2024中国“大模型+知识管理”最佳实践案例TOP15重磅发布

下载完整版榜单

01

大模型时代，企业将重新定义知识管理

知识管理是对企业知识资产进行规范化管理和使用的一种业务流程，是企业发展的基础。

优秀的企业一定非常擅长做知识管理，善于将业务高手脑子里的隐性知识提炼成企业的显性知识，将标杆的成功要素解构出来，提炼成标准化的“套路”，并存进企业的“知识银行”。

大模型与企业知识管理场景之间存在天然的契合度，大模型的核心能力——处理、理解和生成大量数据信息，恰好满足了企业知识管理的需求。大模型技术的不断进步使得知识管理成为企业关注的焦点。当前在探索大模型应用的过程中，很多企业都将知识管理作为了大模型的重点探索场景之一。

知识管理的三个关键能力为知识的获取、检索和分享，大模型对企业知识管理的赋能围绕这三个关键能力展开，使企业能够更加方便地从知识资产中获取最大的价值并促进创新和改善决策制定的过程。

（1）大模型将促进知识获取

知识获取是知识管理的基础，也是知识管理面临的最大挑战。企业内经验丰富的业务专家一般很忙，没有时间坐下来将自己辛苦积累的专业知识形成文档，大模型可以从会议以及其他的对话交互内容中提取知识资产，从而提高知识获取的效率。

通过使用企业现有的显性知识资源，如知识库、企业智库或任何其他形式的内容存储，可以进一步推进知识获取。

检索增强生成（RAG）使用搜索引擎查找和检索企业资源，然后将其作为prompt的一部分传递给大模型，同时附上如何处理这些内容的指令。这样，整个企业的知识资源都可以作为训练大模型的语料。RAG还可以用于保证知识资产的时效性，当有新的、可用的知识资源时，可以通过RAG将其与原始内容重组后一起传递给大模型，以便于大模型进行知识更新。

（2）大模型将优化信息检索准确率

信息检索系统是信息获取的主要手段之一，也是企业对话、问答、推荐系统的重要组成部分。

在企业信息检索系统中使用大模型的一个主要方法是通过上下文学习（ICL）。信息检索系统的四个关键组成部分为查询重写器、检索器、重新排序器和阅读器。大模型与企业信息检索系统的结合如下所示：

• 查询重写器：通过修改用户查询，提高查询精准度和表达能力。传统的重写器通过预定义规则修改查询以更紧密地匹配用户意图。大模型通过大量的文本数据并学习更加微妙的查询和文档表示，充分捕捉用户意图的微妙细微差别，增强查询重写能力。

• 检索器：检索器作为第一遍文档过滤器，收集广泛相关的文档以满足用户查询。大模型在语言理解、文本生成和推理方面展现出的能力将提高检索器的语义能力，识别复杂用户意图。

• 重新排序器：重新排序器是信息检索中的第二遍文档过滤器，旨在基于查询-文档相关性对检索器检索到的文档列表进行重新排序。大模型可以通过整合大规模数据集、为排名提供解释、提高可解释性等方式进行文档重新排序。

• 阅读器：基于文档语料库生成自然语言响应。通过持续向大模型提供文档，最终生成的答案可能比原始检索列表更准确和信息丰富。

大模型还可以通过多种方式提高信息检索系统的容错性。第一，大模型可以比传统方法更准确地检测和诊断故障；第二，大模型可以更快速、高效地从故障中恢复；第三，大模型可以主动防止故障发生。因此，大模型可以提高信息检索系统的可靠性和可用性。

（3）大模型使知识共享变得更加可行

企业大部分的知识都存在于员工的头脑中，如何将这些知识分享出来是企业在组织层面始终面临的挑战。企业知识管理活动的重点一直是获取、存储和检索以文字、数据等形式存在的显性知识，而往往忽视了人与人之间直接或间接的知识共享。

建立和维护帮助员工找到彼此进行知识共享和合作的专业知识目录一直是企业知识管理领域的难题，大模型的出现将改变这一现状。

虽然大模型本身是一个黑匣子，但可以通过提示词的设计引导模型输出，使得大模型具备强大的自然语言处理能力，包括分类、提取、生成和总结，这些能力正是维护专业知识目录所需要的能力。

02

2024中国“大模型+知识管理”最佳实践案例TOP15

03

入选案例介绍

案例方/供应商：博世华域/鼎捷软件

应用领域：制造

案例详情：

鼎捷软件为博世华域提供了一款基于GPT的智能知识管理平台，具有自动采集和解析大量文档的能力，生成全面的企业经验库，并针对8D文档中需要横向展开和标准化的部分设计专门流程，实现问题解决后经验库中文档的实时更新。通过ChatFile等GPT应用，员工可以以自然语言的方式与文档知识进行互动，进一步方便知识的传播和分享。

入选理由：

• 本案例采用大小模型协同的解决方案，小模型负责传统AI技术，如意图识别、经验抽取、实体抽取、自动标签等，大模型则负责智能问答、多轮交互人机协作等，不仅提高了处理效率，也保证了处理结果的准确性；

• 通过人性化的交互方式，员工可以自然地与文档知识进行交互，为企业创造智能的知识管理模式。

案例方/供应商：唱吧/智齿科技

应用领域：IT/互联网

案例详情：

唱吧部署“AIGC+智能客服”融合能力，采用双库模式，提升售后咨询场景的问题回答率和回答准确率，提高售后咨询场景的客户满意度，同时改变了主流的人工拆解问答对的知识维护模式，企业只需上传原始材料即可提炼问答对并日常调优，提升知识运营效率。

入选理由：

• 双库模式下，用户在线咨询时优先启用智齿科技知识库，在知识库无法作答的情况下再启动AIGC资料库，保证输出答案的准确度；

• 在AIGC引擎下，企业只需上传原始材料即可自动提炼FAQ并扩展相似问，极大地降低了知识库冷启动与运维调优的工作量。

案例方/供应商：大华科技/沃丰科技

应用领域：制造

案例详情：

在本次客服质量提升项目中，沃丰科技大模型知识库技术实现FAQ文档智能生成、产品截图直观展示及相似问题智能推荐，大幅提升用户体验，减轻人工服务压力，全球渠道商与用户均可快速获取精准信息，享受高效服务。上线后，企业客户服务满意度得到有效提升，更积累了大量数据经验，为未来创新奠定坚实基础。

入选理由：

• 传统的知识库管理往往依赖于人工整理和维护，通过引入大模型智能化生成和相似问题推荐，知识库内容得到极大丰富和扩展，实现了知识库的自动化、智能化管理；

• 大模型不仅提升了知识库的查询效率和准确性，还降低了人工服务的压力，使得公司能够更高效地处理用户咨询，提升服务质量和效率。

案例方/供应商：国家电投集团中央研究院/同方知网

应用领域：能源

案例详情：

为助力国家电投集团中央研究院更高效开展科技情报相关工作，同方知网为其引入人工智能大模型，结合该单位的业务应用场景注入专业化高质量数据，进行场景微调，实现大模型本地化部署，同时开发具有行业领域特色的AIGC大模型应用，为业务工作赋能。

面向该单位的研究人员及技术人员提供场景化智能服务，基于语言大模型的智能助手应用，实现自然语言交互，辅助用户快速完成科技文档的生成与编写，提升方案报告编写的效率和质量。

入选理由：

• 文档内容能够一键生成：根据文档大纲目录能够一次性生成报告全部内容，字数不受限制，速度快、效率高；

• 利用知网专业知识，报告生成质量高：系统支持原生模式和知识增强模式，通过外挂知识库方式让大模型在生成内容时充分利用知识库内容，保障生成内容的专业性，提高报告质量；

AI生成和人机协同编辑相结合：为用户提供专业的协同编辑工具，在AI生成初稿后分任务协同，编辑文档时接入内外部知识库，可查阅、可引用。

案例方/供应商：国家电网/百度

应用领域：能源

案例详情：

基于国网智能电网研究院海量高质量电力样本和电力运检场景的人工智能研发经验，以及百度文心系列大模型及领先的深度学习、知识图谱增强等技术，共同开发基于电力认知大模型的设备运检知识助手，赋能知识服务和计算引擎，实现设备运检环节的知识便捷查询、快速学习和作业辅助。

入选理由：

• 基于电力认知大模型的设备运检知识助手支撑运检口径设备资料在线管理、技术标准与通用制度精准检索、技术标准智能问答、知识库移动应用以及各类运维检修场景，推动电网运营的精细化、自动化、智能化发展，提高电力设备运检的智能化水平，为电力行业数字化转型提供参考和启发。

案例方/供应商：哈啰出行

应用领域：IT/互联网

案例详情：

面对上万名线下的两轮车运维人员，哈啰出行打造两轮车业务知识库，将运维人员的运营经验、业务SOP、系统链路、公网知识等企业非标资产沉淀下来，通过大模型Copilot模式进行日常推送，有效提高现有运维人员的能力以及提高新人培训效率。

入选理由：

• 知识库问答助手与企业的运营链路打通，不仅为运维同学的日常工作提供支持，更是企业发挥“隐形”资产价值的过程；

• 采用多路召回策略，将大模型与传统小模型技术手段相结合，问答助手准确率目前可达到80%+，属于行业领先水平。

案例方/供应商：极氪

应用领域：制造

案例详情：

传统知识库维护难度大、知识量有限、效率偏低。在大模型的加持下，极氪通过向量化的方式进行知识管理，应用于知识搜索、意图识别、文本生成等功能，在营销全链路场景中进行应用，赋能坐席助手、销售助手、工单助手、APP辅助问答、知识库搜索等。

入选理由：

• 汽车行业知识积累有限且对Q&A的精确度要求较高，在大模型的支持下，极氪将社区帖子、社区问答、工单数据、官方政策等转化为企业知识，低成本、高效率地扩充了知识库；

• 在客服的知识库搜索场景，大模型生成个性化答案并展示来源，功能上线后大幅降低单问题等待时间、提升一线客服满意率。

案例方/供应商：江苏省地区级检察院/江苏移动

应用领域：政务

案例详情：

为了提高公文处理的效率和质量，江苏省地区级检察院利用江苏移动公文助手产品，具备OCR卷宗利息预警、执行笔录总结、民事调解书总结、民事判决书总结、结案通知书总结等功能。通过逻辑推理，为用户提供精准建议和指导，同时自动生成模板和脚本，提高工作效率。

入选理由：

• 本案例采用Transformer架构、预训练与微调等先进技术，并结合分布式训练和模型压缩优化等技术手段，确保了模型的训练效率和推理性能；

• 江苏移动公文助手产品采用行业模型训练与私有化部署，优化大模型应用，提高模型准确率，保障企业数据安全与隐私，降低合规风险，实现高效训练与预测。

案例方/供应商：江西移动

应用领域：通信

案例详情：

江西移动通过“大模型挂载小模型，小模型驱动大模型”的方式，构建企业级RAG开放能力平台——江小智。平台通过大小模型协同，打造通用知识管理能力，具有很好的应用泛化性和较高的知识互动精准性。平台为江西移动办公知识检索、一线营销培训等业务场景带来显著的价值提升。

入选理由：

• 通过运用10个精细化的能力小模型对数据进行精准抽取和处理，再结合大模型的强大推理计算能力，这种协同工作方式确保了知识问答的准确性和高效性，实现了“1+1＞2”的卓越效果；

• 此案例具备跨行业参考性，无论任务领域的企业、组织或机构，均可轻松采纳此案例整合企业知识库，实现高效的知识管理。

案例方/供应商：诺亚财富/中关村科金

应用领域：金融

案例详情：

诺亚财富基于中关村科金自研的金融领域大模型打造智能知识库，并以知识助手的形式，接入企业微信和iNoah APP，为员工和用户提供基于企业知识文档的智能问答查询功能，大幅提升客服系统问答意图识别准确率和回复准确率，实现更加智能、成本更低的客服服务，助力打通企业知识应用的“最后一公里”。

入选理由：

• 对比传统企业知识库、QA机器人等知识管理手段，大模型知识助手可轻松实现知识归纳、构建、问答、推荐等，精准获取有效信息，大量节省文档检索时间，提升工作和学习效率；

• 通过中关村科金自研的模型微调技术，可实现单卡推理、单周迭代，快速低成本完成模型微调，落地大模型应用。

案例方/供应商：强生/柯基数据

应用领域：医疗

案例详情：

强生使用大模型的能力，针对法律法规和指导原则进行系统化知识管理，并针对知识库文档进行智能问答和总结，为医学部、研发部、法务部提供全面、准确的法规知识学习培训和业务应用。

入选理由：

• 药品生产、销售、广告宣传、临床试验等多个环节必须遵守相关法律法规要求，大模型能一定程度上解决知识生产自动化和人机交互智能化的问题，确保药企业务活动的合法性和合规性；

• 该案例通过建立法律法规知识管理，为临床试验、药物上市、上市后变更等多个环节提供明确的法规支持，确保外企对中国法规理解的深入与正确性，降低成本。

案例方/供应商：上海理想集团/澜码科技

应用领域：通信

案例详情：

基于大模型的专家知识管理系统结合大语言模型与企业文档、数据和知识，为不同角色用户提供定制化交互功能。用户可采用对话的交互方式，进行智能问答、内容搜索、信息抽取等，平台可根据用户输入的信息提供便捷易用、高效精准的回复，并通过记录用户的需求及反馈，优化迭代输出的内容。

入选理由：

• 本案例将大语言模型的广泛知识理解能力与传统机器学习、深度学习技术的精细调校相结合，帮助企业更好地管理和利用知识资产；

• 本案例通过创建一个全面的知识管理平台，以便员工能够轻松共享和获取公司内部的专家知识，提高生产效率，降低运维成本。

案例方/供应商：同方有云/渊亭科技

应用领域：IT/互联网

案例详情：

渊亭科技为同方有云打造基于大模型的云平台智能运维系统，基于大量的云平台真实运维数据，利用特定基座大模型微调形成运维领域大模型，并结合业务需求利用多样化的压缩方法形成适用于不同场景的专题运维模型，能够在规律探索、故障发现、异常检测、处置方案生成上发挥作用，探索了大模型应用于复杂运维场景的最佳实践。

入选理由：

• 基于大模型的云平台智能运维系统，利用可按需选择的基座大模型和领域数据，提供了领域大模型生产和运营最佳实践，在云平台高效运维上发挥大模型的适当价值；

• 在运维大模型形成中，系统性的验证了运维领域数据处理、挖掘、增强、应用的方法，并进行了产品能力固化，有助于后续快速开展其他大模型相关业务的应用落地。

案例方/供应商：中国船舶集团第七〇八研究所/杭州悦数科技

应用领域：制造

案例详情：

中国船舶集团有限公司第七〇八研究所与杭州悦数科技，将高端船舶设计、制造、管理专业知识、数据，结合大语言模型的上下文学习、知识抽取以及知识图谱的检索增强和推理功能，构建多层级行业模型的应用知识库和先进智能体，为产品设计、维护、以及自动化运维环节提供实时的专家级技术支持，提高了高端制造业的智能化水平和决策质量与效率，是行业首创的新一代船舶生成式人工智能驱动的落地场景。

入选理由：

•本案例中，新颖地对船舶高端制造设计中天然适合图建模的知识以图谱形式持久化并作为推理、增强搜索的核心基础，是船舶与高端制造、设备、管理领域全新尝试；

• 本案例利用了大语言模型在数据梳理、图谱建模和数据抽取方面的强大能力，结合深度搜索和召回技术，推动新一代知识检索系统的发展；

• 本案例实现了图驱动的 Agentic RAG，不仅优化了信息检索的准确性和速度，还通过智能体的自主性提高了系统的灵活性和适应性。

案例方/供应商：中国人保/科大讯飞、认知智能全国重点实验室

应用领域：金融

案例详情：

“数智灵犀-人保大模型”将星火金融大模型与中国人保现有业务系统深度集成，提供全面、准确的智能问答服务。在对内运营层面，“人保智友”通过深度学习保险产品条款等知识，为业务人员提供保险产品知识的智能问答，提升服务质效；在对客服务层面，“聪明宝”已在财产险多个应用场景进行内测，通过提供更专业、更快速、更高效的解决方案，提升客户的满意度。

入选理由：

• “数智灵犀-人保大模型”在通用大模型能力基础上提升了多轮口语化复杂意图理解能力、情感理解与共情能力，新增敏感问答拒识能力，并且针对保险具体应用场景，实现了条款咨询问答、业务逻辑推理、多文档多知识点融合的全面突破；

• 借助大模型的语义理解、搜索增强等功能，中国人保提升了知识获取效率，降低企业运营成本。

04

核心评价维度

本次评选从价值性、实用性、创新性、示范性四个维度对案例进行定性与定量评价：

• 价值性：该案例促进企业商业目标的实现，提供了明确的商业价值，或者该案例具备社会价值，积极解决重要社会问题，对社会产生积极影响；

• 实用性：该案例的实施带来显著效果，在实际应用中表现出色，为企业和用户创造实际价值；

• 创新性：该案例具备独特的解决方案，彰显了技术创新的卓越性，引领行业发展，为市场注入新的创新动力；

• 示范性：该案例对同行业或其他行业大模型技术应用的开展和能力建设具有参考和借鉴意义。