大学一学一做视频网站,现在ps做网站的尺寸,做介绍的英文网站,门户网站是指提供什么的网站文章介绍了用友提出的本体驱动的智能体解决方案#xff0c;构建包含对象、属性、关系等的数字孪生#xff0c;可基于多源数据自动创建。相比传统RAG#xff0c;本体智能体能更好理解业务逻辑#xff0c;实现稳定准确的智能决策#xff0c;已在客户管理、销售绩效等场景应用…文章介绍了用友提出的本体驱动的智能体解决方案构建包含对象、属性、关系等的数字孪生可基于多源数据自动创建。相比传统RAG本体智能体能更好理解业务逻辑实现稳定准确的智能决策已在客户管理、销售绩效等场景应用。本体理念与Graph RAG相似但仍面临技术挑战需进一步优化。鉴于目前企业级AI智能体面临的种种问题Palantir及其提出的“FDE模式”、“本体论”等都成了近期很多AI企业重点关注和学习的对象。继之前提出FDE模式[传统BI那套搞不好智能问数用友分享AI时代问数落地方法论]之后用友近期又提出了本体驱动的智能体的解决方案认为本体能够解决企业AI落地最后一公里的问题。关于用友的本体智能体目前信息和讨论尚不多近期用友在直播中对于本体的智能体做了进一步的具体说明以下是直播内容的整理和总结供大家参考。当前企业AI落地面临的挑战大模型固有的一些技术挑战幻觉、知识更新停滞、推理能力不足等。例如有些企业需要亿元级金额做汇率的换算汇率精确到小数点后的八位绝大多数的大模型进行这个计算都是错误的。又如受限于大模型输入限制如果Excel在5万行以上大模型分析Excel就很难实现结合上下文分析而企业动辄百万行数据。企业通过一些工程化手段落地但属于无奈的选择。例如大模型本身可能只有80%的准确率要做到更高的准确率需要60%靠大模型还要投入40%的工程化来提升准确率。又如为了让模型回答更具体需要70%模型知识30%外挂知识库来实现但是知识库需要持续发现问题持续迭代。智能体成为当前企业落地大模型的主要路径企业的智能体中20%来自厂商通用场景智能体20%由IT和业务合作建设60%由业务部门自建。但是智能体的增多也依然面临很多问题智能体孤岛不同智能体数据可能不一致一旦底层数据结构变动成百上千的智能体维护工作巨大。多模态数据融合难非结构化数据和结构化数据很难统一起来使用思考能力差外挂知识库只是靠记忆碎片背答案并不是真正理解背后业务逻辑遇到新场景会懵。不懂业务逻辑发现应收账款风险之后应该如何处置AI无从判断。什么是本体怎么用本体构建了现实世界的数字孪生包含6个方面对象、属性、关系、规则、模拟测算以及行动与反馈。可以基于结构化和非结构化的数据自动创建本体创建本体后可以查看本体图谱本体可以作为节点被编排到意图流中进行调用有了本体智能体可以结合语义理解进行数据洞察一个具体的演示案例创建一个报销单的本体首席智能官AI助手里面有“一句话构建本体”的预置命令选择后先是需要选择数据源案例选择了一些相关的数据表之后AI自动创建了一个本体的图谱点击进行保存。查看创建的本体图谱展开其中的报销单里面包含蓝色是带参数的动作褐色为规则粉色是数据实例表示有一条关联在报销单主表上。本体的使用本体创建后可以在编排流程中使用相关节点调用。嵌入本体的费控智能体的问答展示基于本体的企业AI解决方案是在原来的智能体解决方案之上的一个增量解决方案原来开发的智能体仍然可以继续使用。本体智能体的优势引入本体满足企业AI的6个方面的需求稳定准确、智能决策、进化、实时、开放、安全可靠引入本体后从RAG升级到OAG智能体能够懂业务操作。未来企业的AI架构底层是数据层中间是本体层包含数据对象、关系、测算等。上面是智能应用层含Agent平台和具体的Agent。具体场景案例客户标签管理用友数据服务里有个客户标签的模型可以构建不同的客户标签。以往销售做客户拜访的行程安排的时候只能把这些标签结合起来用如优先拜访高价值、高应收账款且出现诉讼的客户这个过程中结构化数据和非结构化数据是分开使用的。有了本体后可以做更精细的控制比如把优先级分为10级排程更加的精细。销售员绩效管理销售员分散在各地管理者对于销售人员实际去拜访客户的具体情况并不清楚以往管理销售员业绩的时候采用拜访客户次数和业绩2个事后指标对销售员进行评价其中的高访低成拜访客户多但是业绩低销售员很忙但没业绩以往只能人工跟访去判断这个销售员的能力。本体智能体应用后AI可以自动根据销售员写的拜访客户记录进行打分评价几次拜访客户的记录是否相似后续拜访是否在之前的基础上有所改善等从而对业务员的评价更及时、准确和专业。这样可以增加一个维度对销售员做更精细的管理以后还可以增加更多指标进行划分和管理。原材料价格上涨问题原材料价格上涨冲击企业利润是常见的问题需要决策是否进行集采、提价等应对。假设毛利降到了警戒线企业需要进行调价的模拟和测算。以往调价模拟都是通过BI去做现在通过本体的AI去做。原材料的预测可以AI自动预测。有了本体也可以调整颗粒度并将计算按天甚至实时计算。能源集团财务分析能源集团的数据维度特别多如不同组织、口径等叠加起来可能性非常多传统BI没法全部枚举可能需要上万个智能体去做没有本体没法保证数据的统一。有了本体可以保证上层智能体所有数据的统一。金融业务问数业务是金融、债券等场景的跨国金融集团对数据准确率要求很高。查询类问题一个智能体给出答案后需要另一个智能体的数据进行核查但是当问题出现时不好判断首先调用哪个智能体。用友结合本体做了一个统一的入口资金问数智能体所有的智能体基于统一的本体问数的时候资金问数智能体先去查询主智能体由主智能体去问本体问题返回结果后再调用其它智能体进行交叉验证保证了数据的准确性。AIE看法简单的理解本体就是个加强版的知识图谱不仅含名词间的关系还含了动词等。让大模型基于本体进行问答就是让大模型能够梳理和理解业务概念之间的联系在理解业务关系的基础上进行回答比当前的纯RAG更准确。本体的这一理念和Graph RAG的理念比较接近Graph RAG的确是能够提升模型问答效果但是还面临计算量过高的问题是比RAG的前进但似乎仍不是最终答案仍需要进一步优化。面对RAG的确定性问题此前文章也介绍了朗新确定性RAG的一些技术思路朗新提出提高RAG问答准确率的方案高可靠智能问答引擎与Graph RAG、本体多少有些相似可供参考。当然尽管此次的介绍相比之前具体了很多但还是有很多细节没有介绍的特别具体估计很多人看完依然还是比较懵逼的。一些问题仍然有必要做进一步的探讨例如本体似乎也并没有固化真正存储在业务人员脑子里的经验自动创建的本体是否能够保证足够的准确是否需要实施时的繁重人工检查和调整来自不同领域的数据创建的本体们是否能合成企业内的唯一的本体还是也会形成各个域的很多本体本体层与企业之前构建数据中台时创建的数据模型层是什么关系此外25年底以来Anthropic提出的Skills看起来是个很重要的方向相比于开发一大堆的Agent利用Skills固化可重用的业务人员经验可能更有价值对应的整个企业级Agent体系又将如何构建都值得进一步探讨。​最后我在一线科技企业深耕十二载见证过太多因技术更迭而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我整理出这套 AI 大模型突围资料包✅AI大模型学习路线图✅Agent行业报告✅100集大模型视频教程✅大模型书籍PDF✅DeepSeek教程✅AI产品经理入门资料完整的大模型学习和面试资料已经上传带到CSDN的官方了有需要的朋友可以扫描下方二维码免费领取【保证100%免费】​​为什么说现在普通人就业/升职加薪的首选是AI大模型人工智能技术的爆发式增长正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议到全国两会关于AI产业发展的政策聚焦再到招聘会上排起的长队AI的热度已从技术领域渗透到就业市场的每一个角落。智联招聘的最新数据给出了最直观的印证2025年2月AI领域求职人数同比增幅突破200%远超其他行业平均水平整个人工智能行业的求职增速达到33.4%位居各行业榜首其中人工智能工程师岗位的求职热度更是飙升69.6%。AI产业的快速扩张也让人才供需矛盾愈发突出。麦肯锡报告明确预测到2030年中国AI专业人才需求将达600万人人才缺口可能高达400万人这一缺口不仅存在于核心技术领域更蔓延至产业应用的各个环节。​​资料包有什么①从入门到精通的全套视频教程⑤⑥包含提示词工程、RAG、Agent等技术点② AI大模型学习路线图还有视频解说全过程AI大模型学习路线③学习电子书籍和技术文档市面上的大模型书籍确实太多了这些是我精选出来的④各大厂大模型面试题目详解⑤ 这些资料真的有用吗?这份资料由我和鲁为民博士共同整理鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。所有的视频教程由智泊AI老师录制且资料与智泊AI共享相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌构建起前沿课程智能实训精准就业的高效培养体系。课堂上不光教理论还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌​​​​如果说你是以下人群中的其中一类都可以来智泊AI学习人工智能找到高薪工作一次小小的“投资”换来的是终身受益应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能 ‌突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】**​