ODW.ai 套裝常見問題

ODW.ai 係一個開源、數據主權嘅商務 AI 套裝。佢係一個由代理模組組成嘅平台，企業喺自己嘅基建上運行，使用自己嘅數據，並可選擇任何模型。

套裝共有 10 個模組，涵蓋 AI 創造價值嘅核心商務職能：

• Vault — 知識庫與 RAG（基礎）
• Loop — 工作流程協作
• Desk — AI 客服（WhatsApp 優先）
• Recap — 會議逐字稿與跟進行動
• Voice — AI 電話接待員
• Pulse — 多語言內容生成
• Hunt — 外向銷售協同駕駛
• People — 招聘與人力資源助理
• Books — AI 簿記
• Shield — 管治與合規層

每個模組可獨立運作。結合使用時，佢哋組成一個完整嘅主權 AI 堆疊。

主要對象：處於受監管或數據居留敏感環境嘅中小型企業（10–500 名員工）：

• 醫療（HIPAA、病人數據）
• 金融服務（SOC 2、交易數據）
• 法律（律師—客戶特權）
• 政府承辦商（FedRAMP、ITAR）
• 歐盟／注重私隱嘅企業（GDPR）
• 教育、製造業、專業服務

呢啲企業需要完整嘅 AI 能力，但唔能夠或唔願意將敏感數據交託俾雲端 AI 供應商。

次要對象：開發者同自建主機者，佢哋採用開源工具後成為公司內部嘅推動者。

三個根本分別：

1. 擁有權。ChatGPT 同 Copilot 係雲端 SaaS — 你嘅數據會送去佢哋嘅伺服器。ODW 運行喺你嘅基建上。除非你選擇，否則你嘅數據唔會外洩。
2. 專為商務而設。通用 AI 工具係泛用助理。ODW 模組專為特定商務職能而設 — 客服、招聘、簿記、銷售 — 附有領域特定嘅工作流程、合規控制同整合。
3. 套裝整合。ODW 模組互相協作。Vault 將其他所有模組建基於你嘅實際知識庫。Loop 協作跨模組工作流程。Shield 提供統一管治。呢種整合係拼湊唔到嘅。

你可以使用任何組合。每個模組本身都係功能完整。冇「全選或全唔選」嘅承諾。

常見嘅起步方案：

• 知識先行：Vault + Desk — 以你嘅文件為基礎部署 AI 客服
• 銷售先行：Hunt + Pulse — 個人化外展 + 本地化營銷
• 營運先行：Recap + Loop — 自動化會議記錄同工作流程
• 合規先行：Shield + Vault — 擴展 AI 前先建立管治
• 溝通先行：Desk + Voice — 涵蓋聊天同電話客服

隨住需要變化，逐步加入模組。

係。每個模組嘅核心都係開源 — 你可以下載、架設同使用而毋須付費。代碼透明兼可審查。

商業模式係開源核心：

• 免費：核心功能、單實例架設、社群支援
• 付費級別：大規模跨模組協作、企業級管治（Shield）、高可用架設、SLA 支援、進階連接器

收入來自支援訂閱、顧問服務同認證合作夥伴網絡 — 唔係靠授權費或數據。

呢個係目標。每個 ODW 模組都針對特定 SaaS 類別：

ODW 以擁有權、私隱、模型選擇同套裝整合取勝 — 唔係靠功能廣度。ODW 唔會喺對手最強嘅範疇正面對撼。

已完成（生產就緒或測試版）：

• Vault — 主權 RAG 知識平台
• Loop — 代理協作與工作流程
• Desk — WhatsApp 優先嘅 AI 客服
• Recap — 裝置內會議逐字稿

計劃中（開發中）：

• Voice — AI 接待員
• Pulse — 多語言內容
• Hunt — 外向銷售
• People — 招聘與人力資源
• Books — AI 簿記
• Shield — 管治與合規

可以。ODW 模組可整合常見商務工具：

• CRM：Salesforce、HubSpot（透過 API 或 Loop 工作流程）
• 日曆：Google Calendar、Outlook（用於 Voice 預約）
• 通訊：Slack、Microsoft Teams、WhatsApp、Telegram
• 會計：QuickBooks、Xero（用於 Books）
• HRIS：Workday、BambooHR（用於 People）
• 內容平台：WordPress、HubSpot（用於 Pulse）

對於唔喺列表上嘅工具，可透過 Loop 或 REST API 建構自訂整合。

ODW 嘅願景：成為企業主權替代方案，取代雲端 AI SaaS。

策略係模組化同複合式：

1. Vault 係基礎。每個其他模組都從同一知識庫提取。呢個創造咗一個飛輪 — 你越常使用 ODW，你嘅知識庫就越有價值。
2. Shield 係商業骨幹。免費開源工具建立採用率；管治與合規將採用率轉化為收入。
3. 模組有複合效應。每個新模組都增加現有模組嘅價值。加入 Voice 令 Desk 更有價值（同一知識庫、新渠道）。加入 People 令 Shield 更有價值（更多審計追蹤）。
4. 永唔喺功能廣度上競爭。ODW 以擁有權、私隱、模型選擇同整合取勝。對手以功能取勝；ODW 以控制權取勝。

主權 AI 指你擁有同控制成個 AI 堆疊 — 模型、數據、基建。除非你明確允許，否則冇嘢會離開你嘅環境。

對比雲端 AI（OpenAI、Anthropic、Google）：你將數據送去佢哋嘅伺服器，佢哋處理，你再收到回覆。你控制唔到數據去邊、儲存幾耐、邊個有權限。

使用 ODW 嘅主權 AI 套裝：

• 所有數據留喺你嘅基建（你嘅伺服器、你嘅雲端、你部筆電）
• 所有處理都喺本機進行 — 除非你設定，否則唔會呼叫第三方 API
• 你控制模型、數據同存取政策
• 如有需要，你可以完全斷網（air-gapped）運行

三個原因：

1. 數據保障：你嘅敏感數據（客戶 PII、財務記錄、人力資源文件、法律合約）唔會接觸第三方伺服器。對醫療（HIPAA）、金融（SOC 2）、法律（律師—客戶特權）至關重要。
2. 法規合規：GDPR、中國嘅 PIPL 及其他數據保障法例要求數據居留同控制權。主權 AI 大幅簡化合規，因為你完全控制數據存放位置。
3. 競爭優勢：控制你嘅 AI 堆疊 → 按你需要度身訂造 → 深度整合 → 避免供應商綁架。你唔會受制於 SaaS 供應商嘅定價、運行時間或功能路線圖。

開源指代碼公開 — 任何人可以審查、修改同架設。主權指你控制軟件運行嘅基建。

ODW 兩者兼備：

• 開源：代碼透明、可審查、由社群驅動
• 主權：你喺自己嘅基建上架設，控制數據同環境

唔係所有開源軟件都係主權嘅。如果你喺託管平台（Heroku、Vercel、AWS Lambda）上架設開源軟件，雲端供應商仍然可以存取你嘅數據。主權意味著你控制成個堆疊 — 從代碼到硬件。

可以。ODW 係模型無關。你可以混合使用本機模型同雲端 API：

• 敏感數據用本機模型（客戶 PII、財務記錄）
• 唔太敏感嘅任務用雲端 API（草擬營銷文案、通用問答）
• 按模組設定：Vault 用本機模型，Pulse 用雲端 API 生成內容

當你使用雲端 API 時，只會傳送所需嘅最少上下文 — 唔係成個知識庫。你準確控制邊啲數據會外傳。

唔會。ODW 唔會收集你架設嘅任何遙測、分析或使用數據。冇任何「回報」行為。

當你架設 ODW 時，佢完全運行喺你嘅基建上，與 ODW 伺服器冇任何外連 — 除非你明確設定同外部服務嘅整合。

呢個係主權 AI 嘅核心原則：你控制一切，包括邊啲數據會離開你嘅環境。

使用雲端 AI，你會面臨：

• 突然加價（OpenAI 已多次更改定價）
• 服務條款變更影響你嘅使用場景
• 服務終止（Google 已終止多個 AI 產品）
• 地緣政治風險（制裁、出口管制、數據本地化法律）

使用 ODW，你嘅 AI 堆疊運行喺你嘅基建上。冇供應商可以拔走插頭。如果你用本機模型，你就完全獨立。如果你用雲端 API，你可以轉換供應商而毋須重新架構 — 模型無關設計令你唔會被綁架。

唔係。ODW 專為中小企（10–500 名員工）而設。重點就係令冇能力負擔企業級 AI 團隊嘅公司都能使用主權 AI。

ODW 點樣令中小企實際做到：

• Docker 架設：一條指令即可開始
• 免費核心級別：冇授權費，只需支付基建成本
• 託管選項：如果你唔想自建主機，認證合作夥伴可以幫你運行
• 最低硬件：一部現代筆電就可以配合雲端 API 運行個別模組

小型架設（一個模組、雲端 API）嘅基建成本同 SaaS 訂閱差唔多 — 但你擁有數據。

可以。ODW 可以在完全斷網嘅環境下運行。

呢個對以下情況至關重要：

• 政府同國防承辦商（ITAR、FedRAMP）
• 醫療（嚴格數據隔離嘅 HIPAA）
• 有監管要求嘅金融機構
• 任何唔能夠承受數據外洩風險嘅機構

喺 air-gapped 模式下，你只可以使用本機模型（冇雲端 API）。所有處理、儲存同推論都喺你嘅本機基建上進行。

用佢哋關心嘅角度嚟講：

• 降低風險：「我哋嘅 AI 數據永不離開我哋嘅基建。冇第三方風險。冇嚟自 AI 供應商嘅供應鏈風險。」
• 簡化合規：「我哋控制數據存放位置同處理方式。GDPR 數據居留、HIPAA 隔離、SOC 2 審計追蹤 — 全部由架構保證，唔係靠政策。」
• 供應商獨立：「我哋唔會被任何 AI 供應商嘅定價、條款或可用性綁架。我哋可以更換模型或供應商而毋須重新架構。」
• 就緒審計：「每個 AI 動作都有完整追蹤記錄。當審計員問『邊個做咗咩、幾時做』，我哋幾分鐘內就有答案，唔係幾星期。」

三個整合層：

1. Vault 係知識基礎。Desk、Hunt、Pulse、Voice 同 People 都從 Vault 提取，以你嘅實際文件為基礎回應 — 唔係通用 AI 訓練數據。
2. Loop 係協作層。佢將模組連接成自動化工作流程。當 Recap 完成逐字稿，Loop 可以提取跟進行動並分配。當 Desk 收到問題，Loop 可以觸發 Vault 搜尋並格式化回覆。
3. Shield 係管治層。佢提供跨所有模組嘅統一存取控制、審計日誌同合規報告。

流程範例：客戶喺 Desk 傳訊息 → Desk 搜尋 Vault → 如果有信心，連同引用來源回覆 → 如果唔係，轉交俾人工 → Loop 將對話記錄喺 Vault → Shield 審計成個流程。

視乎你嘅業務，但呢個係常見模式：

1. 第 1 階段 — 基礎（第 1–2 週）：架設 Vault（知識庫）同 Shield（管治）。建立安全、可審計嘅基礎。
2. 第 2 階段 — 面向客戶（第 3–4 週）：架設 Desk（客服）同 Voice（電話）。直接影響客戶。
3. 第 3 階段 — 內部營運（第 5–6 週）：架設 Recap（會議）同 Loop（工作流程）。自動化內部流程。
4. 第 4 階段 — 增長（第 7–8 週）：架設 Hunt（銷售）同 Pulse（內容）。擴展外展同營銷。
5. 第 5 階段 — 專門（第 9 週+）：按需要架設 People（招聘）同 Books（會計）。

呢個係建議，唔係要求。由解決你最急切嘅問題開始。

每個模組獨立運作時都功能完整。你唔需要 Vault 先至可以用 Desk，亦唔需要 Shield 先至可以用 Recap。

整合帶嚟嘅額外價值：

• Vault 整合：模組根據你嘅實際文件回答，而唔係通用 AI 知識
• Loop 工作流程：跨模組自動化多步驟流程
• Shield 管治：跨所有模組嘅統一審計追蹤同存取控制

先獨立使用。當你睇到價值時再整合。

Vault 係知識基礎。佢係中央知識庫，其他模組查詢佢以將 AI 回應建基於你嘅實際文件。

冇 Vault：AI 模組使用通用訓練數據。佢哋可能會幻覺或俾過時答案。

有 Vault：AI 模組根據你上傳嘅文件、政策、產品規格同內部 wiki 回答。回應包含引用。幻覺大幅減少。

Vault 支援：

• 文件匯入（PDF、DOCX、XLSX、HTML、Markdown）
• 雙語搜尋（例如用英文搜尋，搵到中文文件）
• 存取控制（唔同團隊睇到唔同知識）
• 版本追蹤（知道答案用咗邊個版本嘅文件）

Loop 係協作層。佢將模組連接成自動化多步驟工作流程。

例子：

• Recap 完成會議逐字稿 → Loop 提取跟進行動 → 加入你嘅任務管理器
• Desk 收到客服問題 → Loop 搜尋 Vault → 格式化回覆 → 記錄喺 CRM
• Hunt 識別潛在客戶 → Loop 喺 Vault 搵相關案例 → 草擬個人化電郵 → 經你嘅電郵供應商發送
• People 收到求職申請 → Loop 按條件篩選 → 安排面試 → 通知招聘經理

Loop 有視覺化建構器俾非工程人員，亦有代碼出口（Python/TypeScript）俾進階邏輯。

Shield 係管治與合規層。佢係套裝嘅商業骨幹 — 付費收入集中嘅模組，因為管治係企業願意付費嘅範疇。

Shield 提供：

• 存取控制：SSO、基於角色同屬性嘅政策，跨所有模組
• 審計日誌：跨套裝每個 AI 動作嘅不可篡改日誌
• 合規報告：預建對應 SOC 2、ISO 27001、HIPAA、GDPR
• 數據居留控制：確保數據唔會離開設定邊界嘅政策
• 設定加固：引導式安全基準執行

每個其他模組都產生合規信號（SSO 要求、審計追蹤需求、數據居留限制）。Shield 將佢哋統一成一個管治平面。

可以。模組之間嘅數據共享透過受控、可審計嘅渠道進行：

• Vault 查詢：模組透過經認證嘅 API 呼叫向 Vault 請求知識。存取由 Shield 政策控制。
• Loop 工作流程：數據透過 Loop 嘅協作引擎喺模組之間流動。每次數據傳輸都有記錄。
• 共享認證：所有模組使用同一認證層（由 Shield 管理）。登入咗 Desk 嘅用戶就自動通過 Vault 查詢認證。

呢啲傳輸期間數據永不離開你嘅基建。所有模組間通訊都係加密同可審計。

場景：受監管嘅醫療診所

1. Voice 接聽患者來電，預約
2. Desk 經 WhatsApp 處理跟進問題（「我覆診要帶啲咩？」）
3. Voice 同 Desk 都查詢 Vault 攞診所政策、保險資料同預備指示
4. Recap 將醫生—患者諮商逐字記錄（裝置內，冇雲端）
5. Loop 從逐字稿提取跟進行動 → 預約下次覆診 → 經 Desk 發送患者指示
6. Shield 確保所有患者數據（PHI）留喺場內，記錄每次存取以備 HIPAA 審計
7. People 處理招聘新護士 — 篩選、安排面試、合規記錄
8. Books 處理月末結算、分類交易

每個模組都運行喺診所嘅基建上。冇患者數據接觸第三方伺服器。

基本整合：唔需要。Loop 嘅視覺化建構器令非工程人員都可以組合工作流程。模組連接（Vault → Desk、Recap → Loop）已預先設定。

進階整合：某程度嘅技術能力有幫助。自訂連接器、複雜條件邏輯同 API 整合需要熟悉 Python/TypeScript 嘅人。

如果你冇內部技術人員，有以下選擇：

• 認證合作夥伴：ODW 嘅合作夥伴網絡處理架設同設定
• 專業服務：ODW 提供設定同度身訂造嘅顧問服務
• 託管架設：合作夥伴代你運行 ODW（仍然喺你嘅基建上，仍然主權）

所有數據都儲存喺你自己嘅基建 — 你控制嘅伺服器、雲端帳戶或裝置。ODW 冇任何儲存你數據嘅中央伺服器。

你可以架設喺：

• 你自己嘅數據中心（場內）
• 你嘅雲端帳戶（AWS、Azure、GCP、阿里雲）
• 員工筆電（用於 Recap 同 Vault 等模組）
• 混合設定（部分模組場內、部分喺雲端）

你選擇數據存放位置。佢永不接觸 ODW 嘅伺服器 — 因為根本冇。

有：

• 靜態加密：AES-256 加密儲存數據（數據庫、檔案、備份）
• 傳輸加密：所有網絡通訊使用 TLS 1.3

你控制加密密鑰。喺雲端基建上，使用客戶自管密鑰（CMK）以獲得最大控制權。

ODW 嘅設計確保 PII 唔會離開你嘅基建，除非你明確允許：

• 本機模型：所有 PII 處理都喺你嘅硬件上進行。零暴露。
• 雲端 API（可選）：如果你路由到 OpenAI/Anthropic，你控制傳送咩上下文。Shield 可以強制 PII 偵測並阻止敏感數據傳送到外部 API。
• 數據最小化：模組設計為只處理每項任務所需嘅數據。
• 保留控制：設定數據保留時間，附帶自動刪除政策。

可以 — 支援完全 air-gapped 架設。唔需要互聯網。

Air-gapped 模式嘅要求：

• 本機模型架設喺你嘅基建（Llama、Mistral、Whisper 等）
• 模型權重預先下載並經安全媒體傳輸
• 所有依賴項打包喺 Docker 映像或離線包中

取捨：你限於本機模型嘅能力。無法使用尖端模型質素（GPT-4、Claude）。但對好多商務用例嚟講，本機模型已經足夠 — 而主權收益係值得嘅。

因為 ODW 運行喺你嘅基建上，你負責事件應對。但 ODW 提供工具：

• Shield：審計日誌、存取控制、異常偵測
• 不可篡改日誌：所有安全事件都有記錄且唔可篡改
• 存取控制：基於角色同屬性嘅政策限制存取權限

建議嘅事件應對流程：

1. 需要你用到之前先定義你嘅事件應對計劃
2. 使用 Shield 監控異常（唔尋常嘅存取模式、登入失敗）
3. 如果發生洩漏，使用 Shield 嘅審計日誌確定範圍同影響
4. 遵循法規嘅洩漏通報要求（GDPR：72 小時內）

只有你授權嘅人。

ODW 無權存取你嘅數據 — 冇 ODW 伺服器儲存。存取由以下控制：

• 基建層：有伺服器/雲端存取權嘅人喺系統層控制數據
• 應用層：Shield 管理 ODW 內嘅用戶認證、角色同權限
• 模組層：每個模組可以有自己嘅存取政策（例如只有 HR 可以睇 People 數據）

Shield 提供統一存取控制平面。你定義邊個可以睇咩，每次存取事件都有記錄。

支援。因為你控制 ODW 嘅架設位置，你控制數據存放位置：

• 喺歐盟數據中心架設以處理歐盟客戶數據（GDPR）
• 喺中國內地架設以處理中國數據（PIPL）
• 場內架設以獲得最大控制
• 喺特定地區架設以滿足行業要求（HIPAA、FedRAMP）

Shield 可以執行數據居留政策 — 阻止任何將數據路由到設定邊界外嘅企圖。呢個係政策層面嘅保證，唔係設定建議。

ODW 喺多個層面處理供應鏈風險：

• 開源代碼：任何人可審查。應用層冇隱藏後門。
• 容器映像：從已知基礎映像建構，已簽署同驗證。
• 依賴管理：有記錄嘅依賴項同版本鎖定。安全通告有追蹤。
• 模型供應鏈：你選擇使用邊啲模型。本機模型 = 冇外部模型依賴。雲端 API = 你清楚知道邊個供應商處理你嘅數據。

對於高安全環境，我哋建議：

1. 架設前審查 ODW 源代碼
2. 從源代碼建構容器映像（唔好使用預建映像）
3. 鎖定所有依賴項到特定版本
4. 對你嘅架設進行漏洞掃描

要求視乎模組同模型選擇：

最低（單模組、雲端 API）：

• 任何現代筆電或伺服器（8GB+ 記憶體）
• 互聯網連接（用於雲端 API）

建議（全套裝、本機模型）：

• 伺服器配備 32GB+ 記憶體（用於多個本機模型）
• GPU（NVIDIA 配備 CUDA）加速推論 — 可選但建議
• 100GB+ 儲存空間用於知識庫、日誌同模型檔案

企業級（高可用、多區域）：

• Kubernetes 集群或託管容器平台
• 負載均衡器同自動擴展
• 數據庫集群（PostgreSQL）用於多模組數據

可以。ODW 提供架設指南同範本：

• AWS：EC2、ECS、EKS
• Azure：VM、Container Instances、AKS
• GCP：Compute Engine、GKE、Cloud Run
• 阿里雲：ECS、ACK

你喺你自己嘅雲端帳戶架設 ODW — 你控制基建、數據同存取政策。ODW 唔會代你運營任何雲端基建。

可以。ODW 模組可喺配備 Apple Silicon（M1/M2/M3/M4）嘅 macOS 上運行。本機模型透過 MLX 或 llama.cpp 高效運行，呢啲已針對 Apple Neural Engine 優化。

呢個特別適用於：

• Recap：喺你嘅筆電上進行裝置內會議逐字稿
• Vault：本機運行嘅個人/團隊知識庫
• 開發：架設到生產伺服器前進行測試同原型設計

對於服務多個用戶嘅生產架設，建議使用伺服器或雲端實例。但對於個人使用或小型團隊，Mac 係可行嘅架設目標。

ODW 模組以容器（Docker）架設。更新好直接：

1. 從 ODW 儲存庫拉取最新版本
2. 將更新架設到你嘅基建
3. 重啟模組

零停機更新：使用滾動部署（Kubernetes、Docker Swarm）。單實例架設：重啟時預計有短暫停機（幾秒到幾分鐘）。

永遠喺部署到生產環境之前喺測試環境測試更新。

單實例：模組會不可用直到你恢復。

高可用方案：

• 喺負載均衡器後架設多個實例
• 如果一個實例故障，流量路由到其他實例

數據持久性方案：

• 使用數據庫複製（PostgreSQL 串流複製）
• 定期備份你嘅知識庫（Vault）同日誌
• 將備份儲存喺獨立位置（唔同區域或雲端）

對大部分架設嚟講 Docker 就夠。Kubernetes 只係以下情況需要：

• 跨多節點高可用
• 按負載自動擴展
• 多區域架設
• 大型團隊配備複雜模組設定

對於單一團隊運行幾個模組，單伺服器上嘅 Docker Compose 完全足夠。簡單開始，按需擴展。

可以。模組係獨立服務。你可以按需要喺基建上分發佢哋：

• Vault 喺高儲存伺服器（佢儲存你嘅知識庫）
• Recap 喺各筆電（裝置內逐字稿）
• Desk 同 Voice 喺對外伺服器（面向客戶）
• Shield 喺安全內部伺服器（管治數據）

模組透過 REST API 通訊。只要佢哋喺你嘅網絡上可以互相連通，無論物理位置如何都可以協作。

視乎你嘅用量：

• ODW 模組（冇本機模型）：約 5GB 用於應用代碼、數據庫同日誌
• 本機模型：每個模型 5–40GB，視乎大小（7B ≈ 5GB，70B ≈ 40GB）
• Vault 知識庫：視乎你嘅文件。1,000 份文件 ≈ 1–5GB（包括嵌入）
• Recap 逐字稿：每小時音頻約 10MB
• 日誌同審計追蹤：活躍架設每月約 1GB

合理嘅起步點：單模組架設配一個本機模型用 100GB。隨住知識庫同用量增長擴展儲存。

有：

• Docker 映像：每個模組都喺 Docker Hub / GitHub Container Registry 上發佈
• Docker Compose：即用嘅 compose 檔案用於單伺服器架設
• Kubernetes 清單：Helm charts 用於生產級架設
• 雲端範本：AWS、Azure、GCP 嘅 Terraform/CloudFormation

文件包括每個平台嘅逐步架設指南。

ODW 嘅設計幫你合規 — 但合規最終係你嘅責任，因為你控制基建。

ODW 提供：

• GDPR：數據最小化、目的限制、保留控制、數據主體權利工作流程（存取、刪除、可攜性）
• HIPAA：所有處理喺你嘅基建上進行，PHI 永不接觸第三方伺服器。Shield 提供審計追蹤。
• SOC 2：Shield 提供對應 SOC 2 信任服務準則嘅存取控制、審計日誌同合規報告
• 歐盟 AI 法案：People 同 Shield 按歐盟 AI 法案要求設計 — 人工監督、透明度、審計追蹤

對於正式認證（SOC 2 審計、HIPAA 評估），需要聘請第三方審計師。ODW 提供技術控制；審計師驗證你嘅實施。

ODW 模組嘅設計符合其風險分類嘅歐盟 AI 法案要求：

• 高風險（People — 招聘）：人工監督、透明度、審計追蹤、合規評估
• 有限風險（Desk、Voice — 面向客戶）：透明度（披露 AI 使用）、人工轉接選項
• 最低風險（Vault、Recap、Pulse — 內部）：標準數據保障同安全

Shield 提供管治層幫你證明合規 — 審計日誌、存取控制、合規報告。

好多法規要求數據留存喺特定地理邊界內：

• GDPR：歐盟數據必須留喺歐盟（或獲充分認定嘅司法管轄區）
• 中國 PIPL：中國個人數據必須留喺中國內地
• 俄羅斯：俄羅斯公民嘅個人數據必須儲存喺俄羅斯
• 印度（DPDP 法案）：特定類別嘅數據本地化要求
• 巴西（LGPD）：數據傳輸限制

因為你控制 ODW 嘅架設位置，你可以透過喺合適嘅司法管轄區架設來確保數據居留。Shield 執行數據居留政策 — 阻止任何將數據路由到設定邊界外嘅企圖。

越嚟越多地方要求係。多個司法管轄區要求 AI 聊天機械人披露：

• 歐盟 AI 法案：AI 與人類互動時要求透明
• 加州（CCPA/CPRA）：要求披露自動化決策
• 其他司法管轄區：新興法律要求 AI 披露

對於 Desk 同 Voice，我哋建議：

• 披露客戶通訊中使用咗 AI
• 提供同人工對話嘅選項
• 解釋收集咗咩數據以及點樣使用

Shield 可以根據你嘅設定協助產生合規嘅私隱通知。

Shield 將數週嘅審計準備縮短到幾分鐘：

• 不可篡改審計日誌：每個 AI 動作都有時間戳、行為者、動作同存取數據嘅記錄
• 合規對應：預建對應 SOC 2、ISO 27001、HIPAA、GDPR 控制框架
• 證據包：按需產生審計員就緒嘅證據包
• 存取報告：邊個喺幾時出於咩原因存取咗咩 — 可以標準格式匯出

目標：喺 1 小時內產出審計員就緒嘅證據（行業基準係數日到數週）。

監管環境快速演變。ODW 嘅設計具適應性：

• 美國 AI 行政命令（2023）：聚焦安全、保障同可信賴性。ODW 嘅模型無關設計同審計追蹤支援合規。
• 中國生成式 AI 法規：要求內容標記同數據本地化。ODW 嘅主權架構支援兩者。
• 紐約市地方法律 144：要求自動化僱傭決策工具嘅偏見測試。People 專為此設計。
• 加拿大 AIDA：擬議中嘅 AI 與數據法案。ODW 嘅人工參與設計符合擬議要求。

Shield 嘅合規框架會隨新法規出現而更新。目標：ODW 應該令合規變更簡單，而唔係更困難，隨住監管環境擴展。

可以。當你嘅採購團隊需要評估 ODW 作為供應商時：

• 安全文件：架構圖、數據流描述、加密標準
• 開源代碼：可審查 — 你嘅安全團隊可以直接審查代碼
• 自行架設：預設冇第三方數據暴露。呢個大幅簡化供應商風險評估。
• 合規對應：Shield 為你嘅供應商風險問卷產生證據

ODW 係自行架設嘅事實代表好多供應商風險問題變得唔相關 — 冇第三方數據處理需要評估。

ODW 提供工具履行數據主體權利：

• 查閱權（第 15 條）：匯出與特定個人相關嘅所有數據
• 更正權（第 16 條）：修正不準確嘅數據
• 刪除權（第 17 條）：刪除跨所有模組與個人相關嘅所有數據
• 數據可攜權（第 20 條）：以機器可讀格式匯出數據
• 反對權（第 21 條）：停止處理個人嘅數據

Shield 提供工作流程工具系統化處理呢啲請求並記錄合規。

作為開源、自行架設嘅產品，ODW 本身唔持有傳統 SaaS 意義上嘅認證（SOC 2 Type II、ISO 27001 認證）。呢啲認證適用於託管服務。

ODW 提供嘅替代：

• 技術控制：你自己認證嘅構建塊（存取控制、加密、審計日誌）
• 合規對應：Shield 將你嘅設定對應到特定控制框架
• 證據產生：產生你嘅審計員需要嘅文件

如果你需要認證嘅託管服務，ODW 嘅認證合作夥伴網絡提供由合作夥伴持有認證嘅託管架設。

ODW 係模型無關。支援本機同雲端模型：

本機模型（運行喺你嘅基建）：

• Llama 3、Mistral、Qwen（透過 Ollama、vLLM 或 llama.cpp）
• Whisper（用於 Recap 同 Voice 嘅逐字稿）
• 嵌入模型（用於 Vault 嘅 RAG）

雲端 API（可選）：

• OpenAI（GPT-4、GPT-4o）
• Anthropic（Claude）
• Google（Gemini）
• 阿里（Qwen 經 DashScope）
• AWS Bedrock

混合配搭 — 敏感數據用本機模型，一般任務用雲端 API。

可以。ODW 支援任何遵循標準 API 嘅模型（OpenAI 兼容、Hugging Face transformers 等）。

如果你有針對特定領域（法律、醫療、金融）微調嘅模型，架設佢然後將 ODW 模組指向佢。

呢個係主權 AI 嘅關鍵優勢 — 你唔會被綁架喺供應商嘅模型。用任何最適合你用例嘅模型。

可以。ODW 嘅模型無關架構意味著工作流程引用嘅係能力（摘要、分類、提取），而唔係特定模型。

你可以：

• 更換 LLM 供應商而唔使重寫自動化
• 按模組設定唔同模型
• 按任務路由到唔同模型（敏感 → 本機、複雜 → 尖端）
• A/B 測試模型以搵到最適合嘅

切換模型係設定變更，唔係代碼變更。

差距已大幅收窄。對好多商務任務嚟講，本機模型已經足夠：

ODW 嘅模型無關設計讓你可以設定備援模型：

• 主要：雲端 API（例如 OpenAI GPT-4）
• 備援：本機模型（例如 Llama 3 70B）
• 第二備援：唔同雲端 API（例如 Anthropic Claude）

如果你嘅主要模型供應商宕機，ODW 會自動路由到備援。你嘅用戶唔會受到服務中斷影響。

呢個係擁有本機模型嘅另一個優勢 — 佢哋係你嘅常備後援。

可以。每個模組可以獨立設定：

• Vault：本機嵌入模型 + 本機 LLM 用於 RAG（知識查詢嘅最大主權）
• Desk：常規 FAQ 用本機模型，複雜查詢用雲端 API
• Recap：本機 Whisper 用於逐字稿（裝置內、冇雲端）
• Pulse：雲端 API 用於內容生成（營銷文案嘅最佳質素）
• People：本機模型用於篩選（PII 密集，留喺本機）

呢個俾你按用例對主權/質素取捨進行精細控制。

ODW 使用多種策略減少幻覺：

1. Vault 錨定：模組根據你嘅實際文件回答，唔係通用訓練數據。回應包含對源文件嘅引用。
2. 信心閾值：如果模型嘅信心低於閾值，佢會轉交俾人工而唔係估答案。
3. 檢索增強生成：Vault 嘅 RAG 管道確保答案建基於檢索到嘅上下文。
4. 人工參與：對於高風險任務（People 招聘決策、Books 財務分錄），AI 輔助但人類決定。

冇系統可以完全消除幻覺。ODW 嘅做法：令幻覺可偵測（引用）、可預防（信心閾值）、可恢復（人工轉接）。

本機模型：

• 前期：硬件成本（GPU 伺服器：$5K–$20K，或用現有 Mac/筆電）
• 持續：電費、維護。冇每 token 成本。
• 大規模：大幅便宜。100 萬 token 喺本機硬件 ≈ $0.50–$2 電費 vs. 雲端 API $5–$60。

雲端 API：

• 前期：$0
• 持續：按 token 計費。GPT-4：約 $10–$30 / 100 萬 token。Claude：約 $3–$15 / 100 萬 token。
• 大規模：成本隨用量線性增長。

ODW 模組支援 100+ 種語言，特別擅長：

• 英文
• 中文（簡體同繁體） — 對大灣區同大中華區營運至關重要
• 日文、韓文
• 西班牙文、法文、德文、葡萄牙文
• 阿拉伯文、印地文及其他主要語言

Pulse 提供真正嘅本地化，涵蓋 50+ 種語言 — 唔只係翻譯，而係對每個市場嘅文化適應。

Vault 支援雙語搜尋（例如用英文搜尋，搵到中文文件）。

翻譯將一種語言嘅文字轉換為另一種。本地化為特定市場調整內容 — 調整語氣、慣用語、語域、文化引用同語境框架。

例子：美國營銷活動話「Hit a home run with our product」會：

• 翻譯成日文：字面棒球引用 — 喺棒球比喻唔以同樣方式引起共鳴嘅市場令人困惑
• 為日本本地化：改編為使用文化相關嘅比喻傳達同樣嘅成功訊息

Pulse 做嘅係本地化，唔只係翻譯。輸出讀落好似用每種目標語言原生撰寫，唔係翻譯腔。

可以。Vault 支援雙語同多語搜尋：

• 用英文搜尋 → 搵到中文文件
• 用中文搜尋 → 搵到英文文件
• 用任何支援語言搜尋 → 搵到相關文件，唔理佢哋嘅原始語言

呢個透過多語嵌入模型實現，將跨語言嘅概念映射到同一向量空間。匹配嘅係語義，唔只係關鍵字翻譯。

呢個對跨市場營運嘅企業至關重要 — 英文問題可以搵到用中文、日文或知識庫中任何其他語言撰寫嘅相關知識。

可以。Desk 同 Voice 都支援多語言對話：

• 自動偵測：AI 偵測客戶語言並以同一語言回覆
• 知識庫：Vault 無論文件用咩語言撰寫都返回相關答案
• 一致嘅品牌聲音：你嘅品牌人格跨語言維持

客戶可以用廣東話傳訊息，收到廣東話回覆，而答案提取自英文文件 — 全部自動完成。

可以。呢個係關鍵差異化。Pulse 按你嘅品牌聲音指引設定：

• 語氣（正式、隨意、權威、活潑）
• 詞彙（行業術語、品牌專屬語言）
• 風格指引（句長、每個市場嘅正式程度慣例）

用唔同語言生成內容時，Pulse 按每個市場嘅慣例調整品牌聲音，同時保持一致性。英文嘅活潑品牌會變成適當嘅日文活潑 — 唔係英文語氣嘅字面翻譯，而係文化上恰當嘅對應。

ODW 喺顯示同內容生成兩方面都支援 RTL 語言：

• 介面：介面為 RTL 語言正確渲染
• 內容生成：Pulse 以阿拉伯文、希伯來文及其他 RTL 語言生成文化恰當嘅內容
• Vault：正確索引同檢索 RTL 文件
• Desk/Voice：處理 RTL 對話

對於中東同北非市場，ODW 提供同任何其他地區一樣嘅主權、文化感知能力。

可以。Pulse 支援跨市場批量內容生成：

• 用英文撰寫產品公告
• Pulse 同時為日本、德國、巴西同中東生成本地化版本
• 每個版本都係文化適應，唔只係翻譯
• 品牌聲音跨所有版本保持一致

呢個消除咗傳統本地化瓶頸 — 內容要經過順序翻譯 → 審查 → 每個市場適應。用 Pulse，所有市場並行處理。

ODW 採用開源核心模式：

• 免費核心：個別模組具備完整基本功能，冇使用限制，冇時間限制
• 付費級別：大規模跨模組整合、企業級管治（Shield）、高可用架設、SLA 支援、進階連接器

具體定價取決於架設規模、用戶數同模組。聯絡 ODW 獲取報價。

免費核心永久可用 — 冇時間限制，唔需要信用卡。永久免費架設同使用個別模組。

對於付費級別（跨模組整合、企業功能），提供 30 日試用。聯絡 ODW 開始。

係，核心係開源。具體授權因模組而異，但遵循開源標準（核心通常係 MIT 或 Apache 2.0）。

「開源核心」實際上係：

• 核心（免費、開源）：模組嘅基本功能 — 架設、使用、修改、再分發
• 企業功能（付費）：企業需要但中小企唔需要嘅進階功能 — 高可用、多租戶協作、進階連接器、貴賓式支援

開源核心本身已經非常實用。付費級別為較大規模架設增加營運功能。

50 人公司嘅典型 SaaS 成本：

• Intercom/Zendesk：$5,000–$20,000/年
• Apollo/Outreach：$10,000–$30,000/年
• Otter.ai/Fireflies：$3,000–$10,000/年
• Greenhouse/Lever：$10,000–$25,000/年
• QuickBooks + 簿記員：$5,000–$15,000/年

總計：$33,000–$100,000/年嘅 SaaS 訂閱 — 而且你唔擁有數據。

ODW 以單一套裝取代呢啲。定價基於架設規模，唔係按座位。對大部分中小企嚟講，ODW 明顯更便宜 — 而且你擁有自己嘅數據。

定價基於架設規模，唔係按座位或按模組。

呢個係有意為之 — 按座位定價懲罰公司擴展團隊。按模組定價懲罰公司使用更多套裝功能。

ODW 嘅模式：你按架設規模付費（實例數量、高可用要求、支援級別）。用全部 10 個模組或只用 1 個 — 定價模式唔會懲罰採用。

付費級別：

• 銀行轉帳（用於企業合約）
• 信用卡（用於較小規模架設）
• 加密貨幣（USDC、USDT） — 符合開源/主權精神

提供年度同多年合約折扣。聯絡 ODW 了解詳情。

有。ODW 正在建立認證合作夥伴網絡：

• 架設合作夥伴：為客戶處理設定、配置同持續管理
• 顧問合作夥伴：提供行業特定嘅度身訂造同整合
• 經銷合作夥伴：將 ODW 捆綁喺佢哋自己嘅服務中

合作夥伴獲得認證、技術支援同收入分成。如果你有興趣成為合作夥伴，聯絡 ODW。

視乎架設複雜度：

• 單模組、筆電架設：1 小時內
• 單模組、雲端架設：1–2 日
• 全套裝、企業架設：2–4 週（包括設定、整合、團隊培訓）

ODW 提供架設指南、Docker 映像同專業入門服務加速設定。

基本架設：需要最少技術能力。如果你識運行 Docker 指令，你就識架設 ODW。

進階架設（高可用、多模組、自訂整合）：某程度嘅 DevOps 能力有幫助。

如果你冇內部技術人員，有以下選擇：

• 認證合作夥伴：代你處理架設
• 專業服務：ODW 顧問服務協助設定
• 託管架設：合作夥伴代你運行 ODW

免費級別：自助。文件、指南同社群支援。

付費級別：

1. 探索通話：了解你嘅用例、合規要求同現有堆疊
2. 架設規劃：架構設計、基建要求、整合對應
3. 設定與配置：架設模組、設定整合、設定 Shield 政策
4. 數據遷移：從你現有工具匯入數據
5. 團隊培訓：培訓你嘅團隊使用佢哋會用嘅模組
6. 上線支援：過渡期間嘅實時支援

可以。ODW 提供常見遷移場景嘅數據匯入工具：

• Intercom/Zendesk → Desk：對話歷史、客戶資料、知識庫文章
• Notion/Confluence → Vault：文件、wiki、結構化內容
• Otter/Fireflies → Recap：現有逐字稿同會議記錄
• Greenhouse/Lever → People：候選人數據、職位發佈、管道歷史
• QuickBooks → Books：科目表、交易歷史

對於自訂遷移，使用 REST API 或 Loop 工作流程從任何來源匯入數據。

有，多個層面：

• 文件：每個模組嘅全面指南，包括視頻教程
• 社群：GitHub 討論、社群論壇、Discord/Telegram 頻道
• 團隊培訓：付費級別包括 — 我哋培訓你嘅團隊使用佢哋會用嘅模組
• 管理員培訓：俾管理架設嘅 IT 人員（Shield 配置、基建監控）
• 進階工作坊：為複雜整合、微調同優化嘅度身訂造培訓

企業支援包括主動監控、季度業務回顧同優先功能請求。

當然。呢個係建議嘅做法：

1. 由解決你最急切問題嘅模組開始
2. 熟悉架設模式同主權架構
3. 當你識別新用例時加入模組
4. 當你準備好多模組工作流程時透過 Loop 連接模組

冇壓力要你採用全套裝。好多客戶由一個模組開始，6–12 個月內自然擴展。

同 ODW 預約探索通話。我哋會評估：

• 你嘅行業同合規要求
• 現有工具堆疊同痛點
• 團隊規模同技術能力
• 優先用例（咩而家最令你花費時間/金錢？）

基於呢啲，我哋會建議起步配置同分階段採用計劃。冇約束 — 目標係幫你搵到最高價值嘅起步點。

重點發展領域：

• 模組發佈：完成剩餘 6 個模組（Voice、Pulse、Hunt、People、Books、Shield）
• 更深整合：更緊密嘅跨模組工作流程、共享上下文、統一搜尋
• 模型支援：新本機模型發佈時跟進、邊緣架設嘅更好量化
• 行業範本：醫療、法律、金融、製造業嘅預配置設定
• 合作夥伴生態：認證架設合作夥伴、社群連接器市場

路線圖受社群反饋同客戶需求影響。喺 GitHub 提交功能請求。

ODW 歡迎貢獻：

• 代碼：透過 GitHub pull request 修復漏洞、開發功能、改進
• 文件：指南、教程、翻譯
• 社群：回答問題、分享用例、幫助其他用戶
• 連接器：建構尚未支援嘅工具整合
• 模型：為特定領域或語言貢獻微調模型

目標：第 12 個月前達到每月 50+ 個外部 PR。社群係 ODW 開發嘅核心部分。

有：

• GitHub 討論：功能請求、漏洞報告、技術問題
• 社群論壇：較長篇幅嘅討論、用例分享
• Discord/Telegram：同社群同 ODW 團隊實時聊天

呢啲係獲得幫助、分享反饋同聯繫其他 ODW 用戶嘅最佳渠道。

喺相關模組嘅 GitHub 儲存庫提交功能請求。包括：

• 你試圖解決嘅問題
• 你嘅建議方案（如果有）
• 你嘅用例同行業背景

功能請求會定期審查。影響多個用戶嘅高影響力請求會被優先處理。付費級別客戶亦可以透過客戶經理提交請求。

可以。ODW 設計為可配置：

• 醫療：HIPAA 合規處理、Vault 中嘅醫學術語
• 法律：律師—客戶特權、文件審查工作流程、信託會計
• 金融：SOC 2 合規、審計追蹤、多幣種
• 製造業：供應鏈文件、質量控制記錄
• 專業服務：項目管理、客戶通訊

對於深度訂造，開源代碼可用。修改佢以符合你嘅確切需要。或者同 ODW 嘅顧問團隊或認證合作夥伴合作。

漏洞報告：喺 GitHub 提交並附帶重現步驟。關鍵漏洞會優先處理並快速修復。

反饋：透過 GitHub 討論、社群論壇或你嘅客戶經理（付費級別）分享。

透明：ODW 發佈開發更新、路線圖變更同已知問題。社群可以睇到正在做緊咩同點解。

付費級別客戶可以直接接觸產品團隊進行反饋同功能討論。

ODW 嘅長遠願景：成為企業預設嘅主權 AI 平台。

前提：隨住 AI 變得更強大同更多監管，企業會需要佢哋可以信賴嘅 AI — 佢哋擁有、控制同可審計嘅 AI。雲端 AI 今日可行，但監管、地緣政治同競爭風險正在增長。

ODW 正在為呢個未來建構：

• 涵蓋所有主要商務職能嘅完整套裝
• 管治層（Shield）令合規變得可行
• 模型無關架構隨 AI 演變而適應
• 開源社群確保透明同長久

目標唔係喺便利性上打贏雲端 AI。而係成為主權重要時值得信賴嘅替代方案。