外部公开案例，非衍谷交付
Uber · 值班工程支持与内部知识问答 Genie
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 企业工程博客披露
- 解决方案
- 企业工程博客披露与中文结构化整理
- 技术工作流
- 企业工程博客逐层披露
- FDE 行动（请结合分析边界）
- 依据公开实施过程归纳
- 结果（来源方披露）
- 企业工程博客披露
业务问题
Uber各平台团队每月在数百个Slack支持频道提出约4.5万个问题，答案散落在内部Engwiki、Stack Overflow、工程需求文档和历史对话中；重复问答和多轮等待同时消耗提问者与值班工程师时间。解决方案
Uber自研Genie，把内部资料经Spark抓取、LangChain切块和OpenAI Embedding转为向量，通过Sia与Terrablob构建受频道权限约束的索引；用户在Slack提问后，Knowledge Service检索相关片段并让LLM基于证据回答，同时记录成本、即时反馈和离线评测结果。技术工作流
- Engwiki、内部Stack Overflow与工程需求文档
- Spark抓取、LangChain切块与PySpark UDF批处理
- OpenAI Embedding生成文档和问题向量
- Sia向量数据库与Terrablob索引分发
- Slack请求进入Knowledge Service检索并调用LLM
- 频道级权限、UUID成本审计、Kafka/Hive反馈与LLM-as-a-judge评测
技术组件
- Slack
- Apache Spark
- LangChain
- OpenAI Embedding
- Sia向量数据库
- Terrablob
- Michelangelo Gateway
- Kafka/Hive
人工责任与复核
Genie先处理已有文档可回答的问题；需要代码审查、上下文不足或回答无关时转给值班工程师。用户以Resolved、Helpful等标签反馈，平台团队用人工反馈和评测报告继续调整检索与生成。FDE 行动（请结合分析边界）
- 统计支持频道问题量和重复问答来源
- 比较微调与RAG后选择更快上线的RAG
- 按Slack频道映射知识空间访问权限
- 为每次请求传递UUID并按请求核算模型成本
- 把用户反馈流入Hive并用Michelangelo评测检索与生成
结果（来源方披露）
Genie已进入Uber内部支持流程并建立可追踪的反馈、成本与幻觉评测闭环；公开工程文章披露了问题规模和完整架构，但没有披露解决率、节省工时或投资回报。核验说明
- 每月约4.5万个问题是需求基线，不是Genie处理量。
- 文章未给上线后的解决率、响应时间或节省工时，不据此推算ROI。
未公开 / 仍有缺口
- 量化结果
可迁移方法
- 内部知识助手必须继承原知识空间权限
- 支持机器人要明确哪些请求直接转人工
- 成本、用户反馈和离线质量评测应使用同一请求标识关联
- RAG组件需要分别评估召回与生成而不是只看最终答案
来源账本
- 标题
- Genie: Uber’s Gen AI On-Call Copilot
- 发布方
- Uber Engineering
- 来源类型
- 企业工程博客
- 可定位性
- 案例级直接来源
- 结论披露方
- 企业工程团队披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
Uber工程博客逐层公开数据源、切块、向量存储、检索服务、权限、成本和评测流程；文章没有公开生产效率或解决率指标。编辑摘要
Uber Genie的参考价值在于，它不是只把文档接到聊天框，而是把Slack权限、向量索引分发、单请求成本和反馈评测全部纳入值班支持系统。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 1
- 来源可定位性
- 2
原始案例 ID
enterprise-uber-genie-001技术方案参考
是来源分类
企业原始材料企业 / 组织
Uber行业
出行平台/软件一级行业
科技与软件业务场景
值班工程支持与内部知识问答 GenieFDE 标记
企业部署案例FDE 关系
内部工程流程改造成熟度说明
生产使用/持续评测成熟度阶段
已上线主来源
https://www.uber.com/us/en/blog/genie-ubers-gen-ai-on-call-copilot/ ↗证据等级
A证据等级说明
A级｜企业工程博客直接来源详细度评分（满分 12）
11详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。