.... 1 3.1 智能客服系统 intelligent customer service system .................................. 1 3.2 知识库 knowledge library ......................................................... 1 3.3 知识点 knowledge ... 4 6.3.4 意图识别 ...................................................................... 4 6.3.5 知识库 ........................................................................ 4 6.3.6 客服算法 ........... ... 8 9 知识库要求 .......................................................................... 8 9.1 通用要求 .......................................................................... 9 9.2 知识库架构要求 ......

问题解决型机器人，存在的目的是为了帮用户解决具体问题， 例如：售前咨询、售后报修、订机票、酒店、餐厅座位等等 需要提供给用户自己都不知道的信息 -- 知识库 1. 理解用户问题，知道用户在问什么 2. 将用户的问题转化为对知识库的查询 问题理解 查询知识库 构建知识库查询 多轮对话的上下文管理 提问：今天北京多少度啊？ 回答： 35 度 提问：有雾霾吗？ （北京有雾霾吗？） 回答：空气质量优。 回答：空气质量也是优。 结合上下文 聊天机器人解决方案 自然语言处理、文本挖掘、知识图谱 知识库中存储的是一对对的“问题 - 答案”对（ QA Pair ）。这些 Pair 可以是 人工构建的，源于客户系统或者旧有知识库的，也可以是从互联网上爬取下 来的。当用户输入问题后，将其和知识库现有的标准问题进行一一比对，寻 找与用户问题最相近的标准问题，然后将该问题组对的答案返回给用户。 个多了一个否定词） “ 关键词” 解决方案二 知识库中存储的不是问题 - 答案对，而仅存储答案（文档）。 当接收到用户问题后，直接拿问题去和知识库中的一篇篇文档比对，找到在 内容上关联最紧密的那篇，作为答案返回给用户。 用户问题 -> 答案 解决方案三 从用户的问题当中识别出用户的意图，并抽取这个意图针对的实体。 相应的，知识库内存储的知识，除了包含知识内容本身之外，还应该在结构

ChatGPT 的大型语言 模 型（ Large Language Models ， LLM ） ，是 一种由包含百亿以上参数的深度神经网络构建的 自然语言模型。 简单来说 ，大模型就像是一个拥有巨大知识库的 学者 ， 它通过阅读和学习大量的书籍（数据） 来掌握语言的规则和知识 ，从而能够在各种任务 中取得优异的成绩。 02 、大模型技术概 述 对话式交互会成为下一个具有超级增长点的交互方式 景 01 客服领域场景概述 02 大模型技术概述 03 大模型在客服领域的应用场景 04 某某银行的大模型客服助手实践 05 未来的发展方向 目录 CONTENTS 目前客服知识库的内容不够全面并且更新主要依靠人工 ，耗时费力 ，导致在线客服机器人的自助解决率较 低 ，增加了人工客服的工作负担和客户的等待时间● 客服效能面临多重挑战 电催的优秀话术提炼主要依赖于人工 筛选和总结 ，效率低下 ，且难以充分利用数据 潜力 知识库运营效率低成本 项目目标 打造“客服智能助手 ”赋能远程银行客户服务业务。按照通话前、通话中、通话后的端到端业务流程闭环 ，形成事前知识库运营 提效、事中副驾驶赋能、事后质检守护 ，助力客服工作模式和效率的全面升级。 通过实时理解对话情境和向量化的知识库， 利用检索增强生成技术（ RAG ） ，实时推 荐合适的话术 ，大幅提升了客服的效率和

句子语义编码 • 句子语义相似度计算 • 会话语义编码 • 会话语义相似度计算 • 搜索服务 • 聚类分析 • 分类、回归 • 推荐 智能 IVR 智能语音导航 智能外呼 智能电话营销 KM 知识库管理系统 YiConnect 在线客服系统 YiSee 智能质检中心 YiBot 智能客服机器人 功能特色 文本智能 - 应用组件 句粒度：成分分析、语义编码、语义相似度计算 Nature Language Understanding 用户会话理解 Session Manager 用户会话管理 中控 意图路由 融合排序 AIForce.Bot - 基础问答 l 动态知识库 l 长传意图理解 l 举一反 N h0 h1 B B X0 l 多层次深度学习，从句子的理解 上 升到对话的理解 YiBot ：复杂多轮问答优化 赎回到账时间 T+4 AIForce.Bot - 资料知识库 l 传统客服机器人采用一问一答知 识 库形式 l 结构化知识库方案 l 支持本地 KnowledgeBase 查询 和远程 DB 查询 YiBot ：结构化查询问答 实体抽取

成本：不需要投入千万、上亿资金，少量资金投入就可以 能力：不需要等待下一代AGI面面俱到的能力 响应：响应速度更快，用户体验更好 部署：可以私有化部署，保障政府企业数据安全 训练：不需要从头训练，只需要专业知识库或者微调就可以 人才：大模型训练复杂程度降低，对人才要求也降低 工具：已经有全套工具 走专业化大模型 之路，大模型落 地门槛大幅降低 从原子弹变成 「茶叶蛋」 52 政企、创业者必读 业务大模型 打造 构建 智能体 基于政府企业场景和专业 知识，利用数据工场、知 识工场、模型工场，训练 业务大模型 DeepSeek基座大模型 59 政企、创业者必读 关键基础之一：知识库打造 知识库打造是DeepSeek更懂企业的基础 知识自动汇集，不流失 多模态数据处理和理解 非结构化文档处理和理解 搜索，辅助内部办公和外部客户服务 为业务大模型RAG做准备 内部知识管理 连接企业内部传感器，感知理解知 识数据 流程 完成复杂繁琐的业务流程或重复的 工作流程 角色 定义智能体应扮演的特定的角色或任务 记忆 短期记忆、长期记忆 知识库 连接内部专有知识库，外部互联网 知识库 复杂推理 基于推理能力制定计划，在过程中 反思 工具 搜索、实时信息、数据请求、业务 系统 62 政企、创业者必读 智能体与企业数字化系统的关系 软件 工具

1、人工智能技术快速演进实现关键跨越 AI发展经历了三次峰谷，正在向人机协同为特征的具身智能3.0时代前进。大模型正在推动知识表示和调用方式 升级，改变未来数字发展的底层逻辑，通过“大模型+知识库”的方式重构传统数字化应用、赋能千行百业。 03 AI CITY 发展研究报告 AI Agent成为人机交互和产业应用的关键载体 AI Agent依托大模型在感知、认知、推理等方面的优势能力， 技术工具与基础设施范畴，成为AI CITY的核心生产 力，始终贯穿城市技术架构、应用场景、产业发展，推动各类AI应用在AI原生架构上自然生长。 下一代智慧城市的底层逻辑变迁： 通过“大模型+知识库”改造信息化系统，利用大模型的涌现能力、知识存储方式以及跨领域推理能力，基 于多个智慧场景生产出的高质量数据，训练人工智能模型，最终打造自感知、自适应、自决策、自控制、自 组织、自学习的城市智能体。 CITY的知识融合、模型驱动模式替代。 当前智慧城市“一网通办”“一网统管”“一网协同”的实现方式和实际效能也将发生质的蝶变。 2、传统智慧城市的应用为分立式，多个服务入口并存。AI CITY中统一的大模型底座、统一的知识库可重构 交互方式，支撑多个分立式应用集成为一个应用、一个交互入口。 3、传统智慧城市通过汇聚、融合、应用数据，在特定领域执行单一任务。AI CITY全量汇聚来自各领域的知 识，由知识直接面向复

全渠道客户服务 AI+ 客服 需求端：消费主权意识的觉 醒 71% 76% 75% 55% 55% 内部 管理 > 集团内企业众多，内部 业务咨询量大 > 企业人员快速增长，内 部知识库涉及财务、行 政、人事、商务、党建 等诸多知识 > 疫情期间，员工不定期 居家办公，沟通频率高 > 待办信息无法快速传达 到所有人 企业 运营 > 客服中心人工成本高位 运行 播报时无法自然衔接； > 知识库构建成本高，需要协调大量的人力进行知识库梳理， 后续知识维护也需要由专人负责 > 用户自然语言场景化提问，得不到机器人准确回复，多次沟 通无果，体验欠佳； > 用户得到机器人回复的答案过于标准化，缺乏情感变化，用 户与企业情感链接存在缺口 技术侧：底层技术不成熟，知识库构建成本 高 用户 企业 京小科智能客服场景化解决方案 坐席辅助机器人实时给出答案参 考 京小科客服机器人 电话 / 在线坐 席 2. 问答机器 人 核心业务系统 4. 无 法 理 解 3. 智能回 复 5. 在线应 答 1. 提出问 题 业务知识库 用户 编辑外呼 流程 配置呼叫 策略 语 音交互 语 音网 关 客户意向 分类 通话数 据分析 软交换 创建呼叫 任务 智 能外 呼平台 IIN 人工外呼结合 ASR

04 集团信息化数字化现状 金蝶合作项目分享 AI在项目上的应用 01 目录 24 结合AI的费用智能化应用架构 知识库 （RAG） 执行 运营 经营指标 风控指标 向量化 企业制度 知 识 运 营 数据权限 知识管理 知识运营 知识库 规则管理 行业库 ...… 业财 数据中心 数字员工工作台 费控应用 AI制单 规则引擎 图像识别 AI问答 制度问询 识可用性 知识体系 建立起一个科学合理、易于使用 的知识管理运营体系。 知识问答系统构建 依据高质量知识、完善的知识体 系，设计出高效、准确的知识检 索系统 基于自建知识库的智能问答 …… 预置QA2 知识库 用户提问 传统ChatBot 相似度 关键词 学习、理解 VS 传统问答模式下，知识运营人员需要梳理多年累积的 知识文档，花费大量时间形成预置QA问答题库。用户 提 知识问答，进行模糊性答复。 大模型+RAG模式下，知识运营人员直接上传知识文 档，无需预置问答。用户提问时，智能问答助手首先 理解用户意图，然后通过RAG从多个知识库中检索相 关知识并，并由大模型归纳成一段完整回答。 知识库 用户提问 大模型智能问答 预置QA1 …… 文档2 文档1 基于简易NLP的QA问答 基于大模型的问答助手 智 能 问 答 价值提升 知识沉淀成本更低

前台 专用金融场景 智能客服、智能投顾、智慧营销、智能助手、客 户获取、客户维护、客户跟进、智能话术、智能 投研、金融数字人 …… 中台 智慧风控、反欺诈、安全服务、自助分析、智能知识库 …… 后台 智能代码生成、智能运营、知识管理、人力管理、智能培训、文档处理 …… 大模型相关金融的应用场景 AIGC 在金融行业的应用场 景 保险 智能核保 智能理赔 银行 智能征信 智能调优 CT 设备 IT 设备 主动安全 安全感知 数据安全 网络安全 应用安全 保险行业智能化应用 代码生成 智能客服 内容生成 智能知识库 智能核保 智能理赔 智能风控 智能投研 大模型服务 提示词工程 预训练服务 微调服务 大模型评估 教育 企业 运营商 AI 助 手 自动智能 行业适配 模型集成 应用管理 知识库 推理服务 更 安全 更 灵活 更 高效 更 简单 生 态 伙 伴 + 新 华 大模型使能平台 模型层 11 三 AI 助手 请你请根据我提供的文件 ，汇总

11 ⼤模型及 DeepSeek 潜在应⽤场景探 索 DeepSeek 有哪些应⽤场景？能产⽣哪些价值？ DeepSeek 会给医药企业带来哪些变化？ • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 多源信息来源 • 互动性、个性 化 患者流程 • 内容⽣产辅 助 • 管理营销素 材 • 营销内容策 划 • 患者招募 • 试验设计优 辅助⽣成内容的基础⼤纲， 可进⾏⼈ ⼯调整或细化 整合联合搜索 + 企业知识库 • 基于已确定的创作模式、标题、⼤纲， 补全正⽂ • 可限制内容素材均来⾃企业知识库，保 证专业度与合规性 多渠道营销：借助⼤模型，提⾼合规内容⽣产与互动效率 23 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 ⾃动学习理解企业信息，强化掌握知识要点关联 • 准确率更⾼，模型幻觉更低，更适合⼯作场景严肃问答 • 知识获取可融⼊⼯作流程（如财务报销），让知识可即时取⽤ 企业 AI 知识库：打造企业版 ima ，提升内部流程效率 ⽀持多格式知识沉淀，打破知识分散困境 “理解准”、“检索准”、“回答准” 26 遵循⽤户指令，进⾏各种场景的⽂本创作