企业软件与AI原生应用.pdf

企业软件与AI原生应用.pdf
这份文档总结了2024 AI+研发数字峰会中关于企业软件与AI原生应用的主题内容,主要围绕以下几个方面展开: **1. 应用形态的变革趋势:** * **回顾了应用形态的演进历程**: 从DOS、Windows、Web到移动互联网,最后进入AI原生应用时代,展示了技术发展对应用形态的影响。 * **传统应用与AI原生应用的对比**: 传统应用侧重预设UI/UE和设定的代码/配置,而AI原生应用更关注交互体验(开放的Chat体验)和流程的Agent编排,从面向流程到面向目标。 **2. 大语言模型落地策略:** * **LLM基础模型**: 介绍了通过提示词工程获取想要结果的方式。 * **RAG检索增强**: 强调了通过引入检索增强机制,为LLM外挂专业知识与私域知识。 * **Agent智能体**: 提出了构建智能体,基于用户目标分解并规划任务执行。 * **Multi Agent**: 展示了构建多智能体系统,协同工作,处理复杂任务,解放生产力的潜力。 **3. RAG实践的知识问答:** * **畅捷通小畅助手为例**: 介绍了基于RAG技术的企业级知识问答助手,强调了产品更易用和客服更智能的特点,以及产品、生态和侧边栏应用的功能。 * **平衡开放与封闭**: 探讨了LLM输出幻觉问题以及如何期望输出可控,以确保回答的质量。 * **整体流程设计**: 提问前引导、输入中处理、解答中优化和解答后反馈的整体流程。 * **RAG整体方案**: 索引+生成流程,包含分块策略、语料自动整理与生成、语料评级、结构化索引等索引阶段,以及情绪判断、精确匹配、Query改写等生成阶段,以保证RAG的质量。 * **实际落地 - AI应用流程编排**: 通过流程图展示了AI应用流程编排的细节,例如,判断用户问题是否负向情绪,以及是否在提问,对问题进行判断回复或转人工,流程的完善。 * **评估方法**: 展示了自动评估与人工评估结合的评估方法,用于衡量AI助手的效果。 **4. Agent开发平台搭建:** * **Agent的核心逻辑**: 以Agent为核心,结合Short-term memory和Long-term memory、Tools和Planning,构建具有自主理解、规划、记忆和使用工具能力的系统,实现自动化完成复杂任务。 * **Tools + Action**: 说明了技能声明与实现的关键,包括RAG知识和技能(API后端、API前端、应用/工作流)。 * **技能声明的OpenAI规范**: 介绍了使用json-schema定义技能的结构,包括函数名称、函数描述、入参声明等。 * **后端API规范**: 介绍了OpenAPI 3.0规范,包括简介、接口描述、入参说明、响应格式,以确保API的标准化和易用性。 * **后端API的实现方法**: 声明(OpenAPI转化为函数声明三要素)和实现(Python Requests) * **前端API的实现方法**: 描述了前端、后端、LLM、Redis之间交互的流程,如任务分解、前端函数调用、结果返回。 * **RAG & 应用/工作流**: 方法命名、参数说明、方法说明三要素。 * **Agent节点支持能力**: 展示了Agent节点在流程编排中的功能,并说明了Prompt词、工具集、前端函数等相关能力。 **5. Agent应用开发实践:** * **POC展示**: 以Agent起航的POC为例,展示了操作区和智能区的功能,以及Agent的实际应用效果。 * **研发助手**: 结合研发场景,强调了研发助手的功能,并列举了研发助手可以解决的痛点问题。 * **内部提效实例 - Code Review**: 通过GitLab、LLM、Sonar检测和API结合,实现代码审查自动化的案例,提升了代码审查的效率和质量。 **6. 企业软件的新方向:** * **语音开单 - 流程编排**: 演示了语音开单的流程,展现了AI在简化操作、提高效率方面的应用。 * **图片开单 - 流程编排**: 展示了通过图片识别,自动录入信息的流程,进一步提高了效率。 * **重构企业软件形态 - 三位一体协同**: 强调了业务、数据、智能的协同,以实现更高效的企业软件。 * **重构企业软件形态 - 三位一体协同示例**: 通过销货单的例子,展示了业务场景、业务洞察、业务协同和业务智能的结合。 * **总结**: 强调了AI原生应用时代,知识问答、Agent节点、API技能接入,以及三位一体协同的重要性。
下载完整报告 | 14.56 MB | 46页
阅读和下载会消耗积分;登录、注册、邀请好友、上传报告可获取积分。
成为VIP会员可免费阅读和下载报告