大模型B端商业化落地为什么瞄准企业知识库

📍一、为什么大模型B端商业化瞄准了知识库 对于中大企业，特别是万人以上的，部门繁多，知识散落，知识散乱人员流动较大，知识资产无法沉淀，无形降低企业的运行效率，增加企业的教育成本，企业各种知识文档叠加大模型无疑在商业化层面是相对容易实现的，这种提效很明显 😭但是....还是想泼一盆冷水，也是昨天和一位AIGC产品讨论的一个话题，主要有几点 📍二、企业智能知识库落地的几点挑战 1⃣️知识碎片化 知识碎片化主要体现在两个方面，一个方面是企业的数据非常分散，如 OA 系统的数据有不同部门的、不同团队的。另一方面，这些数据基本上都是以非结构化形式去提供的，比如 Word、PDF、图片、视频等。在知识管家建设的过程中，如何把这些知识碎片化的信息快速集中，是面临的第一个挑战。 2⃣️信息过载 3⃣️数据安全风险 4⃣️知识共享交流难 📍三、构建的流程如何？ 1⃣️数据收集层 2⃣️数据处理层 3⃣️逻辑交互层 智能问答交互的过程：在用户提出问题后，首先借助智能助手把问题向量化，再去数据库做语义的检索，得到关联这个语义相近的文章上下文，通过上下文结合提示词，经过大模型的推理，最终得到答案的返回。整体过程是一个不断迭代和反馈优化的过程，只有这样才能得到基于企业私域数据上的专属智能专家角色。 📍四、更多细节 1⃣️ 数据ETL处理pipeline 2⃣️向量化存储 3⃣️对话流程的pipeline 4⃣️模型微调 5⃣️迭代与反馈