企业官网建设流程全解析

给独立产品加智能能力前先算清账

先问功能解决什么任务

独立产品加入模型能力前，先把用户任务写清楚：输入是什么，结果能否检查，错误会造成什么后果，用户是否愿意等待。只有这几项明确，延迟、调用费用和维护工作才有可比较的基线。

文本清洗、格式化等规则明确的任务通常可先用本地规则或 AST 处理；只有语义判断确实必要时才评估模型调用。模型方案还需要考虑延迟、费用和原文被改写的风险，具体数值应由项目压测和账单验证。

这里的“算账”不只指 API 账单。还包括审核与修订、隐私处理、错误支持、模型版本回归和降级方案。如果模型减少了一步输入，却增加了无法解释的修改，整体流程未必更省事。

不合适的模型调用会带来什么

1. 响应等待打断基础交互

IDE、笔记和剪贴板工具里的输入、保存等交互通常需要及时反馈。远端调用会受到网络、排队和生成长度影响，而本地规则的行为更容易预测。具体差异必须在目标设备和网络上测量，不能套用一组通用耗时。确需远端处理时，把它设计成可取消的独立任务，不阻塞基础编辑。

2. 调用费用缺少上限

模型服务可能按输入输出或其他资源计费，实际方式随供应商与部署变化。成本估算应使用真实请求长度、调用量、重试和缓存命中，再与产品收入模式比较。高频入口要有用户级与全局预算；达到限制时返回清楚状态，不能静默把用户内容交给效果不同的处理器。

3. 概率输出破坏确定性逻辑

JSON 解析、数学计算和精确替换等规则明确的任务，应优先使用确定性实现。模型输出若会改写原文，界面应展示差异并允许撤销；若要进入结构化流程，则用 Schema 校验字段，并对语义不确定的部分保留人工确认。

让任务路由可解释

可以先尝试本地规则或解析器，再判断本地模型和远端模型是否有额外价值。分流条件不应只看文本长度；短文本也可能需要语义判断，长文本也可能只是格式化。任务类型、用户选择、数据敏感级别和结果用途更适合作为路由依据。

本地模型没有远端 API 费用，但仍有下载、内存、兼容和更新成本。远端模型也不是默认兜底：数据不允许出域、用户未同意、预算不足或任务要求确定结果时，应直接退出模型路径。每次路由记录原因和版本，出现差异后才能复验。

一个混合调度器示例

下面的HybridTaskDispatcher演示本地规则、预算判断和远端超时的控制流。代码中的预算、耗时和单次费用都是占位值，不能用于实际账单；实例内累计值也无法覆盖多进程、多设备或重启。正则剥离 HTML 不是可靠的文本提取方法，短文本直接判为简单任务也可能误路由。

示例的Promise.race只停止等待，没有取消底层请求；真实客户端需要支持取消、总体截止时间和请求状态查询。远端失败后使用本地清洗可能改变任务含义，因此降级前应确认结果仍满足原任务，否则返回“暂时无法处理”更诚实。

export interface TaskContext { inputText: string; maxLatencyMs: number; allowAI: boolean; } export interface TaskResult { output: string; executionEngine: 'LOCAL_REGEX' | 'LOCAL_WASM' | 'REMOTE_LLM'; latencyMs: number; costEstimateUSD: number; } /** * 独立产品混合任务调度引擎 */ export class HybridTaskDispatcher { private monthlyCostAccumulatorUSD: number = 0; private readonly maxMonthlyBudgetUSD: number = 50.0; // 独立开发者设定的 API 月度预算上限 /** * 执行文本清洗与格式化任务 */ public async processText(ctx: TaskContext): Promise<TaskResult> { const startTime = Date.now(); // 1. 一阶确定性规则检测: 判断是否为纯文本清洗/HTML 剥离 if (this.canBeHandledByRegex(ctx.inputText)) { const cleanText = this.executeLocalRegexClean(ctx.inputText); return { output: cleanText, executionEngine: 'LOCAL_REGEX', latencyMs: Date.now() - startTime, costEstimateUSD: 0, }; } // 2. 检查用户是否有低延迟强制要求或 API 预算超支 if (ctx.maxLatencyMs < 200 || !ctx.allowAI || this.monthlyCostAccumulatorUSD >= this.maxMonthlyBudgetUSD) { console.warn('[Dispatcher Alert] 触发降级策略: 耗时要求过高或 AI 预算超限，使用本地 HEURISTICS 引擎'); const fallbackText = this.executeLocalHeuristicFallback(ctx.inputText); return { output: fallbackText, executionEngine: 'LOCAL_REGEX', latencyMs: Date.now() - startTime, costEstimateUSD: 0, }; } // 3. 三阶管道: 真正的复杂的模糊语义理解，向远程 LLM 发起调用 (含超时降级) try { const llmResult = await this.callRemoteLLMWithTimeout(ctx.inputText, 2500); this.monthlyCostAccumulatorUSD += 0.0015; // 累加 Token 成本 return { output: llmResult, executionEngine: 'REMOTE_LLM', latencyMs: Date.now() - startTime, costEstimateUSD: 0.0015, }; } catch (error) { console.error('[Dispatcher Error] 远程 LLM 调用失败或超时，自动降级至本地确定性算法:', error); const safeText = this.executeLocalHeuristicFallback(ctx.inputText); return { output: safeText, executionEngine: 'LOCAL_REGEX', latencyMs: Date.now() - startTime, costEstimateUSD: 0, }; } } /** * 正则匹配引擎: 秒级判定是否属于确定性规则范畴 */ private canBeHandledByRegex(input: string): boolean { // 如果任务只是简单的 Markdown 链接提取、HTML 标签剥离或去重换行 const isSimpleHtml = /<[^>]*>/g.test(input); const isExcessiveNewlines = /\n{3,}/.test(input); return isSimpleHtml || isExcessiveNewlines || input.length < 50; } private executeLocalRegexClean(input: string): string { return input .replace(/<[^>]*>/g, '') // 剥离 HTML 标签 .replace(/\n{3,}/g, '\n\n') // 压缩多余空行 .trim(); } private executeLocalHeuristicFallback(input: string): string { return this.executeLocalRegexClean(input); } /** * 模拟远程 LLM API 调用 (带 2.5s 强制 Timeout 熔断) */ private async callRemoteLLMWithTimeout(input: string, timeoutMs: number): Promise<string> { const apiPromise = new Promise<string>((resolve) => { setTimeout(() => { resolve(`[AI 重写产物]: ${input.toUpperCase()}`); }, 800); }); const timeoutPromise = new Promise<string>((_, reject) => { setTimeout(() => reject(new Error('LLM Response Timeout')), timeoutMs); }); return Promise.race([apiPromise, timeoutPromise]); } } // ==================== 生产力工具调度测试 ==================== if (require.main === module) { const dispatcher = new HybridTaskDispatcher(); (async () => { // 测试案例 1: 简单的 Markdown 换行清洗 -> 触发一阶秒级算法 const res1 = await dispatcher.processText({ inputText: '<p>Hello World</p>\n\n\n\nTest', maxLatencyMs: 1000, allowAI: true, }); console.log('📌 案例 1 结果:', res1); // 测试案例 2: 复杂长文语义纠错 -> 触发三阶 LLM const res2 = await dispatcher.processText({ inputText: '这是一段非常复杂的长文本语义修饰需求，需要深度理解上下文关系...', maxLatencyMs: 3000, allowAI: true, }); console.log('📌 案例 2 结果:', res2); })(); }

选型时比较完整流程

用小范围试验决定是否继续

选一条边界清楚的真实任务，分别运行现有流程和候选模型流程。记录完成结果、等待、人工修订、失败类别与实际账单，样本只使用取得授权的脱敏内容。一次展示不能代表长期价值，模型或提示更新后也要重跑同一批反例。

上线时提供取消、撤销和关闭模型功能的入口。基础编辑与数据访问不依赖远端模型可用，预算达到限制时也有明确提示。独立产品资源有限，更需要把模型放在确实需要语义能力、结果又能复核的位置；其他任务留给简单工具，维护成本通常更可控。