、幂等、超时、失败提示。

这里有一条红线：

工具调用失败，一定要有明确的降级规则

第四类，转人工失败、上下文丢失。

会话服务到坐席工作台这条线，要标上下文包、转接状态、人工接管事件。

坐席接手时看不到前面几轮对话，技术上不一定会触发 P0，但客户体验会明显变差。

这些异常标完，再把支撑能力补上。

限流、鉴权、防刷放在接入侧。

重试、幂等、熔断、降级放在业务链路旁。

日志、监控、链路追踪、告警放在支撑侧。

审计、脱敏、备份、补偿任务放在数据侧。

这样画出来的主图，仍然是技术架构图。

主图成型以后，不要硬塞所有细节

主图基于核心链路确定之后，不要急着往下拆。先用其余需求来验证这个骨架是否足够包容。

运营看板需要消费会话数据，当前架构有没有暴露合适的事件或接口？

知识运营后台需要独立的审核流程，会不会污染核心链路的状态机？

训练平台要回流样本，会不会反向干扰线上推理？

如果其余需求在主图上找不到落点，或者需要扭曲核心架构才能硬塞进去，说明主图的模块边界或分层有问题。这时候应该回退调整，而不是在细化层打补丁。

这正是关键需求决定架构，其余需求验证架构的闭环。

主图不是一张面面俱到包含所有细枝末节的图。

一张图要建立全局共识，不要承担所有解释工作。

什么时候该拆下一层？

我一般看四个点。

第一，线已经开始交叉，读者的视线跟不住。

不一定非要数到五条交叉线才拆。

但如果你讲图时需要不停用鼠标绕来绕去，这张主图已经过载了。

第二，同一个领域里，有超过三个状态要解释。

比如会话域既有机器人处理中、待人工、人工处理中、已关闭，又有超时、撤回、重复消息，就应该拆会话状态图。

第三，某条链路里有多个异常分支。

比如知识发布涉及上传、解析、切片、索引、灰度、回滚，主图里只留知识域和风险标注，细节拆知识发布图。

第四，评审时连续围绕同一块内容讨论。

如果大家一直追问 prompt、RAG、工具调用、模型路由，就别在主图上硬解释，拆机器人编排逻辑的详图。

对 AI 客服来说，常见的下一层图有四张：

会话状态和消息流转图。

机器人编排与模型路由图。

知识入库、索引、发布和回滚图。

转人工和上下文传递图。

第一张图负责建立全局。

第二张图负责讲清领域。

第三张图负责解释关键链路。

第四张图才落到实现细节。

验证关键需求是否满足

这一步需要根据最开始的关键需求确认：

这个架构是否满足所有关键功能需求？

核心链路有没有遗漏一票否决的功能？

是否满足所有关键质量需求？

延迟、可用性、安全、扩展性是否可度量、可验证？

是否满足所有关键约束？

遗留系统对接、合规要求、技术栈限制是否都有明确的落点？

如果答案都是肯定的，说明架构设计合格。

如果评审中发现某个关键需求无法被满足，不要试图在细化层打补丁，要回退到概念架构阶段重新调整。

这些问题能在图上被讨论清楚，图才有价值。

如果每个问题都要靠画图的人口头补充，说明这张图画的还不够到位。

结语

第一篇讲的是骨架。

分层、分域、模块、关系、支撑能力。

第二篇讲的是脉搏。

主链路、状态、同步边界、异常兜底、拆图策略。

骨架和脉搏不是凭空来的。

它们来自对关键需求的识别，来自关键需求对架构的裁剪，也来自其余需求对架构的验证。

画架构图，不是在训练大家把框画得多整齐。

是在让团队把这些问题摆到桌面上：

业务结果是什么？

关键需求有哪些？

系统主线怎么走？

状态以谁为准？

失败时谁兜底？

这块谁负责？

如果一张图能让这些问题被讨论清楚，它就有价值。

如果它只是把所有系统或应用摆上去，再好看也只是系统清单。

下次你准备画一张技术架构图，可以先不急着打开工具。

先拿一条真实链路问自己：

用户从哪里进来？

系统第一跳到哪里？

关键需求是什么？

状态落在哪里？

失败时谁兜底？

其余需求能不能在这个骨架上自然生长？

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】