内容摘要
AI 项目复盘的重点，不是讨论模型多先进，而是看数据准备、目标定义和首期验证范围是不是一开始就站稳了。
正文
AI 项目特别容易让人把注意力放在模型和工具上，但真正推进过这类项目的人会发现，最容易拖慢交付的往往不是模型能力，而是数据和业务准备。知识库资料零散、字段口径不一致、首期验证场景不断变化，这些问题会在后面不断放大。
为什么数据准备经常被低估
因为很多需求方默认“先把系统做出来，数据再慢慢补”。但 AI 项目和普通后台不太一样，数据本身就是效果的一部分。没有稳定的数据来源，后面的回答质量和业务可用性都很难站住。
验证范围如果不先收住，会发生什么
项目会一直处在“好像能做很多，但每一块都不够稳”的状态。首期到底是验证知识问答、内部检索，还是客服分流，这些目标越晚确定，开发越容易被来回打断。
这类复盘最值得看的是什么
不是最后用了什么模型，而是项目里哪些判断帮助团队把范围收住、把数据理顺、把效果目标说清。AI 项目真正能按期推进，往往靠的是这些看起来不那么炫的前置动作。
对类似项目的启发
如果你准备做 AI 项目，先别急着讨论功能列表。先把数据、目标和首期场景钉住，交付会比一上来追求“全都想做”稳很多。