大模型知识引擎产品及应用实践总结
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：知识问答部分领域效果领先，擅长图文表解析及公式解析，支持元器、元宝调用。
- 工作流：支持14个常用画布节点，通过拖拽方式编排业务流程，实现复杂应用构建。
- 模型驱动：自研混元全系列模型+接入DeepSeek R1/V3开源模型，兼顾性能与成本。
应用模式
- 标准模式：稳定可靠，满足通用需求。
- 工作流模式：支持定制化流程编排，解决复杂业务场景。
- Agent模式：大模型自主规划和工具调用，提升交互灵活性。
落地实践案例
案例一：企业行政问答小助手
- 场景：解决新员工入职咨询量大、知识沉淀不足问题。
- 方案价值：
- 员工咨询量提升53%。
- 新员工满意度91%。
- 转人工率从73%降至32%。
案例二：机构业务员专业知识问答
- 场景：解决业务人员知识查询效率低、应答内容不一致问题。
- 方案价值：
- 知识生成时间缩短至5分钟。
- 问题答案召回率100%，准确率89%。
案例三：保险经纪人消息质检
- 场景：提升保险经纪人消息质检效率与准确率。
- 方案价值：
案例四：保险建议书生成
- 场景：解决业务人员手动查询校验效率低、格式不标准问题。
- 方案价值：
应用落地的难点
- 知识获取：企业知识输入篇幅长、多样化，垂直场景知识更新快，细分场景理解难度高。
- 知识格式：企业知识库格式多样、图文并茂，多模态知识处理复杂。
产品优势
- 多模态知识处理：全链路解决企业知识处理难题，提升问答体验。
- Text2SQL：支持上万行/上百列大表问答，SQL执行准确率超80%。
- 不规则表格问答：综合使用摘要检索、关键词检索、向量检索，提升准确率。
- 问答精确性：支持无关知识拒答、模糊问题主动澄清。
- 复杂业务流程：可视化拖拉拽编排，零代码构建业务流程，执行准确率领先。
- Agent模式：大模型自主拆解任务、规划路径、调用工具，主动纠错。
- 安全防护：数据隔离、网络隔离、数据加密、访问权限控制、安全审计监控。
更多应用场景
- 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
研究结论
大模型知识引擎通过RAG、工作流、Agent等能力，有效解决企业知识管理、业务问答、流程自动化等难题，已在金融、保险等行业实现落地，显著提升效率与准确率，未来可拓展更多行业应用。
