1. 项目背景
某智能家居公司的内部支持团队每天要处理200+条来自客服、销售、技术支持的重复性问题——“智能门锁如何重置？”“空调E3故障码什么意思？”“保修期是多久？”——这些问题占内部知识库检索次数的70%，但答案分散在PDF手册、wiki页面、FAQ文档和微信群聊天记录中。客服平均需要4分钟找到正确答案，客户满意度持续下降。
CTO决定搭建一套内部AI问答系统，替代关键词检索。需求明确：
- 模型选择：7B级别中文模型，能理解产品手册中的技术术语
- 部署方式：Docker容器化，单机单卡GPU服务器
- 接口标准：OpenAI兼容API，业务系统无需改代码
- RAG能力：从内部知识库中检索相关文档片段，增强LLM回答
- 可观测性：Prometheus监控 + Grafana看板，支持故障排查
- 验收标准：接口可用率>99%，P95 TTFT<3秒，JSON结构化输出，错误率可监控
痛点：本章作为基础篇的综合实战，将以"内部制度问答助手"为完整案例，把前15章学到的知识——从环境安装（第2章）、离线推理（第3章）、OpenAI服务（第4章）、采样参数（第5章）、Chat Template（第6章）、显存预算（第7章）、结构化输出（第8章）、Embedding与RAG（第9章）、Docker部署（第11章）、
