大模型知识引擎产品及应用实践总结
一、大模型知识引擎产品介绍
- 产品定位：大模型应用开发平台，提供RAG、Workflow、Agent等开发方式及原子能力（API）服务，加速大模型应用落地。
- 核心能力：
- RAG效果：图文混排文档问答、复杂大表问答等领域效果领先，支持元器、元宝调用。
- 工作流：新版支持14个常用画布节点，通过拖拽方式编排业务流程，支持多参数提取和澄清。
- 模型驱动：自研混元全系列模型+开源DeepSeek R1/V3模型，兼顾性能与成本。
- 应用模式：工作流模式、Agent模式等，满足多样化需求。
二、客户落地实践案例
应用一：企业行政问答小助手
- 场景：解决新员工对IT/HR/财务等制度的咨询问题。
- 痛点：重复咨询量大、知识沉淀不足。
- 方案价值：
- 员工咨询量提升53%，满意度91%。
- 转人工率从73%降至32%。
应用二：机构业务员专业知识问答助手
- 场景：保险业务员需查询海量内部/外部规范文档。
- 痛点：人工问答对生成工作量大，传统机器人召回率低。
- 方案价值：
- 知识生成时间缩短至5分钟，答案召回率100%，准确率89%。
应用三：保险经纪人消息质检提效
- 场景：抽检记录判断是否存在违规言论。
- 痛点：传统质检效率慢、准确率低。
- 方案效果：质检准确率95%以上，流程提效。
应用四：保险建议书高效生成
- 场景：基于客户信息推荐产品并生成建议书。
- 痛点：人工查询校验效率慢，格式不标准。
- 方案：通过工作流自动完成信息搜集、风险分析、产品推荐、校验及输出。
三、大模型场景落地难点
- 知识获取：企业知识篇幅长、类型多样（事实性、概念性、程序性），更新快。
- 知识格式：图文表混排，元素复杂，处理难度高。
四、产品优势
- 多模态知识处理：全链路解决图文表混排知识处理难题。
- Text2SQL：支持上万行/列大表问答，SQL执行准确率超80%。
- 不规则表格问答：综合摘要、关键词、向量检索提升准确率。
- 问答精确性：支持无关知识拒答、模糊问题澄清。
- 复杂业务流程：可视化拖拉拽编排，10+画布节点，执行准确率领先。
- Agent模式：自主规划任务、调用工具、主动纠错。
- 安全防护：数据隔离、网络隔离、加密、权限控制、审计监控。
五、更多应用场景探索
- 金融舆情摘要与生成
- 投顾服务
- 投研服务
- 大模型辅助车险评残业务
六、研究结论
大模型知识引擎通过RAG、工作流、Agent等能力，有效解决企业知识处理难题，提升问答准确性与效率，已在行政问答、业务辅助、质检、流程自动化等领域落地，展现出显著的业务价值。未来可进一步拓展金融、保险、车险等垂直场景应用。
