DeepInsight 系列 07：AI 工作区和知识中心用于辅助解释#

模块定位#

推荐系统项目包含很多概念：序列推荐、召回、排序、HR@10、NDCG@10、数据稀疏性、训练日志、评估记录等。用户如果只看指标，很难快速理解它们的意义。AI 工作区和知识中心就是为了解释这些内容。

AI 工作区偏交互问答，知识中心偏结构化资料。两者互补：知识中心沉淀稳定内容，AI 工作区把稳定内容和当前页面上下文转成对话式解释。

AI 工作区#

AI 工作区由会话列表、输入框、附件入口、推理强度选项和快捷导航组成。用户可以询问模型差异、指标含义、数据集字段或页面位置，AI 回复可以包含解释文本，也可以包含跳转到模型总览、性能看板、知识文章或后台配置的导航对象。

后端 AI 服务读取站内知识、站点导航和后台 AI 配置，再调用兼容接口生成回答。后台集中维护服务商、模型名称、接口地址、密钥、系统提示词和上下文窗口，避免把这些配置写死在前端代码里。

边界要求#

AI 工作区必须遵守数据边界。缺少指标记录时，应说明当前没有来源；服务未接入时，应提示无法验证在线推理；数据集字段不完整时，应提示需要补充或重新上传。

AI 可以辅助解释，但不能替代评估。这个原则让 AI 模块更像系统说明员，而不是结论生成器。

知识中心#

知识中心用于保存推荐模型、评估指标、数据格式和平台使用说明。用户可以通过文章列表、搜索和知识图谱理解 BSARec、BERT4Rec、SASRec 等模型之间的关系，也可以查看指标和页面功能说明。

浅色图谱更适合阅读和展示，节点与连线用于表达模型、指标、数据资产和平台模块之间的关系。用户可以通过图谱快速找到相关概念，再进入文章详情阅读。

暗色图谱使用更强的空间感和发光节点，适合演示时突出平台的模型知识结构。两种视觉模式都服务于同一件事：把分散知识组织成可导航的资料网络。

交流论坛#

论坛承担讨论和材料补充作用。知识中心偏整理后的说明，论坛偏问题记录、课程讨论和阶段材料沉淀。用户可以围绕模型、数据集、评估指标、页面使用和部署问题发布内容。

论坛和知识中心的关系类似“讨论区”和“资料库”。前者保留过程问题，后者沉淀稳定结论。两者结合后，项目资料不会只停留在报告里。

阶段结论#

AI 工作区、知识中心和论坛补齐了 DeepInsight 的解释层。它们让用户不仅能看到页面结果，还能理解模型、指标和操作流程。真正关键的是边界：AI 解释已有内容，知识库存放稳定资料，论坛记录讨论过程，三者都不替代真实数据和评估记录。