从大模型、智能体到复杂 AI 应用系统的构 建 —— 以产业大脑为例 肖俊 浙江大学计算机学科与技术学院人工智能研究所 2025 03 杭州 • 大模型推理能力快速提 升 • 推理模型和思维链 (CoT) • 智能体是什么？ • 四链融合产业大脑案例 提纲 大模型推理能力快速提升 开始模仿人 脑进行大量 数据的标记 和训练 神经网络 CNN RNN GAN 1990 事实性幻觉问题 大语言模型易产生幻觉 ，在数学推理方面表现在推理能力严重不足， 体现在简单数值比较错误、 多步推理能力弱、推理不一致等 早期大模型在推理能力上存在明显短板 无法在复杂的思维链中保持一致性 推理过程和答案不一致 Yann LeCun 的批判观点： 对纯粹扩大规模方法的根本质疑 Mehrdad Farajtabar OpenAI o1/o3 、 DeepSeek- R1 等 1. 早期的大模型推理能力不足 2. OpenAI-o 系列模型和 DeepSeek-R1 等胜在推理能力较 强 小结一： 推理模型和思维链 (Chain of Thought, CoT) QwQ 由通义千问 开发， QwQ 能通 过思考与疑问解 决 一些复杂的问 题。 HIMl DeepSeek-R1 与

个层次：数据智能、感知智 能、认知智能和自主智能[22]，应急系统的智能水平达 到了感知智能这一层次。 从认知智能层次来看，当前系统思维能力不足， 缺乏解决复杂问题的能力。下一步系统智能化发展方 向是认知智能的加强，即系统具有类似于人的逻辑思 维和高级认知能力，能够处理和解释复杂信息，通过 思维能力获得事物本质特征与发展规律更深入的认 识，从而具有能够适应新环境并解决复杂问题的能力。 按照过去信息化建设经验，提升系统智能化水 大语言模型应急大脑以大语言模型技术带动知 识管理机制的创新，促进知识资源在应急管理系统内 的整合、优化和利用，实现系统智能化发展的突破。 概念模型如图5所示，由以下4个部分组成：应急知识 库系统，感知系统，思维系统和人机交互系统。知识 流将这4个部分有机整合在一起，形成智慧应急的内 核，支撑包括监测预警、社会动员、监管执法、救援 处置、决策指挥等应急管理全过程业务系统。 图5 基于大语言模型应急大脑概念模型 数据间的潜在关联，识别出围绕各类风险的因果、 时空序列、逻辑等不同关系模式。随着应急大模型 中风险知识结构和内容的不断丰富和深入，感知系 统能够提供准确、及时的突发事件及其风险情境理 解，实现对风险的全面感知和实时监控。 思维系统：思维系统是应急大脑的决策引擎，能 够进行深层的需求理解和复杂的逻辑推理，特别是面 对时效性较高、且问题空间不明确的灾害情境，能够 针对具体问题进行分析和判断，结合大语言模型的思 维链（chain of

希沃等纷纷 抢滩接入DeepSeek-R1大模型，并围绕DeepSeek能力开启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教育企业快速拥抱DeepSeek，以其思维链、高性价 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 De 相较于其他通用及垂类大模型，DeepSeek能够得到头部教育企业广泛青睐、激起 抢滩布局，主要得益于其几大特点： l 深度思考模式：DeepSeek的深度思考模式能够输出自然语言形式的推理过 程，使得学习、解题的思维链可视化，有利于在教育场景中展示解题方法和过 程、进行知识回溯、引导学生个性化思考，从而辅助教师及家长教育，削减此 前AI+教育直接输出问题答案可能带来的负面影响。 l 逻辑推理能力：DeepS 1、突破单一模型局限，将教育垂类大模型与DeepSeek深度融合，结合DeepSeek 拆解复杂问题和语言交互的强项、及九章大模型深耕数学推理与学科知识图谱的优 势，实现精准分析/定位/回溯知识点、强化逻辑推理并显化思维路径、理解并输出 多模型内容，从而形成启发式引导思考的能力。 2、布局硬件+软件，以DeepSeek深度思考模式弥补传统教育硬件“重答案轻思 维”的短板，并开发新AI学习应用，集成自研讲解视频与高频AI学习工具，放大自

LogPrompt 依赖于任务数据，专家标注耗时耗力， 自适应性差 智慧有限，可解释性差，直接输出告 警结论，无法实现告警事件分析 • 以思维链提示引擎激发大语言模型的领域文本分析能力和根因推理 能 力，在告警日志纷杂的信息中梳理思维链逻辑， AI 模型端到端生 成事 件分析总结，快速判断漏报、误报，找出根因。 • 根据用户需求描述，以多轮对话的方式灵活地提供告警查询、定位、

联系人:杨昊翊 Tel:(021)23185620 Email:yhy15080@haitong.com AI Agent（智能体）：从技术概念到场景落 地 投资要点：  思维链铸就智能体，多体交互拓展应用：早在上世纪 50 年代，阿兰图灵把“高度 智能有机体”扩展到了人工智能。如今随着大模型的快速发展，这个概念又被重 新拾起。大模型成为了智能体目前最完美的载体，有望完成从概念到实际应用的 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 2 目 录 1. 原理解析：思维链铸就智能体，多体交互拓展应用 ..................................................... 6 1.1Agent 模式架构解析 ......... 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 6 1. 原理解析：思维链铸就智能体，多体交互拓展应用 早在上世纪 50 年代，阿兰图灵把“高度智能有机体”扩展到了人工智能。如今随 着大模型的快速发展，这个概念又被重新拾起。大模型成为了智能体目前最完美的载体， 有望完成从概念到实际应用的蜕变。

法律知识 医疗知识 营销素材 话术优化 话术推荐 保险规划 智能核保 智能理赔 实时质检 回答完整、全面，考虑到多方面情况，语 言表达流畅、自然、清晰、简洁；具备合 理的逻辑思维能力，推理和判断能力不错 逻辑更符合现实场景， ChatGLM130B 的 解 答优势在于部分问题可以引入生动的例 子加 以说明，这对于客户理解而言是个亮 点 心思缜密“推理者” 旁征博引“实用者” 保险规划 智能核保 智能理赔 实时质检 评测结果——国外大模型 部分回答不符合国内保险情况， 容易引起歧义。对问题的识别较 精准；回答较完整，语言表达流 畅自然；具备一定逻辑思维能力 ChatGPT4 的海报设计新颖有 自己风格，具有吸引力；相比 ChatGPT3.5 准确率有所提高， 回答更全面，考虑多国家政策 Claude 1 解答更贴近生活，听 着 就像面对面交谈，让人更容

SCADA 群控软 件 现 场 群 控 平 台 简 介 65/80 中心 世界模型 / 数字孪生：浙江大学团队自研仿真平台的一点体会 66/80 口需要深度工匠精神，要有迭代思维，年复一年升级迭代，人才是关键 口群 控软件和仿真软件开发难度、周期和代价非常高 配 置栏 系统流程图 菜单栏 工具栏 开发工具栏子栏 AGI, 我们都没准备好 77/80 这一次 Al 浪潮是一次百年一遇的技术阶跃 ■ 组织机构和社会都存在巨大的思维惯性和发展惯性 ■ 阶跃式的突变发生时，真理往往掌握在少数人手里 ■ 当看不懂的时候，先去做，和做得明白的人 / 单位做朋友，慢慢就懂 了 看不见、看不起、看不懂、来不及 78/80

能够判断何时它们缺乏必要的信息, 并在需要时请 求帮助. KnowNo 建立了一个预测集, 该预测集以 用户指定的概率覆盖正确选项. 如果预测集包含多 个选项, 机器人将请求人类帮助以明确下一步行动. 思维链 (Chain of thought, CoT) 是一种用于 增强人工智能模型, 特别是大语言模型在复杂任务 中表现的技术, 该方法通过模拟人类的思考过程, 将 复杂问题分解为一系列更小、更易于处理的步骤[118]

词来引导和优 化人工智能模型的输出，使其更加准确和有用。这项技术的核心在于清晰、明确地表达用 户的意图，以确保模型能够捕捉到问题的核心并生成符合预期的回应。提示工程技术主要 包含角色技能设定、思维链、样本提示、输出格式设定、提示词模板等技术。 在设计提示词时，需要考虑几个关键要素。首先，提示词应该直接和具体，避免使用含 糊或多义的词汇，以减少歧义。其次，一个优秀的提示词通常包含指令、上下文信息和期望 功能如下：亲情陪伴，模拟子女形象和声音，提供全天候第二陪伴；医疗问诊，整合医疗资 源，提供全天候实时音频视频问诊；智能管家，辅助康养管家进行日常照护，社区活动介绍 推荐；数字遗产，结合老人生前数字信息，生成形象、语音、思维习惯类似数字人形象，减缓 亲人离去带来的情感冲击。 5.1.1.3 “AI+”模式下的探索和布局 �� 养老陪伴机器人以养老大模型为基础，以虚拟数字人为载体，作为老人的第二陪伴， 显著提

，我们 必须找到差异化的市场定位，可能通过提供更具个性化的服务或特 定行业的解决方案来实现。 第二类是中小型企业，尤其是专注于垂直行业的 AI 初创公 司。这些公司通常拥有灵活的团队和创新的思维，能够快速响应市 场需求。这些企业在专业领域内具有较强的竞争力，能够提供深度 定制化的服务。然而，由于资源有限，它们的市场推广和客户支持 可能相对较弱。我们可以通过与这些企业合作，形成互补的战略联