「模」式 再造，开启智能应用新篇章

11月23日，中关村科金在北京举行“重构未来，产业智能跃迁”2023大模型产业前沿论坛，正式发布国内首个企业知识大模型、AgentGraph应用开发平台，以及“超级员工”助手系列AIGC应用，为企业提供开箱即用、系统无缝衔接、成本可负担的专属领域大模型服务。

中关村科金资深AI产品总监曹阳现场分享了《「模」式 再造，开启智能应用新篇章》主题演讲。

本文对曹阳的演讲内容进行了编辑整理。

“模式”一直是行业热词，如商业模式、产品模式、业务模式。大模型又将为当前的各种模式带来哪些变化？希望通过我的分享，可以帮助企业在模式驱动的时代中，找到快速前行的捷径。

全新的智能应用范式，企业“超级员工”助手

中关村科金深耕企业服务领域，构建了完善的营销服全链路产品线，基于企业知识大模型，对相关产品做了全新升级，覆盖6大核心场景，包括培训助手、合规助手、服务助手、营销助手、写作助手、数据助手等，构成了企业“超级员工”助手。基于全新的智能应用范式，中关村科金希望赋能、服务、链接每一位员工。

培训助手

基于不同形式的培训材料和培训要求，利用知识大模型快速抽取培训内容，针对学员能力画像，生成个性化陪练脚本，让学员随机遇到问题并灵活解答；既保证覆盖当前培训场景核心内容又能基于学员短板进行提升；通过数字人交互练习，在实际演练中提升学员的应变能力及专业能力。

营销助手

针对财富业务场景，营销助手通过构建用户画像，提供包括用户基本画像和深层画像、投资经历、关注竞品、投资预测等数据信息，深入理解客户的投资需求。随后基于用户画像构建销售策略，结合大模型的生成提示能力，按照业务预先设定好的SOP执行任务，根据每个SOP对应节点选取的业务专家梳理的限定词，最终为客户生成专业、客观的投资建议和产品营销方案等。并且大幅减少理财师手工撰写文案的工作量、提升理财师单兵效能，同时帮助客户更好地做出投资决策。

服务助手

服务助手利用大模型能力能够帮助提升政府服务效率（包含政务服务大厅客服服务、医保局客服服务、警务客服服务）。除了常规的话术辅助外，利用大模型的语义理解能力，服务助手还能帮助客户自动查询各类信息、自动抽取客户输入的信息，以及自动生成会话小结，极大的节省客服的查询、录入信息等工作上的时间花费。在此场景下，大模型预计能够降低客服系统超过70%的运营工作量。

合规助手

企业对外发布的公文素材、视频、音频内容都需要做合规审核，合规助手能够基于对话要求快速制定质检规则、辅助实现智能化审核，对发布材料中是否涉及敏感词、违规用语做检测，确保发布内容合规，并提升质检更新的效率。

写作助手

写作助手具备多风格文本写作、创意文案生成、智能摘要和待办生成、多语种翻译能力，具体表现为通过企业各类文档的模板进行定制化训练，可以进行模仿写作，快速生成特定文风的文档；根据指定的主题和关键词，自动生成多种相关的创意方向，大幅提高创意工作阶段的生产效率；将长篇文本自动提取出关键信息并生成简短的摘要，同时根据用户的需求和偏好，自动生成待办事项列表；利用大模型的翻译能力，能够精准地进行多语种的翻译，实现语言沟通无障碍。

数据助手

基于三大能力实现六大功能。一是基于NL2SQL的智能取数，利用自然语言处理技术将用户的自然语言查询转换为SQL命令，实现直观高效的数据提取。二是基于机器学习的智能数据分析，应用先进的机器学习算法对数据进行深度分析，提供模式识别、预测和洞察。三是基于大型语言模型的对话交互，通过自然语言交互界面，使用户能够以对话形式进行复杂的数据查询和分析。

提升知识效用新高度，ChatPilot大模型知识助手

中关村科金一直致力于服务企业数智化转型，在大量的项目交付中，我们深刻体会到知识在各类企业智能化产品服务中的重要地位，属于关键的核心要素，如培训手册、营销SOP、产品文档、客户对话数据等，知识在很大程度上影响着系统在客户项目落地的最终效果。

知识是企业的核心资产，是助力客户、员工、企业成功的关键要素。怎样才能利用好知识资产？要回答这个问题，首先需要定义知识利用好坏的指标，因此我们提出了知识效用公式，知识效用=知识利用率x知识利用深度。

根据相关统计，当前企业数据只有26%被有效利用，而传统的企业知识库、QA型知识库、知识图谱等知识利用方式，都存在着不同问题，制约着知识利用的深度。

而大模型技术变革为我们带来了全新的知识应用「模」式——基于大模型的统一知识库，结合传统的企业知识库或原有技术方案，融合LLM，可以将知识效用推到全新高度。 

为此我们推出了具备四大核心能力的ChatPilot知识助手。

• 一是文档和数据库问答，无论是PPT、Excle、Word等常见文档，还是数据库对接问答，均可实现；

• 二是网络搜索问答，基于开源的网络搜索或者指定搜索范围，进行网络搜索问答；

• 三是内容抽取、总结，基于全文内容或指定内容进行抽取和总结；

• 四是智能文档管理，提供丰富的智能化文档管理能力，对文档自动打标、自动分组，根据用户的权限实现文档数据的权限隔离。

 中关村科金希望可以通过ChatPilot知识助手唤醒企业的知识财富，赋能十亿知识工作者。

我们已经在销售、服务、运营、研发、企业OA等多个场景实现了真实的业务落地，许多场景产出和效率提升明显。具体的实现方式为，通过统一知识库、多模态数据解析和基于大数据的问答链三位一体的组合式AI形式，解锁企业知识效率。

ChatPilot知识助手支持组织内部构建知识库，同时支持与个人数据库进行融合，无论本地、在线数据库都可接入到同一个知识库中，对接入的数据进行多模态的文档解析。

知识本身数据的好坏，很大程度上影响着大模型知识问答最终的生成表现。所以我们在多模态文档解析能力上持续深耕，基于技术经验和百万数据，对不同的文档类型和文档内容，进行不同的精细化调优和问答优化。

我们拥有完善的文档版面识别能力，可以识别15种版面类型，其中文本、表格、图表、公式等5类，可以结合相应的模型进行针对性解析。

数据解析完成后，在问答链环节，基于不同的文档内容，选用不同方式对文档数据进行切片，如句子、语义、段落或者语言，同时进行信息增强，如加注释、进行结构化，让大模型更好地理解文档内容。

切片后再通过不同的模型构建索引，形成库。当用户提出问题后，基于四百多类的对话任务链、提示链和思维链，对数据进行多级、多路的召回，之后重排重组召回结果，让大模型更好地理解。此外我们还会构建完善的运营监控平台，由人工弱介入对负向的case进行纠正，实现全链路的闭环反馈。

中关村科金拥有丰富的解决方案能力，可以将大模型知识助手融合到不同的解决方案中，满足企业多样性的需求。

分享两个案例：

一是某金融客户基于大模型的智能陪练应用案例。我们将各类知识结合客户业务要求，对知识大模型进行了领域微调，产品应用融合知识助手和营销助

手，使销售在用中学，在学中练，一改以往的陪练形式。

二是某政府客户基于文本机器人+大模型知识助手的方案。客户面对的主流场景为城市大脑数据库、应急救灾和政务服务，通过对文档智能解析、打标进行分类，结合辅助权限进行数据隔离，提供网页、H5、小程序、一体机等多渠道服务应用落地。

开启企业数智化转型新通路，Agentgraph大模型应用开发平台

无论是超级员工还是知识助手的实践，都不是一帆风顺的，甚至可以说是荆棘密布。这一年，我们遇到了数据、模型、工程等一系列问题，可以称作是“挑战不可能三角的一年”，因为成本、效率、效果是各类生产活动和社会商业活动中面临的普遍问题，但在AI应用中尤为明显。

相较于传统应用，即使在同一场景中，AI应用也会随着客户的数据（数量、质量）、效果要求（发散、严谨）等有很大差异，且交付落地周期也会有很大波动。

比如我们优先考虑成本、效率问题时，可以考虑设计一个demo进行验证，但这个场景可能不够完善，测试过程中出现客户不满意甚至流失的情况；但如果我们倾向考虑效率、效果问题，就需要定制开发，成本很高，而且即使同类场景，不同客户的需求差异性也很大。

我相信很多同类厂商或者是甲方科技团队自研也会遇到同样的困境，如何破局呢？延续我们「模」式再造的思路，以及一年来的实践经验，中关村科金的破局之策是推出Agentgraph——成本、效率、效果的最佳平衡解决方案。

组建化、可视化、敏捷化和生态化是我们的实现路径。按照通用认知，Agent需要具备环境感知、任务规划、任务执行的核心能力，虽然Agent不是新概念，但它一直承载着人类通过自动化工具完成工作的理想。

而大模型的理解和逻辑能力，对Agent任务理解和规划进行了全新赋能，使Agent的规划能力产生了质的提升，相当于为Agent装上了智能化程度比较高的大脑。

因此这个理想被点燃了，我们也为此推出Agentgraph大模型开发平台，通过交互组建、流程发布、AI、系统工具和数据组建，在Agent拥有智能大脑后，进一步装上手和脚，配上了工具，极大地提升了Agent在任务处理方面的能力和边界。

通过组建的串联形成链，通过链的组合构建Agent，通过多个Agent的任务协同形成应用处理的核心能力，通过低代码的应用架构实现应用系统，最终形成AgentOS。

这个过程依然是基于组合式AI的思路，实现结构化和非结构化代码技术方案。底层的Agent能力相对原子化，通过不同的Agent组合构建不同的应用系统，最终实现基于Agent的应用生态。

未来，我们计划构建相应社区和开源，与行业共创、共建和共享大模型繁荣生态；也将推出SaaS化的生态版本和面向大客户的企业私域化版本。

Agentgraph能力全家桶，开启企业数智化转型新通路。我们提供了7大类、200+组件，从数据处理、AI能力、到系统工具全面涵盖，满足对能力的常见诉求。

同时，我们支持开放组件接入，兼容langchain、llamaIndex、Semantic Kernel等主流开源框架，客户基于这些主流框架搭建的应用可以快速迁移和兼容，降低使用门槛。如果客户有自己的算法或者系统能力已经有api、或者第三方api，都可以通过我们的创建组件功能，快速接入。

此外我们还提供了50个常见应用模板，方便大家开箱即用；如果客户有其他的扩展需求场景，我们还提供了8类交互能力，实现快速拼装应用落地。

对于Agent的搭建，我们提供可视化、友好的流程编排画布，对于Agent要用到的大模型能力，我们也通过了大模型服务，接入了国内外主流的大模型，提供多样性选择。

基于实用性的思路，我们提供Agent能力封装api，可以直接调用、单独使用；考虑到应用场景的多样性，我们也提供了多源数据接入，常见文档、网页、OA系统数据统统一键接入；同时，我们也提供完善数据管理服务。最后，Agentgraph融合了我们已有的低代码平台，支持上层应用拖拽式搭建，一站式完成应用开发。

总体来说，Agentgraph是一款提供开放大模型调用、可视化任务流程编排、AI及系统工具组件、数据处理及存储、低代码应用构建、监控运营的一站式、全链路大模型应用开发平台，为企业个性化大模型应用提供快捷、高效、安全的解决方案。

Agentgraph承载着中关村科金科技人的理想，我们希望通过Agentgraph给大模型装上操作系统，实现1+1=N，快速让企业实现chatbot对话机器人、分类打标、写作、数据分析等各类AI应用，让大模型的红利惠及1000万中小企业。

目前中关村科金ChatPilot知识助手和AgentGraph应用开发平台已开放申请，欢迎大家扫码体验，免费试用！