AI 应用上线后准确率不达标怎么办？谁来持续调优？

AI 项目和传统软件不同，它有客观规律——很难一上线就 100% 准确，合理预期是"从 80 分开始，用真实数据迭代上去"。所以我们的做法是把"准确率"管起来，而不是听天由命：

1. 上线前先约定可量化的验收标准：比如某场景的命中率、转人工率，并用样本做一轮基线测试，让双方在签约前对"能达到什么程度、需要多少投入"就有共识，避免做完才发现不达标。
2. 上线后持续观察答得不好的对话：反推是知识库缺内容、检索没命中、还是话术要调，一轮轮优化。真实用户问出的意外问题，恰恰是最宝贵的优化燃料。
3. 调优由我们负责：这些迭代属于交付和运维的一部分，不是交付即结束。配合自研客户平台每周周报，调优进展你随时能看到。

关键认知是：AI 准确率不是一次性"达标"就完事，而是要持续"养"。所以选服务商时，比起谁承诺"100% 准确"（这种反而要警惕），更该看谁有持续调优的机制和真实落地经验。另外，知识库和源码都归你，将来你也能自己接着优化，不被绑定。