【新智元導(dǎo)讀】AI爆發(fā)當(dāng)下，知識管理怎樣才能高效？這家做機(jī)器問答十年的公司，用大模型重新定義了知識管理。
近日，Llama2正式發(fā)布了商用化的開源許可，效果可以媲美GPT-3.5，這將極大地推動大模型的開源商業(yè)生態(tài)的落地與發(fā)展。獵豹CEO傅盛第一時(shí)間表態(tài)，對大模型應(yīng)用創(chuàng)業(yè)來說是極大利好。而作為基于大模型最擅長的文本理解能力，圍繞知識庫、文檔里的賦能成為眾多大模型生態(tài)的開發(fā)者DIY的首選方向，如ChatPDF等。企業(yè)的知識服務(wù)，是構(gòu)成企業(yè)運(yùn)行的關(guān)鍵基礎(chǔ)。幾乎所有現(xiàn)代企業(yè)的核心都是由人的智力資產(chǎn)為底座的，絕大多數(shù)的白領(lǐng)工作也都是基于其專業(yè)的知識技能完成的。企業(yè)知識管理的行業(yè)發(fā)展歷史可以追溯到20世紀(jì)七八十年代，當(dāng)時(shí)出現(xiàn)了超文本/群件應(yīng)用系統(tǒng)，以及知識獲取、知識工程、以知識為基礎(chǔ)的系統(tǒng)和基于計(jì)算機(jī)的存在論等觀點(diǎn)。然而知識管理這件事，在國內(nèi)談了許多年，一直沒火起來，本質(zhì)上還是因?yàn)橹R管理還是沒有擺脫上個(gè)世紀(jì)以來的「文件管理系統(tǒng)」標(biāo)簽，知識可以被存儲，卻難以被有效應(yīng)用。作為人類的職業(yè)技能里最高的領(lǐng)地，大量重復(fù)的知識型工作一直都沒有被機(jī)器真正取代。但如今大模型的出現(xiàn)，讓這件事出現(xiàn)了一些變化。知識需要逐步走向前臺，深度融入并支撐企業(yè)的生產(chǎn)經(jīng)營活動，助力企業(yè)提升核心競爭力。某工業(yè)集團(tuán)企業(yè)知識管理架構(gòu)圖專注于機(jī)器問答和企業(yè)知識智能服務(wù)的云問科技預(yù)計(jì)在8月9日舉辦一場名為「云中問道」的大模型應(yīng)用產(chǎn)品發(fā)布會。區(qū)別于一個(gè)個(gè)的單體應(yīng)用，云問聚焦「企業(yè)專屬私有化知識大模型」，圍繞其「從場景消費(fèi)價(jià)值反推知識管理」的產(chǎn)品設(shè)計(jì)理念，發(fā)布基于自身大模型的知識服務(wù)全系列產(chǎn)品體系。傳統(tǒng)大模型的開發(fā)和部署涉及復(fù)雜的技術(shù)要求，需要對深度學(xué)習(xí)、自然語言處理等領(lǐng)域有深入的專業(yè)知識。普通用戶或非技術(shù)背景的用戶很難進(jìn)行自主開發(fā)和應(yīng)用部署。且需要耗費(fèi)大量的時(shí)間和人力，從數(shù)據(jù)預(yù)處理、模型訓(xùn)練到部署等環(huán)節(jié)都是非常耗時(shí)的過程。另外，因?yàn)樾枰鶕?jù)不同的應(yīng)用場景定制化大模型應(yīng)用，所以傳統(tǒng)方式往往局限在通用模型上，無法滿足用戶的特定需求和靈活性。針對這個(gè)情況，云問推出企業(yè)私有化知識大模型「云中問道」，將專屬的行業(yè)數(shù)據(jù)微調(diào)大模型和針對性的AIGC應(yīng)用融合提供。基于這套系統(tǒng)創(chuàng)建一個(gè)大模型快速應(yīng)用最短只需要3分鐘。不需要任何開發(fā)過程和繁瑣的配置，通過簡單的配置即可上線使用，大大節(jié)省了應(yīng)用創(chuàng)建的時(shí)間，快速實(shí)現(xiàn)落地。云問將其AIGC應(yīng)用平臺的應(yīng)用分為簡單應(yīng)用與綜合應(yīng)用。其中，簡單應(yīng)用主要面向不依賴大模型以外的數(shù)據(jù)即可完成的單任務(wù)應(yīng)用，綜合應(yīng)用面向需要綜合多個(gè)外部系統(tǒng)/應(yīng)用的復(fù)雜類任務(wù)。目前該平臺已經(jīng)提前在多個(gè)客戶落地試運(yùn)行。比如，某客服中心可利用該平臺，根據(jù)管理者表達(dá)的重點(diǎn)訴求，直接自動調(diào)用多個(gè)客服中心系統(tǒng)數(shù)據(jù)，生成綜合運(yùn)營報(bào)告。云問AIGC綜合應(yīng)用：客服中心運(yùn)營報(bào)告自動生成「云中問道」大模型在任務(wù)訓(xùn)練時(shí)主要聚焦一個(gè)方向——知識的全生命周期管理與應(yīng)用，從知識的構(gòu)建、加工、清洗、對齊任務(wù)做到對知識的檢索、問答、推薦、推理、計(jì)算任務(wù)。上述任務(wù)每一步，都可以作為大模型微調(diào)的一個(gè)方向，每個(gè)方向云問都收集了5w+ prompt數(shù)據(jù)集用于大模型的任務(wù)微調(diào)，其力求做到國內(nèi)最好的知識類大模型。除了通用的大模型工具，云問主要結(jié)合企業(yè)內(nèi)部知識依賴度高的業(yè)務(wù)場景，推出一系列解決方案，意在真正實(shí)現(xiàn)高效率賦能人工或替代人工。前文提到，知識的消費(fèi)場景有限掣肘了過往的知識管理行業(yè)發(fā)展，那么如果將員工面臨的所有工作場景串起來，就是運(yùn)作的一條條工作流程，從關(guān)鍵流程出發(fā)，尋找可替代性高、可產(chǎn)出價(jià)值大的場景式知識管理模型，就可以快速定位企業(yè)知識管理建設(shè)的重點(diǎn)。用戶能夠根據(jù)自身需求自主創(chuàng)建應(yīng)用，無需依賴技術(shù)人員。從云問科技的實(shí)踐看來，當(dāng)企業(yè)構(gòu)建了一套整體的智能知識中心以后，例如從客戶服務(wù)、銷售輔助、研發(fā)設(shè)計(jì)、生產(chǎn)檢修、內(nèi)部支撐、人才培養(yǎng)幾個(gè)場景中，就可以找到知識驅(qū)動業(yè)務(wù)有效轉(zhuǎn)型的最佳場景。企業(yè)知識智能常見的消費(fèi)應(yīng)用場景例如客戶服務(wù)的實(shí)質(zhì)是將企業(yè)的產(chǎn)品知識、服務(wù)政策等企事業(yè)單位的業(yè)務(wù)知識內(nèi)容有效地和用戶、群眾進(jìn)行傳遞。但傳統(tǒng)的智能客服實(shí)際上的替代人工率有時(shí)候只能達(dá)到10%甚至更低，原因就是沒有系統(tǒng)、細(xì)致地對知識處理好調(diào)用好，機(jī)器的理解和交互能力有限，導(dǎo)致智能客服不智能。云問利用私有化知識大模型對原來的客服機(jī)器人進(jìn)行系統(tǒng)升級，引入改寫式問答、文檔生成式問答功能，這將極大地提升問答體驗(yàn)。改寫式問答能夠?qū)⒂脩籼岢龅膹?fù)雜問題拆分成多個(gè)知識點(diǎn)，然后從已有的知識庫中匯總相關(guān)信息，通過大模型進(jìn)行融合，以簡潔明了的方式回答用戶。這種問答方式不僅適用于場景問題，還可以根據(jù)用戶的不同需求提供多種角色選擇，使回答更加貼切和易于接受。同時(shí)，還優(yōu)化了上下文理解能力，支持更豐富的獲取方式。針對沒有FAQ庫的企業(yè)，云問提供了基于私有化知識大模型的文檔生成式問答，用戶提問后，可從提供的產(chǎn)品或政策文檔中定位相關(guān)內(nèi)容，并通過大模型加工，找到合適的回答。這種方法不僅可以從單篇文檔中找到答案，還能支持跨文檔的知識點(diǎn)。此外，還可以實(shí)現(xiàn)雙語問答以及多模態(tài)問答，無論是圖片還是表格，都可以從文檔中找到相關(guān)內(nèi)容，并為用戶提供豐富多樣的問答體驗(yàn)。不僅是要「機(jī)器換人」方面，在「機(jī)器助人」方面，大模型也可以帶來很多價(jià)值。例如，云問私有化知識大模型在人工客服工作時(shí)為其實(shí)時(shí)提供諸多輔助場景，大幅提升人工服務(wù)效率。首先，通過實(shí)時(shí)抽取用戶畫像，客服能快速找到用戶關(guān)注點(diǎn)，提高服務(wù)及推銷效果。其次，大模型可分析企業(yè)優(yōu)秀話術(shù)，為未來培訓(xùn)及話術(shù)輔助提供支持。例如，實(shí)時(shí)匹配最優(yōu)秀銷售話術(shù)，提高轉(zhuǎn)化率。此外，流程話術(shù)抽取工具可從歷史服務(wù)記錄生成流程話術(shù)，提高不同類型客戶的服務(wù)效果。最后，大模型還可快速抽取工單信息，簡化客服撰寫工單和總結(jié)服務(wù)的過程，提高服務(wù)效率。針對知識在企業(yè)的不同應(yīng)用場景，云問推出了「Y-ASK」產(chǎn)品矩陣：基于云問大私有化知識模型的Y-ASK產(chǎn)品矩陣
而依據(jù)企業(yè)內(nèi)部知識智能的技術(shù)到應(yīng)用端，云問科技將知識管理的流程分為知識加工、知識消費(fèi)和知識行業(yè)應(yīng)用三個(gè)大模塊。因?yàn)橹饕劢乖谄髽I(yè)知識服務(wù)領(lǐng)域，所以云問大模型針對知識加工的環(huán)節(jié)做了許多專項(xiàng)的任務(wù)優(yōu)化。對技術(shù)標(biāo)準(zhǔn)等文檔內(nèi)容進(jìn)行提問，云問大模型在保證問題答案可溯源的前提下，從多視角、多層級等方面對技術(shù)標(biāo)準(zhǔn)拆解并進(jìn)行Instruct-D2Q數(shù)據(jù)的構(gòu)建，賦予大模型更強(qiáng)的知識加工能力，服務(wù)于知識體現(xiàn)構(gòu)建；對比現(xiàn)有最優(yōu)中文開源大模型，云問大模型在該任務(wù)上可達(dá)到65%勝、19%平、16%負(fù)。根據(jù)歷史交互記錄內(nèi)容進(jìn)行問題的補(bǔ)充發(fā)現(xiàn)，云問大模型實(shí)現(xiàn)了從生產(chǎn)中來到生產(chǎn)中去，為保證生成內(nèi)容的可靠性，云問大模型在推理前后利用數(shù)據(jù)約束機(jī)制，保證生成結(jié)果的安全性。在信息安全方面，云問大模型在實(shí)測階段未發(fā)現(xiàn)信息泄露等問題，安全性可達(dá)到100%。對已存在的知識體系中的問題進(jìn)行泛化擴(kuò)充，云問大模型在不修改問題核心訴求的前提下，通過模型泛化核心詞匯、修飾語義結(jié)構(gòu)、豐富語言表達(dá)，從而完善原有知識體系。并且相較于其他開源大模型，可達(dá)到75%勝、16%平、9%負(fù)，云問大模型擁有更強(qiáng)的領(lǐng)域覆蓋性。- 原子知識庫構(gòu)建的優(yōu)化：（D2D）云問將各類半結(jié)構(gòu)化、非結(jié)構(gòu)化文檔知識自動加工為結(jié)構(gòu)化數(shù)據(jù)知識的過程統(tǒng)一稱為「知識工程」。知識工程是一種將人類知識轉(zhuǎn)化為計(jì)算機(jī)可處理的形式，以便計(jì)算機(jī)能夠理解和利用這些知識的技術(shù)。知識工程旨在將人類專家的知識轉(zhuǎn)化為計(jì)算機(jī)可以理解和執(zhí)行的形式，從而實(shí)現(xiàn)自動化決策、推理和問題解決。云問知識工程將標(biāo)準(zhǔn)文檔自動抽取成結(jié)構(gòu)化數(shù)據(jù)根據(jù)文本內(nèi)容智能抽取出知識圖譜所需的三元組內(nèi)容，云問大模型利用本地知識圖譜通過Self-Instruct技術(shù)構(gòu)造D2SPO數(shù)據(jù)，減輕數(shù)據(jù)構(gòu)造成本，并借助大模型本身的領(lǐng)域知識存儲能力，在領(lǐng)域文本生成三元組上取得較好的效果，最終知識覆蓋率可以達(dá)到90%。從文本中抽取出N-Tuple內(nèi)容，云問大模型為了解決多條件約束的知識構(gòu)建場景，從技術(shù)標(biāo)準(zhǔn)中整理10w+多元組Instruct數(shù)據(jù)用于模型任務(wù)訓(xùn)練，輔助解決真實(shí)場景下復(fù)雜條件判斷、推理等任務(wù)。在N-Tuple內(nèi)容抽取上較現(xiàn)有開源大模型的準(zhǔn)確率高20%。在知識圖譜構(gòu)建與增強(qiáng)的優(yōu)化方面：- 將大模型用作編解碼器（encoding&decoding）來補(bǔ)全知識圖譜傳統(tǒng)的知識圖譜構(gòu)建方法，受限于對人力的依賴及技術(shù)的不成熟，主要關(guān)注圖譜的結(jié)構(gòu)構(gòu)而丟失了更廣泛的文本信息，無法推斷給定知識圖譜中缺失的事實(shí)。- 云問大模型部分實(shí)現(xiàn)了端到端到端知識圖譜構(gòu)建（一步構(gòu)建出完整的知識圖譜）以及直接從文本中蒸餾出知識圖譜LLM與知識圖譜協(xié)同的方法能將LLM和知識圖譜的優(yōu)點(diǎn)融合，從而更好地應(yīng)對各種下游任務(wù)。舉個(gè)例子，LLM可用于理解自然語言，同時(shí)知識圖譜可作為提供事實(shí)知識的知識庫。將LLM和知識圖譜聯(lián)合起來可以造就執(zhí)行知識表征和推理的強(qiáng)大模型。因?yàn)槊嫦虻闹R處理任務(wù)類型多，不同的大模型的擅長能力又不一，所以云問有時(shí)會運(yùn)用不同的底層大模型處理不同的任務(wù)。云問以多套開源大模型為底座，采用MoE思路，構(gòu)建高度自定義的任務(wù)流，以智能中控引擎實(shí)現(xiàn)大模型與其他技術(shù)組件的協(xié)同調(diào)度，提供場景閉環(huán)技術(shù)方案。提升點(diǎn)1：語言表達(dá)的再學(xué)習(xí)
通過大量實(shí)驗(yàn)測試發(fā)現(xiàn)，ChatGPT同眾多開源大模型一樣都會存在一個(gè)問題，就是無法理解行業(yè)內(nèi)的專業(yè)表達(dá)，這同其訓(xùn)練數(shù)據(jù)廣泛來源與互聯(lián)網(wǎng)新聞類社交類數(shù)據(jù)密切相關(guān)。因此云問大模型干的第一件事就是讓大模型了解行業(yè)術(shù)語，我們基于過往10年的沉淀，從能源、軍工、文旅等行業(yè)中收集專業(yè)型報(bào)告、標(biāo)準(zhǔn)、制度、紀(jì)要。基于這些語料，從底層詞表開始重，然后開展語言表達(dá)層面的重新學(xué)習(xí)構(gòu)，重新學(xué)習(xí)云問資料庫中60億token的上下文表達(dá)方向，云問的大模型相較于寫小紅書文案，更明白設(shè)備缺陷告警意味著什么。提升點(diǎn)2：知識+生成的雙輪驅(qū)動
新一代知識問答系統(tǒng)是由知識+生成雙輪驅(qū)動構(gòu)建的。現(xiàn)在很多人都在關(guān)注GPT怎么生成，prompt怎么寫，云問把這兩塊從底層重新做了一遍。Langchain確實(shí)讓很多企業(yè)快速搭建私有化知識庫，但Langchain注入模型的知識是未加工的文檔片段，如果加入云問加工后的結(jié)構(gòu)化知識「知識點(diǎn)、圖譜三元組、常見問答」后，效果將遠(yuǎn)好于原生常見。另一方面，生成大模型，GPT-4固然好，但考慮到數(shù)據(jù)安全問題，不能把企業(yè)的知識和實(shí)際的問題直接調(diào)用GPT-4；然而開源模型的綜合分析能力又比較弱。所以，云問大模型在問答、搜索、分析場景專門構(gòu)建200萬SFT數(shù)據(jù)集，構(gòu)建的新一代知識問答大模型將優(yōu)于現(xiàn)有開源大模型，并在自身驗(yàn)證的知識類場景已經(jīng)近乎達(dá)到GPT-3.5的90%效果。提升點(diǎn)3：安全可控生成
對于生成類模型，最擔(dān)心的問題就是由生成造成的幻覺問題，如何解決幻覺問題，業(yè)內(nèi)都提供了一些很好的方式，云問目前是設(shè)計(jì)一套「聚合前-計(jì)算中-生成后」全方位干預(yù)的方式實(shí)現(xiàn)安全可控：- 在聚合前利用文本內(nèi)容檢測模型將敏感類數(shù)據(jù)知識加以過濾；- 在計(jì)算中通過控制詞表候選集合、生成多樣性溫度參數(shù)、甚至包括利用構(gòu)建專項(xiàng)可控生成安全數(shù)據(jù)集讓模型在生成過程中盡可能生成內(nèi)容相關(guān)文本；- 在生成后通過后處理手段，將敏感數(shù)據(jù)、人名等內(nèi)容進(jìn)一步脫敏，進(jìn)而保證生成內(nèi)容的安全可控。從技術(shù)功能上來看，搜索、問答、推薦、可視化和決策支撐是知識的消費(fèi)場景中的幾種主要類型。搜索：
在搜索場景中，人們通過輸入關(guān)鍵詞或問題，從海量的知識中尋找所需的信息。云問大模型結(jié)合場景提出了「融合搜索」的理念。首先，基于長文檔的拆解技術(shù)，將文檔進(jìn)行片段拆解，搭配知識工程拆解能力自動進(jìn)行長文檔處理；然后，通過片段文本檢索預(yù)處理技術(shù)，檢索提前圈定精準(zhǔn)的知識數(shù)據(jù)范圍，提前處理好模型的知識參考范圍；最后，采用證據(jù)定位技術(shù)，展示答案的參考片段，給出參考證據(jù)，點(diǎn)擊可定位原文位置，輔正參考答案。云問私有化知識大模型驅(qū)動的「聚合搜索」問答：
在問答場景中，人們直接向知識源提問，并獲得針對性的回答。云問大模型采用對話增強(qiáng)技術(shù)，進(jìn)一步提升了對話系統(tǒng)的性能和用戶體驗(yàn)。技術(shù)上利用大規(guī)模對話數(shù)據(jù)，提升系統(tǒng)在上下文理解、用戶多意圖推斷、對話評估與管理等方面落地應(yīng)用及效果。其閱讀理解能力的目的是讓計(jì)算機(jī)能讀懂已給定的文本段落，并進(jìn)行回復(fù)。由于云問有著超大規(guī)模的業(yè)務(wù)數(shù)據(jù)，可以結(jié)合大模型的特性，進(jìn)一步提升系統(tǒng)的語義理解與推理能力。在結(jié)構(gòu)化數(shù)據(jù)直接問答方面，云問公布了其基于用戶問句生成SQL的能力，即通過理解用戶問句生成SQL語句，云問大模型在多表數(shù)據(jù)構(gòu)造方面采用多種策略進(jìn)行采樣并將用戶問句與數(shù)據(jù)庫結(jié)構(gòu)進(jìn)行有效映射，構(gòu)建難負(fù)例來增強(qiáng)模型抗干擾能力。同分布數(shù)據(jù)下單表SQL可以達(dá)到95%，在領(lǐng)域遷移后，也具有較好的效果。在基于用戶問句生成代碼方面（即根據(jù)用戶問題或請求，生成相應(yīng)代碼，以處理相應(yīng)請求完成更復(fù)雜的交換），云問大模型在20w+數(shù)據(jù)中進(jìn)行訓(xùn)練，融合了多種問答及業(yè)務(wù)場景，將代碼生成、代碼執(zhí)行、結(jié)果展示等功能進(jìn)一步融合在業(yè)務(wù)系統(tǒng)中，在數(shù)據(jù)查詢、報(bào)表展示、文件處理等方面取得較好的效果。推薦：
在推薦場景中，基于云問大模型的知識培訓(xùn)系統(tǒng)可以自動生成標(biāo)簽，根據(jù)用戶的興趣、歷史行為等，向用戶推薦相關(guān)的或感興趣的知識。還可以自動生成培訓(xùn)材料、考試試卷等。可視化：
在可視化場景中，知識以圖譜、圖像、圖表、演示文稿等形式呈現(xiàn)，幫助人們更好地理解和記憶。決策支撐：
在決策支撐場景中，人們利用相關(guān)知識和信息，進(jìn)行分析和判斷，以支持決策。以云問發(fā)布的在「處置決策」場景中的「事件立方」為例，通過云問知識大模型提取各類報(bào)告中的原子事件，提取出事件發(fā)生的對象、地點(diǎn)、事件類型等要素，在前端通過要素篩選實(shí)現(xiàn)事件篩選。過程中，以生成式大模型為基礎(chǔ)，分析事件內(nèi)容，提供對當(dāng)前事件的意圖分析判斷。通過定義prompt調(diào)整分析方向?；谝貙ο?，分析基于地點(diǎn)的事件發(fā)生規(guī)律、基于設(shè)備的事件發(fā)生規(guī)律，為決策者提供可視化數(shù)據(jù)分析結(jié)果。展示已定義的事件要素，用戶能夠通過篩選事件要素定位目標(biāo)事件。將篩選出的事件按時(shí)間順序展示，支持按對象要素篩選時(shí)間軸的展示內(nèi)容。云問私有化知識大模型自動生成事件過程報(bào)告和處置建議這些消費(fèi)場景彼此交錯，相互影響，構(gòu)成了一個(gè)復(fù)雜的知識消費(fèi)生態(tài)。在不同的場景中，人們消費(fèi)知識的方式和需求也有所不同，因此需要不同的工具、方法和策略來滿足。理解知識的消費(fèi)場景，有助于更好地組織和提供知識服務(wù)，滿足用戶的需求。由于知識跟業(yè)務(wù)的結(jié)合離不開行業(yè)屬性，所以結(jié)合深耕多年的智能知識服務(wù)在不同行業(yè)的實(shí)踐經(jīng)驗(yàn)，云問科技率先在各個(gè)行業(yè)內(nèi)利用生成式大模型完成了多個(gè)客戶的行業(yè)應(yīng)用落地：基于云問私有化知識大模型的行業(yè)知識智能應(yīng)用某政務(wù)部門利用大模型+知識大幅提升工作效率和優(yōu)化市民體驗(yàn)某方志智能編纂項(xiàng)目采用「3+3」模式，包括三套基礎(chǔ)服務(wù)平臺和三個(gè)終端微應(yīng)用。基礎(chǔ)服務(wù)平臺包括方志知識加工平臺、方志AIGC管理平臺和方志AIGC應(yīng)用中心。三個(gè)終端微應(yīng)用包括方志智能編纂應(yīng)用、方志事件分析應(yīng)用和方志內(nèi)容檢索應(yīng)用。- 方志文獻(xiàn)加工平臺提供標(biāo)注語料支持，提高大模型訓(xùn)練質(zhì)量和效果；- 方志AIGC管理平臺實(shí)現(xiàn)對方志特色大模型的高效管理和運(yùn)行；- 方志AIGC應(yīng)用中心為多種場景化智能應(yīng)用提供創(chuàng)建、發(fā)布和管理便利；- 方志智能編纂應(yīng)用實(shí)現(xiàn)方志年鑒內(nèi)容的自動生成和半自動化編輯，提高編纂效率和質(zhì)量。通過「3+3」模式，項(xiàng)目實(shí)現(xiàn)方志智能化轉(zhuǎn)型全面支持，為拓展智能應(yīng)用提供基礎(chǔ)。未來有望擴(kuò)展為「3+n」模式，助力智能化應(yīng)用水平提升，為地方志事業(yè)帶來更多創(chuàng)新和效益。某國際知名工業(yè)集團(tuán)利用大模型打造企業(yè)內(nèi)部智能助理應(yīng)用工具包該工業(yè)集團(tuán)云問合作在大模型共創(chuàng)方面采用場景驗(yàn)證和逐步推廣策略，以多語言軟件流程規(guī)范咨詢場景為切入點(diǎn)，通過驗(yàn)證大模型能力，了解大模型在企業(yè)級服務(wù)中的效果，并在內(nèi)部推廣大模型服務(wù)。云問為其設(shè)計(jì)采用輕量化思路，將服務(wù)部署于網(wǎng)頁端，構(gòu)建場景化服務(wù)組件，實(shí)現(xiàn)快速調(diào)用和部署：- 通過場景化打造，確保服務(wù)的安全性和準(zhǔn)確性，并完善服務(wù)使用閉環(huán)；- 采用靈活的場景管理模式，讓場景高度自定義，并可按需擴(kuò)展；- 通過可視化的prompt工程，實(shí)現(xiàn)prompt話術(shù)配置和在線調(diào)試；- 基于員工使用組件產(chǎn)生的交互數(shù)據(jù)，分析大模型深化落地的可行性，并指導(dǎo)后續(xù)場景化應(yīng)用的開發(fā)改造。某工業(yè)集團(tuán)企業(yè)內(nèi)部助手同時(shí)云問還構(gòu)建了生成式問答應(yīng)用，為全球各地的集團(tuán)員工提供中英雙語智能問答服務(wù)，并打造了企業(yè)專屬的生成式智能問答應(yīng)用。通過合作，云問將大模型技術(shù)應(yīng)用于企業(yè)級場景中，實(shí)現(xiàn)了高效、智能的業(yè)務(wù)轉(zhuǎn)型，并將繼續(xù)推進(jìn)大模型的應(yīng)用和創(chuàng)新。某能源集團(tuán)企業(yè)利用云問私有化知識大模型優(yōu)化客戶服務(wù)體驗(yàn)該電力企業(yè)在電話工單處理、客服電話、在線客服等問答場景下，其業(yè)務(wù)的復(fù)雜性和場景的多樣性使客服問答對專業(yè)知識、業(yè)務(wù)經(jīng)驗(yàn)依賴度極高，而如何降低知識構(gòu)建的人力成本，高效地完成知識的更新運(yùn)營工作，實(shí)現(xiàn)知識支撐的快速響應(yīng)是中心始終關(guān)注的問題。面向多源非結(jié)構(gòu)化的業(yè)務(wù)文檔，云問與客戶一起打造了流程化的知識加工平臺，利用大模型實(shí)現(xiàn)文檔關(guān)鍵信息的分類提取、自動生成，提取的知識同步至知識中心實(shí)現(xiàn)統(tǒng)一知識服務(wù)。同時(shí)建立反饋機(jī)制，收集用戶對答案的反饋，針對不準(zhǔn)確的問題由專家標(biāo)注正確答案，通過有監(jiān)督的學(xué)習(xí)，達(dá)到模型抽取越用越智能的效果。大模型的熱度依然不減，但隨著「百模大戰(zhàn)」的逐漸深入，企業(yè)對于大模型的落地應(yīng)用、真正賦能業(yè)務(wù)的變革變得越來越期待也越來越挑剔，我們應(yīng)該很快也會迎來眾多優(yōu)秀的行業(yè)實(shí)踐。而知識，作為企業(yè)數(shù)字化轉(zhuǎn)型中的基座也許會成為這輪變革的重點(diǎn)之一。云問科技以其十年的知識智能問答數(shù)據(jù)積累和深度場景洞察為基礎(chǔ)，正為企業(yè)知識智能服務(wù)開啟全新篇章。基于云中問道大模型的新一代知識服務(wù)軟件，將先進(jìn)的智能技術(shù)與實(shí)際應(yīng)用緊密融合，為企業(yè)提供高度穩(wěn)定和可靠的解決方案。企業(yè)可以實(shí)現(xiàn)知識資產(chǎn)的高效沉淀與應(yīng)用，為知識管理開辟了新的途徑。這一發(fā)展方向或許標(biāo)志著大模型在企業(yè)領(lǐng)域應(yīng)用的新趨勢，為行業(yè)帶來了廣闊的發(fā)展前景。云問科技通過基于「云中問道」大模型的知識智能服務(wù)，有望引領(lǐng)企業(yè)邁向一個(gè)全新的智能化時(shí)代，正如其公司的愿景寫道：以AI，成就新時(shí)代最偉大的企業(yè)。
本站僅提供存儲服務(wù)，所有內(nèi)容均由用戶發(fā)布，如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請
點(diǎn)擊舉報(bào)。
