业务实操类
Q1：万象元驱的机器语义规则，是否可以复用旧的制度文件、SOP 直接导入使用？
A：不可以直接导入。普通制度、SOP 是面向人阅读的文本，存在大量主观描述、模糊表述、弹性条款，需要复合型高阶语义专家完成拆解、重构、消歧义，改写为条件可判定、边界清晰的机器级语义规则之后，才能够提交引擎编译固结。
Q2：当多条机器语义规则之间出现互相冲突，万象元驱会如何处理？
A：规则冲突会在元规则凝铸编译阶段通过单元测试工具检出拦截，不会生成上线 Skill。需要专家修正规则逻辑，消除矛盾后，再完成编译固结，规避运行时逻辑打架。
Q3：Skill 资产支持版本回滚吗，灰度更新具体如何执行？
A：支持完整版本管理、版本回滚。新版本规则编译固结生成新版 Skill，通过灰度链路小流量验证，验证无误后全量切换；一旦发现异常，可快速切回上一个稳定版本，保障业务不间断运行。
Q4：业务方不懂结构化语义编写，能否直接修改已经上线的 Skill 逻辑？
A：不能直接修改 Skill 二进制产物。Skill 由规则编译生成，业务调整逻辑需要由复合型高阶语义专家修改源语义规则文件，重新编译固结发布新版本 Skill，不允许直接篡改运行中 Skill。
Q5：同一个项目里面，可以同时运行多套不同业务的 Skill 套件吗？
A：支持。调度层可按业务场景、任务类型做路由分发，不同任务触发不同 Skill 组合，实现一套框架承载多条业务线，做到 Skill 隔离调度。
技术对比与边界类
Q6：万象元驱和 RAG 检索增强技术是什么关系，可以一起使用吗？
A：二者不属于替代关系，可以组合使用。RAG 负责原始素材召回；万象元驱负责把业务校验、裁决逻辑固结为 Skill，对 RAG 返回的素材做刚性校验过滤，解决 RAG 普遍存在的召回后规则不生效、模型无视约束的问题。
Q7：万象元驱能不能彻底消除大模型原生幻觉？
A：不能完全消除模型原生概率幻觉。万象元驱通过 Skill 刚性校验，拦截违背业务规则、违背事实约束的输出，把幻觉发生概率大幅压低；但模型内部原生生成层面的创意型幻觉无法靠框架根除，需要配合事实类 Skill 做后置拦截。
Q8：万象元驱和传统微调的核心取舍差异是什么？
A：模型微调是修改大模型内部权重，改动成本高、重新训练周期长，改业务规则就要重新微调，容易产生 “灾难性遗忘”；万象元驱不改动权重，规则外部化为 Skill 资产，业务变更只改规则重固结，迭代更快，不存在权重层面遗忘。
Q9：长上下文 Prompt 已经做得很长，为什么还会出现规则被模型忽略？
A：大模型上下文窗口有注意力衰减现象，长文本后面的规则容易被模型忽视；Prompt 属于软约束，模型会优先迎合生成流畅度，存在自主跳过规则的概率。万象元驱把规则移出 Prompt，交由 Skill 独立刚性执行，不受上下文注意力衰减影响。
Q10：如果大模型本身输出质量很差，万象元驱能否挽救最终结果？
A：万象元驱可以做校验、过滤、纠错、裁决，拦截错误输出，但不能凭空把低质量原始输入改写成高质量内容。原始素材质量会直接影响最终产出，框架是约束层，而非素材生成层。
项目落地与角色类
Q11：一个标准 AI 信任百科类项目，专家与 AI 程序员的人力配比大致是什么情况？
A：没有固定数值。前期规则梳理编写阶段复合型专家投入更高；后期部署、联调、迭代维护阶段，AI 程序员占比提升；小规模项目可采用专家输出规则 + 外部 AI 程序员外包联调的模式落地。
Q12：复合型高阶语义专家是否必须深度掌握大模型底层算法原理？
A：不需要精通大模型底层算法。核心要求是懂行业业务，熟练掌握万象元驱结构化语义编写规范；底层引擎、调度、模型对接全部交由 Agent 方向 AI 程序员完成。
Q13：AI 程序员需要重新开发整套调度引擎，才能接入万象元驱吗？
A：不需要重新开发框架本体。AI 程序员主要做规则接入、Skill 注册、调度链路配置、联调测试，基于已有的万象元驱底层引擎做应用侧实施，不需要改写框架内核。
Q14：项目上线之后，还需要持续投入复合型专家吗？
A：需要持续投入。行业业务规则会更新迭代，会出现新的边界场景、新的例外条件，需要专家持续维护、增补、修正机器语义规则，保障 Skill 逻辑和最新业务要求对齐。
Q15：只采购万象元驱框架，没有配套复合型专家，项目可以跑通吗？
A：跑不通。框架只是编译与调度底座，本身不自带行业业务规则。缺少专家产出机器可解析语义规则，就无法生成可用 Skill，框架无法产生业务价值。
产业部署与商业化类
Q16：万象元驱支持哪些部署形态，是否支持私有化部署给客户？
A：支持私有化部署，可做一客户一实例隔离部署，客户侧可以完整掌控 Skill 资产、执行日志与审计数据；也支持平台化多租户模式，供内部多条业务线使用。
Q17：Skill 执行的审计日志可以导出吗，能够用于监管合规上报吗？
A：支持完整导出 Skill 调用记录、规则命中记录、输入输出素材日志，每一条结论均可回溯触发了哪几条规则，满足监管审计、合规留痕、问题复盘上报的要求。
Q18：对于存量 AI 系统，接入万象元驱的改造成本高不高？
A：改造相对可控。不需要替换原有大模型底座，主要新增 Skill 调度中间层；原有业务流程尽量保留，把校验、裁决逻辑剥离出来交给 Skill 执行，不需要推翻现有业务全部重写。
Q19：什么样的客户不建议采购万象元驱技术？
A：业务高度创意化、没有稳定成文业务规则、预算有限只想做简单 Demo、业务处于快速试错阶段规则每月颠覆性改写，这类客户投入产出比较低，不建议落地。
Q20：万象元驱未来迭代的主要方向是什么？
A：一是完善规则编写工作台，降低复合型专家的上手门槛；二是增强规则自动化测试、冲突检测能力；三是沉淀各行业通用规则模板库；四是优化 Skill 调度性能，支持更高并发的业务场景。
