老板当着我的面打开 AI 对话框，敲了一句：我们公司退货要谁签字。屏幕上跳出来一段挺像样的回答，讲退货一般要经过申请、审核、入库三个环节。他把屏幕转过来，说这不是我们公司的规矩。
我问了一句，你们那本退货制度，现在存在哪。他说在行政的电脑里。
坑一：通用模型不认识你的公司
它读过整个互联网，就是没读过你公司那本制度。你问它公司的事，它给你一段正确但没用的话。你追问细节，它开始编。
行业里有个说法被反复引用，企业超过 80% 的数据是非结构化数据，散在不同部门、不同系统，甚至某个人的个人电脑里。这些东西不整理出来，AI 再强也读不到。
坑二：数据不敢往外放
把研发文档、客户名单、成本结构传给公共模型，谁心里都不踏实。有没有被拿去训练，你无法验证。
Gartner 的《2026 企业 AI 成熟度报告》里，超过 68% 的企业把数据隐私泄露和模型幻觉列为首要阻碍因素。一句话总结，企业怕的是这套东西既泄密又不准。
坑三：把装软件当成了落地
买台服务器装套系统，不等于私有化。真正的私有化要看四条。
- 能不能在物理隔离环境独立运行。- 能不能接自己选定的大模型。- 知识库有没有真被打开用过。- 权限能不能细到每个人。
四条缺一条，结果都差不多，换了个地方装软件。
两关怎么一起过
第一关靠知识库。制度、产品资料、流程、工单收进企业自己的库，自动向量化，让 AI 基于这些内容回答。上传完还得能用，客户、项目、审批里的业务数据也沉淀进去，它才慢慢懂这家公司。
第二关靠模型自主。选一套能自定义配置模型的系统，企业可以接自己私有化部署的开源模型，知识库和推理都留在内部，数据不出域。
陀螺匠就是按这个思路做的，开源的协同办公系统，定位是企业 AI 大脑。Word、PDF、制度手册一键上传自动向量化，内置近 20 家大模型服务商，也支持配置自有模型。平时用起来就是一句话查业绩、一句话录客户、一句话办审批，权限细到按钮，源码开放能二开，装在自己服务器上。
一句话总结
选型别只看模型跑分。先问三个问题：数据出不出你家的门，模型能不能自己换，知识库有没有进业务。三个都能答上来，再谈价格。