项目作品 / EAI · 企业数据治理与 AI 知识检索

ENTERPRISE AI-READY DATA GOVERNANCE

先治理数据，再交给 AI。

EAI · 企业数据治理与 AI 知识检索

企业资料真正进入 AI 应用之前，往往还需要解决版本混乱、数据敏感、归属不清和权限边界等问题。EAI 将这些问题纳入统一治理流程，让知识不仅可检索，还能被审慎使用。

Go
MySQL
Redis Streams
Qdrant
Docker
RAG
MCP

项目角色：个人独立设计研发

形成从资料体检到授权检索的完整功能链路项目工程成果

把敏感风险处理和权限控制融入知识使用流程项目工程成果

实现模块化、可扩展的 AI 应用工程实践项目工程成果

01 / CONTEXT

项目背景

先治理数据，再交给 AI。为散乱、过期、敏感与权限不清的企业资料建立从体检、治理、审核到授权检索的完整链路。

02 / CHALLENGES

核心问题

数据质量先于 AI 效果

原始文档的版本、敏感属性与业务归属不清，不能简单全量入库。

安全与效率的边界

自动化处理必须保留高风险任务的人在环决策，避免直接破坏原件。

权限进入检索链路

知识能被系统读取，不代表任意用户都能通过 AI 访问。

03 / SOLUTION

方案设计与关键工程实践

01 · AI-Ready 治理飞轮

Collector → Metadata → Checkup → Analyze → Executor → Review → Authorize，以文档治理状态追踪全流程。

02 · 非破坏性处理与入库兜底

先生成拟变更结果，再按风险审核和授权；对高敏、业务及财务敏感信息在入库环节再次实施策略。

03 · 可追溯的知识检索

授权内容经切片、向量化、权限过滤检索后进入问答，返回来源证据并支持流式输出。

04 · 可组合的工程架构

Go 分层模块、MySQL、Redis Streams 与独立消费者；Qdrant、真实模型、Langfuse、MCP 按场景集成。

04 / PRODUCT INTERFACE

产品界面与实际使用场景

以下是实际产品界面，用来说明功能、交互和产品细节。

数据体检与风险报告真实产品截图 — **数据体检与风险报告**
文件分布、风险等级、敏感识别与整改建议

治理中心与任务审核真实产品截图 — **治理中心与任务审核**
治理状态、任务结果、审核与授权流程

AI 问答与来源溯源(新版）真实产品截图 — **AI 问答与来源溯源(新版）**
权限过滤检索、证据引用、流式回答

AI 问答与来源溯源(旧版）真实产品截图 — **AI 问答与来源溯源(旧版）**
权限过滤检索、证据引用、流式回答

权限与运营管理真实产品截图 — **权限与运营管理**
组织权限、AI 可见域、运行指标

05 / OUTCOMES

工程成果

形成从资料体检到授权检索的完整功能链路
把敏感风险处理和权限控制融入知识使用流程
实现模块化、可扩展的 AI 应用工程实践

06 / OWNERSHIP

我的工作与贡献

独立完成产品定位与需求抽象，确立“AI-Ready 数据治理层”而非通用聊天机器人的产品方向。
设计以 GovernanceRun 为核心的事件驱动状态机，衔接采集、元数据、体检、分析、执行、审核和授权。
构建非破坏性治理、敏感信息准入、RBAC 与 AI 可见域，以及证据溯源的 RAG 问答链路。
实现模块化后端、管理控制台与部署流程，支持按需切换消息、向量与模型能力。

07 / REFLECTION

技术与产品思考

AI 应用的可靠性不只取决于模型能力，更取决于数据质量、组织权限和知识更新机制。治理不是一次性清洗，而是可持续运行的业务过程。

咨询相关技术服务 ← 返回全部作品个人独立设计研发

先治理数据， 再交给 AI。