Waytoagi 共学 -大模型在 B 端场景的应用
输入“/”快速插入内容
Waytoagi 共学 -大模型在 B 端场景的应用
Waytoagi 共学 -大模型在 B 端场景的应用
用户8537用户8537
用户9630用户9630
用户6575用户6575
用户4392用户43922024年9月29日修改
场景
1.为什么要用大模型？
从 B 端客户的角度来说，只有 2 点：
1.省钱（提供效率）
2.真的可以完成某些工作
2.那些场景落地的效果比较好？
咨询类（包括问卷，回访 客服 ）
3.要求是什么（或者说达到一个什么样的效果）？ 相比现有的模式有那些优势？这些优势有没有一些共性？
1.
只要大模型可以达到或者接近一般人类在这些场景就可以使用大模型进行赋能
2.
大模型的落地应用，不能只想着大模型能力有多强，知识储备是如何如何等等，而是说在这样场景，大模型和人工的对比到底有没有优势。很多时候好像使用大模型实习一个很了不起的需求，但是和已经存在的方法进行对比。发现而外更加复杂了。 总之，不能为了使用大模型而使用大模型。
3.
当前比较落地场景，其实有一个共性。大模型所扮演的角色（功能）-------逻辑简单决策
逻辑简单不是说功能简单，问题简单。
比如：最为熟知的客服场景，其实培养一个优秀的客服很难，需要掌握的知识可能会非常大。但是这个场景却非常适合大模型，因为场景正好是 逻辑简单，但是知识繁杂。可以利用大模型结合一些 rag，agent，微调技术来实现这个客服场景。并且也达到一个很不错的效果。
模型
1.如何交互（目前的人机协同模式是什么样）？
之前很多人都说到大模型可能会有 3 种交互模型
模式一：以人为主导，大模型提供建议（copilot 阶段）
像一个副驾驶，开车的时候给你提供建议，但是决定权还是在你手上
模式二：人和大模型协同工作，合作完成同一个工作（embedding 阶段）
在实际的工作场景中，有一些小的环节可以让大模型来完成，从整个工作流程的角度来看这样确确实实的嵌入到我们的工作中，提高的效率
模式三：人指挥大模型工作（数字员工阶段）
这个阶段目前看来，非常少见。大模型还不能完全独立于人来完成某一个非常具体的工作。
可能是一个工程上的问题，也有可能是大模型本身能力欠缺导致。
个人观点：当下最应该努力的方向其实：如何从简单使用大模型得到建议，转变为让大模型深度的融入到工作流里面去。这样的一套 agent 一定是有很高价值的。
至于数字员工这个阶段，还不是特别成熟，可以让其他大厂和学界先多试一下
✍️
作者：朱一鸣，锤子
大模型在 B 端场景的应用
工作流思路
💡
落地也不光是有场景，有思路，还需要解决另外一个难点---工程化
整体舆情构建流程
舆情架构分析
详细的意图识别节点