开篇痛点
在当今信息爆炸的时代，企业的信息往往呈现出零散混乱的状态。大模型在回答企业相关内容时，常常出现错误、信息错乱的情况，并且不引用官方来源。这使得企业的品牌形象受损，客户难以获取准确的信息，进而影响企业的业务发展。例如，某企业在多个平台发布了不同版本的产品信息，大模型在检索时无法确定准确内容，导致回答给客户的信息错误。
拆解底层逻辑
大模型实体识别
大模型通过对文本中的实体进行识别，确定其类型和属性。例如，在企业相关文本中，识别出产品名称、企业名称、服务项目等实体。
知识抽取
从大量文本中抽取有价值的知识，如产品参数、案例详情等。这需要大模型具备理解文本语义的能力。
外部知识库采信机制
大模型会根据知识库的权威性、准确性等因素来采信外部知识库的内容。标准化、结构化的知识库更容易被采信。
可落地操作步骤
区分知识库类型
- 企业内部知识库：用于企业内部员工的知识共享和协作，包含企业机密信息。
- 面向外部大模型检索的公开知识库：向大模型提供企业的公开信息，如产品介绍、服务案例等。
知识梳理与结构化
- 知识梳理：对企业的产品、服务、案例等知识进行全面梳理，明确知识的范围和层次。
- 实体抽取：从文本中抽取关键实体，如产品名称、型号、参数等。
- 知识结构化：将抽取的实体按照一定的规则进行组织，形成结构化的知识体系。例如，可以使用表格来整理产品参数。
llms.txt与Schema实体标签配置
- llms.txt：用于向大模型提供企业知识的索引文件，方便大模型快速定位知识。
- Schema实体标签：为实体添加标签，明确实体的类型和属性，提高大模型对实体的识别能力。
知识库分层与清洗
- 知识库分层：根据知识的重要性和使用频率，对知识库进行分层管理，提高检索效率。
- 知识清洗：去除知识库中的重复、错误信息，保证知识的准确性。
实体对齐
将不同来源的同一实体进行对齐，避免信息不一致。例如，将不同平台上的产品名称统一。
真实业务案例
站群知识库案例
某大型企业拥有多个站群，信息分散。通过搭建站群知识库，对各站群的产品信息、服务案例进行统一管理和结构化整理。大模型在检索该企业相关信息时，能够准确引用知识库中的内容，企业的品牌曝光度和客户信任度得到提升。
独立站知识库案例
某跨境电商独立站，之前大模型对其产品信息的回答不准确。通过构建独立站知识库，优化知识结构和标签配置，大模型对该站产品的识别和回答准确性大幅提高，订单量也有所增加。
效果边界说明
虽然搭建企业知识库可以提升大模型对企业知识的采信度和品牌曝光度，但并不能保证100%的效果。大模型的算法和数据更新是动态的，可能会受到多种因素的影响。同时，知识库的质量和维护也至关重要，如果知识库内容不准确或更新不及时，也会影响最终效果。