# Little AI — 把 AI 深度落地到垂直行业

Little AI 与企业及其行业专家并肩工作，把 AI 变成真正创造价值的生产系统。我们提供咨询、系统设计、系统集成、前置部署工程（FDE）和 AI 产品。

涉及领域：会计、法律、地质灾害评估、AI 基础设施。
团队经验：Microsoft、Cruise Automation、Walmart 及创业公司。
联系：contact@little-ai.io · GitHub: https://github.com/little-ai-io · 博客: https://jilongliao.github.io/
English: https://little-ai.io/

## 服务

- **咨询**：机会与可行性评估；自建 / 采购 / 适配策略；有可衡量结果的路线图。
- **系统设计**：Agent 与工作流架构；规则引擎与判定表，不让大模型猜；评测、溯源与合规设计。
- **系统集成**：文档、CAD 与数据库流水线；云、多云与本地部署；身份、安全与数据驻留。
- **前置部署工程（FDE）**：工程师嵌入你的团队与行业专家，面对真实数据和系统，负责交付直至上线，并向你的团队转移知识。
- **AI 产品**：数字助理与报告生成 Agent；供专家审阅签发的工作台；自托管或托管运营。

## 工作方式

1. 与专家共同探索：理解工作本身、行业标准和判断力所在。
2. 围绕约束做设计：把规则、合规与数据限制转化为架构，明确哪些由 AI 起草、哪些由规则判定、哪些由人审批。
3. 嵌入式构建与集成：前置部署工程师在你的环境中构建。
4. 交付价值并持续迭代：以真实结果衡量，交付由你的团队掌握的系统。

## 原则

- 决策权属于专家。
- 受约束，而非自由发挥：模型只用于抽取、改写和建议。
- 默认可追溯：输出附带来源与推理。
- 需要时保持私有：在自有硬件或私有云上运行开源模型。

## 精选案例

### 地质灾害评估：内核可验证的 AI 报告生成
- 问题：报告必须遵循国家标准，整合业主与现场资料，并附带 CAD 图件。
- 方法：文字与图件共享事实库；固定内容用模板与规则；大模型只负责抽取、改写和建议。危险性等级由专家验证过的判定表给出，绝不由模型决定，并独立重新计算校验。
- 交付：报告生成 Agent，以及管理报告生命周期、现场数据、Word 与 DWG 文件的 Web 工作台。

### 法律：律所的数字助理
- 问题：律所不能把客户案件发送到公共模型 API。
- 方法：运行在本地部署开源模型上的 Agent 后端（vLLM、Qwen3.5-27B、Google ADK、FastAPI）。
- 交付：自托管基础平台，客户数据不离开律所。

### AI 基础设施：面向计算机视觉公司的多云 ML 平台
- 问题：训练规模超出本地机器；TB 级数据集、GPU 紧缺、服务器与边缘硬件并存。
- 方法：两个云上的 Kubernetes 加本地 GPU 之上的统一作业提交层，Ray 数据流水线、分布式训练、边缘编译。
- 结果：训练时间从数天缩短到 12 小时以内；数周内提交数千个托管作业。

### 会计
文档密集、规则明确的会计工作，准确性与审计线索至关重要。从业者定义规则，AI 负责抽取与起草，每个数字都可追溯到来源。

## 常见问题

**Little AI 是做什么的？** 与企业及其行业专家共同把 AI 深度整合进垂直领域：咨询、系统设计、系统集成、前置部署工程和 AI 产品。

**什么是前置部署工程（FDE）？** 我们的工程师嵌入你的团队与行业专家，面对真实数据和系统，负责交付直至上线，并向你的团队转移知识。

**你们服务哪些行业？** 目前涉及会计、法律、地质灾害评估和 AI 基础设施；适用于任何有专业知识、标准和文档的领域。

**AI 可以部署在我们自己的基础设施上吗？** 可以。我们在本地或私有云部署开源模型。

**合作如何开始？** 给我们发邮件。先做一次简短沟通，再约定一个能证明价值的首个交付物。

**你们只做咨询，还是也做产品？** 两者都做。

**团队背景是什么？** 来自 Microsoft、Cruise Automation、Walmart 以及多家创业公司的生产环境工程经验。