方案概述
中央企业人工智能专题推进会上,国务院国资委党委书记、主任张玉卓提出的央企要把发展人工智能放在全局工作中统筹谋划,深入推进产业焕新,开展 AI+专项行动,强化需求牵引,加快重点行业赋能。传统国央企企业内部数据种类较多,结构化、非结构化及半结构化数据均有涉及,在进行领域知识查询时效率低下。本方案基于大模型技术构建企业知识中台,可以对企业内各类数据进行智能分析,包括供应链、营销、生产制造、财务等各个环节数据,都可以使用智能问数方式进行处理。
业务挑战
- 数据种类多:结构化、非结构化及半结构化数据均有涉及。
- 领域知识深:相关数据与领域知识深度结合。
- 业务需求专:业务痛点与业务需求专业度要求较高,需对相关业务有一定了解。
方案架构
整体架构如上图所示,为了解决业务痛点,实现基于多模态数据的智能问答和审计场景,构建基于大模型的知识中台,一方面提供多模态引擎,解析多模态数据为上层智能场景建设提供数据支撑;另一方面基于知识中台,构建智能问数能力,在实现中有如下主要组件:
- 数据源配置,支持各种数据源的配置,可以将元数据自动接入。
- 支持元数据管理,可以对元数据拉取、展示,并且自动补齐。
- 多模态智能引擎,可以存储各类多模态数据、对话记录以及CoT示例。
- 配置管理,可以管理各类配置信息。
- 核心解析过程,可以支持对于text2data核心链路解析,包括text2sql、text2graph、校验、执行、推理过程可视化、以及展示可视化等能力。
方案优势
- 与已有系统解耦,支持对接多种业务系统;支持已有客户数据系统,不管是关系型数据库,还是BI以及报表系统,智能问数系统都可对接。
- 支持元数据补齐,可以自动拉取元数据,并且利用大模型进行智能补齐。
- 快速灵活的配置,通过用户快速设置提示词,给出CoT示例,可以快速提升效果;灵活的Prompt和CoT配置,极大提升效率。