ChatGPT结合知识库应用全流程

本文原创作者：姚瑞南 AI-agent 大模型运营专家，先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗；多年人工智能行业智能产品运营及大模型落地经验，拥有AI外呼方向国家专利与PMP项目管理证书。（转载需经授权）

本文简介：ChatGPT结合知识库应用全流程步骤详细拆解，包括智能知识库的发展历程、大模型利用RAG技术构建知识库的方法及项目实践落地总结、威胁与机会（for智能运营）等。

目录

前言

一、行业背景

二、知识库的发展历程

三、大模型知识库架构

四、大模型构建知识库的方法及步骤

1、构建大模型的知识库简单流程如下

2、流程细拆及步骤

3、名词释义

五、ChatGPT结合业务场景的实践

六、威胁与机会（for智能运营）

威胁：取代什么

机会：能做什么

七、结语

---

前言

大型神经网络模型，通常称为“大模型”，特点是它们拥有大量的参数，这使得它们能够处理和记忆大量的信息。GPT 系列在此背景下应运而生，成为了这类模型的杰出代表。特别是 GPT-4；

" GPT " 代表 " Generative Pre-trained Transformer "。从这三个单词中，我们可以简要了解 GPT 所采用的核心技术：它是一个基于 Transformer 架构的生成式预训练模型。这种架构能够高效地处理长文本数据，提供深入的语言理解并生成复杂的文本内容。

大模型的优势：相较于传统的小型模型，GPT 等大模型具有更高的处理复杂任务的能力，它们可以提供更精确、更自然的输出。这些大模型的出现不仅改变了我们对于人工智能的看法，而且为我们解锁了前所未有的可能性。

一、行业背景

①划时代技术变革：LLM的出现对传统NLP来说是划时代的技术变革，几乎改变了所有NLP任务的游戏规则，已经成为了NLP领域各个任务的全新范式。

大语言模型能够根据用户的问题和对应的标准答案，给出个性化的答案，用户体验上已经不太容易分辨出是人工客户还是机器客服，这一点上是很明显的提升。

②人机交互新机会：可以预见的是，基于LLM技术所构建的智能客服正在从根本上改变传统的人机交互过程。

大模型自动生成对话流程让运营智能客服更高效，可以提升复杂缠绕问题解决率、人机交互感知程度，以及意图理解、流程构建、知识生成等运营内容的效率

③机遇与挑战并存：LLM的出现对智能客服是挑战与机遇并存，如何用好LLM的强大能力，提升智能客服机器人的效果，目前没有相对统一的技术路线，需要各方的积极探索

二、知识库的发展历程

最早时期的知识库基本是以纸质文档为主，多应用在档案室的场景，对于知识的检索和更新是非常低效的，只能通过人工的方式来完成，且随着时间的推移，档案文件的数量越来越庞大，纸质文档常年不保养也会慢慢损坏，基本上无法产生有效的价值。

三、大模型知识库架构

大模型知识库是使用大模型的一个典型应用，主要是利用大模型的理解和信息整合能力结合本地知识库来为人提供智能的个性化的回答，从而大大的减少了人工检索文档和知识的过程。

大模型知识库的架构图如下图所示：

大模型知识库主要的工作内容：根据用户的问题然后整合文档/知识点以及数据库中的内容，然后返回给用户个性化的准确的回答。