自研或直接跑开源与用平台怎么选：四组必算成本

自建 RAG 原型跑通得很快——装一个向量库，切分文档，接一个模型，几天就能演示。生产环境的工作量集中在围绕主链路的一圈工程：

• 文档换了一种版式，解析结果就崩了，但没人知道是哪一步崩的；
• 同一份文档换个问法就检索不到，因为一份正文只挂了一条索引；
• 训练队列里有几十份文档失败，只能整库重跑；
• 工作流跑到第五步失败，需要断点恢复和幂等重试；
• 有人问「上个月的调用花在哪」，成本需要按解析、向量化、检索、生成分阶段拆开；
• 业务部门要求接飞书和企微，发现渠道适配要从零写；
• 安全评审来了，问代码执行节点有没有沙箱、外部工具有没有 SSRF 防护、密钥怎么管、审计日志留多久。

生产质量取决于文档质量、切分方式、更新频率、权限边界、检索配置和模型能力。每一项都需要明确负责人、回归集和运维预算。

自研或直接跑开源的长期工作量分为四组，采购平台还要单独核对原厂支持责任。按组列人天与服务范围，三年 TCO 才具备可比性。

2.1 第一组：解析、检索与知识维护

文档解析、分块、索引、检索、ReRank、引用溯源与重训队列。

生产阶段需要多版式解析兜底、可干预切分、一份正文挂多条索引、索引独立编辑、训练队列单条修复、检索历史回溯和引用定位。

2.2 第二组：Agent 与工作流运行时

Agent / 工作流运行时、失败恢复、人工交互、调试、日志与评测。

关键的三项是失败恢复（节点重试幂等与队列积压）、人工交互（暂停、表单确认和原地恢复）、评测（固定问题集回归）。

2.3 第三组：安全与治理

模型适配、工具安全、密钥、SSRF、代码沙箱、鉴权、RBAC、SSO、审计、多租户。

安全评审与客户合规会要求模型适配、工具安全、密钥、SSRF、代码沙箱、鉴权、RBAC、SSO、审计和多租户。代码沙箱与租户隔离属于运行时架构，需要在方案早期核对。

2.4 第四组：发布、运维与支持

发布渠道、API 兼容、升级回滚、备份恢复、监控告警、值班与用户支持。

面向全员的知识库需要值班、告警、备份恢复和用户支持，答错、答慢或服务中断都要有明确处理人和人天预算。

原厂支持是第五项成本变量。自研侧由团队值班与 on-call 承担，采购平台侧通过支持档位与服务清单确定：

将自研侧值班与 on-call 折算成人天，放进三年 TCO；采购侧把覆盖时段、首次响应目标、修复责任与升级回滚写入服务清单。首次响应目标与修复时限分别记录，最终承诺以合同为准。

2.5 用需求优先级判断自研边界

把每项标注为「必选 / 可选 / 未来」：必选项覆盖解析、检索、基本权限和发布渠道；可选项包括评测体系、成本拆分和会话标注；未来项包括多租户、集群和跨地域容灾。

必选项少、可选项可延后、未来项明确的内部知识库适合自研；SSO、审计、多租户和代码沙箱同时进入必选清单时，自研范围会扩展为平台工程。需求优先级表直接作为 POC 和两侧报价的输入。

编排、RAG、ReRank、外部工具与观测会增加调用链长度，平台方案需要把延迟、Token、解析和存储成本纳入验收。

选取一条真实业务链路，对照直接调用模型、自研编排和平台方案，记录端到端 P95 / P99 延迟、Token、解析与存储成本、失败率、开发人天和运维人天。

平台方案可以按企业需求选择模型、存储、向量后端、API 和部署方式；工作流配置与商业功能会形成迁移成本。POC 要记录应用与数据导出、模型切换、向量后端切换、备份恢复和 API 兼容结果，并把退出路径写入采购清单。

4.1 三年 TCO 计算表

最终产出是三年现金流、人天和风险准备金三张表，并对成员数、文档量和请求量做灵敏度分析。

4.2 六类必测项

版本稳定性、升级回滚、数据恢复、并发、安全与支持响应进入生产验收清单，分别安排升级演练、备份恢复、长稳压测、安全用例和故障注入。

自研与平台的结论以同一份三年需求清单下的成本、人天、交付时间和风险准备金为准。