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