企业 AI 选型实战：11 周从 23 个候选筛到 6 个上线，分数最高的两个候选是在极限测试冻死掉的
11周从23个候选筛到6个上线。本文不写哪个工具最好，只写一套可复用的选型方法：四轮筛法怎么设截止条件、六类场景为什么不能用同一把尺子量，以及让选型可逆、可退、可复盘的三条架构与合同做法。
AI 工具评测
给自己家的 RAG 客服投毒：240 次提示注入实测，默认配置下 37.9% 成功
给自己的 RAG 客服 Agent 投毒，用 240 条贴近真实渠道的注入样本测出：默认配置下 37.9% 成功，对话型比文档型更危险，混在正常文本里的隐性注入成功率是显性的两倍。本文拆解越权读、越权写、外传三级的真实比例。
模型知识截止探针集实测：120 道时效题，只有一半模型承认自己「不知道」
120 道答案全部落在训练截止日之后的时效题，测出六款主流模型的真实知识边界：平均约五成承认不知道，三成自信答错，还有 11.1% 把 2024 年旧闻当新闻讲。越热门的话题错得越自信，中文模型的时差表现也明显不同。
240 个真实 Figma 帧交给 AI 转代码，可直接交付率只有 58.3%：卡住交付的不是还原度，是断点、无障碍和 design token
240 个真实 Figma 帧交给 AI 转代码后逐帧验收：视觉还原 88.6 分已不是瓶颈，响应式 71.4 分、无障碍仅 46.9 分才是卡住交付的原因，可直接交付率只有 58.3%。本文拆解断点值不符、焦点丢失、魔法数字三类失败，并给出四步流水线与可直接复用的验收清单。
电商商品文案 AI 生成实测：420 个 SKU 跑一遍上架验收，规格表能交、卖点必须人工兜底
420 个真实 SKU、六品类人工评分实测：AI 生成商品标题和规格表可直接发布率达 88% 与 82%，五点卖点 62%，详情页仅 41.5%；关键失败不在文笔，在模型把区间和容差抹平成单点值。附四层流水线与硬校验方案。