COMPARE / 产品对比
小潭子 vs 通义千问：开源与企业部署之外，还有工程执行。
通义千问是国产大模型里生态最活跃的一支：开源、可私有化部署，很多企业已经基于 Qwen 搭了内部知识库和问答系统。这是 AI 进入企业的重要一步——但从「企业知识库问答」到「工程任务执行」，中间还有从检索到派工、从答案到交付物的一大步。小潭子走的正是这后一步。
双方是谁
先把两个产品说清楚。
对比之前，先诚实交代各自是什么——我们不喜欢含糊其辞的对比。
小潭子 / ZAOWUTAN
小潭子是什么
小潭子是造物潭面向电子硬件研发的 AI 原生工作环境。多岗位数字员工围绕真实工程对象工作，完成方案、原理图/PCB、结构的设计与修改，并承接 BOM 审查、替代评估、设计评审、参数分析、验证与交付，交付可编辑工程文件与可直接 Review 的报告、风险清单、验证项与证据链，并让企业经验持续沉淀。
通义千问等国产大模型
通义千问是什么
通义千问是阿里推出的开源大模型系列，中文能力强、生态活跃。企业可以私有化部署 Qwen，基于它搭建内部知识库、问答机器人和各类应用——这是当前国内企业落地大模型最主流的方式之一。
通义千问擅长什么，我们如实说
开源与私有化部署
模型权重开放下载，企业可以完全掌控部署环境，数据不出内网。
企业知识库落地成熟
RAG 问答、制度检索、智能客服，基于 Qwen 的方案案例已经很多。
中文与企业服务生态
与阿里云及国内 SaaS 生态集成顺畅，采购和合规路径清晰。
差异 01
知识库回答「是什么」，执行系统交付「做了什么」。
企业部署 Qwen 做知识问答，解决的是「找得到」；研发现场的问题是「交得出」。
从检索到派工
知识库按问题检索答案；小潭子按任务派工给岗位数字员工，任务有开始、有过程、有签核。
RAG 答制度，规则进执行
企业降额规则、优选器件库不是拿来「问答」的，是拿来在每次任务里强制执行的。
交付物可以直接归档
评估报告、风险清单、验证项按企业模板输出，进入研发流程，而不是停留在聊天窗口。
差异 02
模型之上，还缺一层工程系统。
有了好用的模型，企业还需要把它变成能干活的数字员工。
岗位能力包
审查、评估、分析、验证——岗位 Know-how 封装成可派工的能力单元。
工程对象理解
BOM 行、器件参数、规格书条款、图纸版本，被系统化管理并关联，不是一段段待检索的文本。
按需调度模型
包括 Qwen 在内的开源与商用模型都是可选能力源，按任务效果调度，不被单一模型绑定。
一表看懂
小潭子与通义千问对比
不做模糊表述——每一行都是可验证的事实性差异。
| 对比项 | 小潭子 造物潭 | 通义千问等国产大模型 |
|---|---|---|
| 产品定位 | AI 原生硬件研发工作环境 | 开源大模型系列，企业自建应用的基础 |
| 落地形态 | 岗位化数字员工，派工制执行任务 | 知识库问答、RAG 应用为主 |
| 工作对象 | BOM、器件、规格书、图纸、测试资料、规则 | 企业文档与制度文本 |
| 输出 | 报告、风险清单、验证项、证据链 | 检索答案与生成文本 |
| 企业规则 | 作为执行约束强制生效并留痕 | 作为文档被检索引用 |
| 证据链 | 结论可回溯至规格书与测试数据 | 引用来源片段为主 |
| 部署方式 | 本地 Worker + 混合部署 | 企业自行私有化部署模型 |
| 需要自建 | 开箱上岗，岗位能力包预置 | 应用层需企业自己开发 |
| 目标用户 | 电子硬件研发组织 | 各行业企业 IT/AI 团队 |
常见问题
关于这次对比，常被追问的几点。
如果还有疑问，欢迎直接约一次真实任务演示，用你们的任务来比。
01我们已经有基于 Qwen 的内部问答系统了，小潭子会重复吗？
不重复。问答系统解决「信息找得到」，小潭子解决「任务交得出」——围绕 BOM 和器件的执行任务需要工程对象理解、规则执行和证据链，这是知识库问答给不了的。
02小潭子可以用我们自己的 Qwen 部署吗？
模型能力源可以按客户环境灵活配置。更重要的是小潭子提供模型之外的完整工程层：岗位能力包、工程对象管理、派工与复核流程、审计留痕。