课程 ID: 18392
描述:
话题概述:
随着大模型技术的演进，大模型在企业级私域的落地，为企业创造价值，成为一个热门的话题；目前企业中已经存在许多智能助手，用户往往会头痛于选择哪个助手帮助自己完成对应的任务。因此作为北京兴云数科的AI团队，拥抱大模型的我们探索出了一条LLM在企业私域领域中的应用场景：利用LLM实现意图识别大脑，为各个子领域Agent实现意图分流分发总结，打造企业级统一个人助手。在本次分享中，我们将会从企业痛点、实现细节、终态方案等方面详细介绍我们基于LLM的意图识别任务方案，同时也会详细介绍我们的演进方向与和踩过的坑和对未来的思考和展望。目前我们的意图识别已在全公司上线，为全公司6W+员工实现每日的意图分流工作，实现了个人与多Agent的交互，提升使用便捷性与用户满意度。
演讲题纲:
基于LLM的企业级意图识别大脑 一、引言 - 介绍大模型（LLM）技术的发展趋势 - 说明企业级私域应用的兴起及其价值 - 引出企业在使用智能助手时面临的挑战 二、企业的痛点与挑战 1. 智能助手碎片化 - 企业内部存在多个智能助手，各司其职但难以协同 - 用户需要手动选择合适的助手，增加认知负担 2. 交互体验不统一 - 每个智能助手的交互方式不同，导致使用门槛高 - 用户需要学习多个助手的操作逻辑 3. 任务分流效率低 - 任务流转缺乏智能化，容易导致效率低下 - 任务错配，影响用户体验 三、我们的解决方案——LLM意图识别大脑 1. 核心理念：打造企业级统一个人助手 - 统一智能助手的接入方式 - 通过意图识别精准分发任务，提高匹配度 2. 技术架构 - 意图识别层：基于LLM，解析用户的任务意图 - 任务分发层：匹配最合适的Agent，智能调度 - 用户交互层：统一入口，提供一致的交互体验 3. 关键技术实现 - LLM如何进行意图理解与分类 - 任务分流逻辑：如何匹配最适合的Agent - 多Agent协作的优化策略 四、落地情况与成果 1. 公司内部应用情况 - 已在全公司6W+员工中上线 - 每日进行大规模的意图分流 2. 效果提升 - 提高任务匹配准确率，减少用户选择难度 - 增强使用便捷性，提高用户满意度 五、演进方向与经验总结 1. 方案的持续优化 - 进一步提升意图识别准确率 - 让助手具备更强的自主学习和个性化能力 2. 踩过的坑与经验教训 - 训练数据的挑战：如何优化数据质量 - 多Agent协同的难点与优化方案 - 用户接受度的问题与解决方案 3. 未来展望 - 结合多模态能力，让意图识别更加精准 - 向外部生态拓展，打造开放的企业AI助手体系 六、总结与Q&A - 回顾LLM在企业级私域落地的价值 - 总结意图识别大脑的核心作用 - 互动问答，解答观众疑问。
话题亮点：
1、业界独有的私域多意图分流决策解决方案； 2、解决私域与公有域信息冲突问题； 3、私域LLM的精调之路；