导读 本文将介绍在大模型时代，基于向量数据库和大模型的一个新的应用方向——企业知识管家。
主要包括以下内容：
1. 传统知识管理的背景与挑战2. 知识管家解决方案3. 知识管家核心技术探索4. 总结与展望分享嘉宾｜胡宗星 北京九章云极科技有限公司 高级产品总监
传统知识管理的背景与挑战
1. 企业知识管理的必要性
知识管理是每个企业都面临的一个非常重要的环节，借助知识管家可以全面提升企业的效率。
一方面，随着互联网应用的发展，知识爆炸，如何实现企业知识的共享称成为企业面临的一个问题。企业通过知识共享不仅能提升效率，也能减少重复工作。另一方面，通过知识共享的模式，建立一个体系赋能的机制，能够更好地优化流程和结果，提升企业的运行效率。此外，知识管家可以为决策者提供一些关键信息和数据，来帮助他们做出更明智的决策。最后，也是非常重要的一点是，减少企业员工的工作量，避免信息丢失，同时提升员工生产力和客户服务水平，实现降本增效。2. 企业知识管理挑战
知识管家的构建逻辑非常复杂，在没有大模型之前，一般都是知识库的概念，借助企业知识图谱或者企业自己的数据去构建知识库，在这个构建的过程中有很多的挑战。
知识碎片化主要体现在两个方面，一个方面是企业的数据非常分散，如 OA 系统的数据有不同部门的、不同团队的。另一方面，这些数据基本上都是以非结构化形式去提供的，比如 Word、PDF、图片、视频等。在知识管家建设的过程中，如何把这些知识碎片化的信息快速集中，是面临的第一个挑战。
在企业业务快速发展中，面临大量信息和数据不断涌现的情况下，如何在海量数据中建立筛选机制，保证信息的准确、及时，也是一大挑战。企业一般不会把自己的私有数据共享给其他的机构或组织，一般都会比较重视企业私域数据的数据安全，因此也需要处理数据安全风险。不同的公司有不同的组织结构，有些偏技术，有些偏业务，也有技术和业务混合型的，在业务和技术沟通的过程中，沟通不顺畅是每个企业在知识共享中都会面临的一个问题。知识管家解决方案
1. 企业知识管家是什么
企业知识管家，类似一个人的大脑，去辅助整个知识的存储，并理解和创造知识。
企业知识管家总体分为三个层次：第一层是功能技术侧的需求，主要负责企业知识的管理，包括企业数据的导入、文档的自动分类与归档，以及其它一些基础功能的需求；中间层是应用侧的需求，包括提供一些智能问答、智能搜索、摘要生成、辅助写作等功能；上层是业务侧的需求，包括合同的审查、保险的客服、行业报告的生成。知识管家对外呈现的接口总体有三种模式：第一种接口类似文本框的方式，提供知识探索和分析；另一种是借助于 API 的 Token，把不同应用场景里涉及的智能 Agent 发布成 API Token 的方式去和企业的业务系统整合；第三种方式是智能 Agent，通过对话模式去做知识的探索和分析。2. 企业知识管家解决方案
企业知识管家主要负责企业专属的知识管理和创造，包括以下一些业务场景：
结合企业自己的私域数据，经过向量化后，存储在向量数据库中，借助问答对模式去做智能问答的场景，通过这些场景可以衍生出来很多更具化的业务需求。通过文档去做一些探索和分析，比如对论文进行探索，可以提问这篇论文讲的内容，还可以进行文档的自主分析，提供整个文档的分段预览、上下文检索、摘要总结等能力。结合企业内部不同角色的私域数据，再加上提示词的模式，提供一些自定义场景的设计，如文档的辅助写作、智能会议纪要等。采用人机对话的模式，对企业的各种合同做一些关键条款信息的审查，查看对应信息是否准确。
- 智能问答：结合具体问题，通过检索上下文得到一个有源可依的答案。
- 多角色创意问答：通过提示词与企业的私域数据来构建智能应用场景。
- 知识管理：企业数据通过知识管家，进行全自动的管理，整个过程采用非常简洁的模式。
- Agent 构建：开发平台，即大模型 IDE 功能。
最下面是 GPU 算力，包含两类，一类是推理的算力，另一类是微调的算力。中间这一层是安全可信的企业私域数据记忆体——DingoDB多模向量数据库。再上一层整个技术层的功能点，包括模型微调的管理、知识文档管理、智能应用管理。最上面是偏业务场景类的需求，智能问答里可以自定义角色的一些对话、标准的 QA 问答，还有智能应用的 Agent，基于文档的辅助阅读、合同的审查、保险的个人助手。知识管家核心技术探索
1. 知识管家构建过程
接下来通过智能问答场景来介绍整个知识管家的构建流程。
首先需要有数据源，可能会有结构和非结构化数据，通常来说，知识库的构建以非结构化数据为主，如 Word、PDF、Excel，还有企业系统、Jira、知识管理平台等。这些数据经过知识处理环节，转换成向量存到数据库中。需要先把文档加载进去，然后给予文档的 Layout 信息或结构信息，做文档向量解析生成文件块，然后基于文件块调用对应的 Embedding 模型转换成向量，对向量进行存储。智能问答交互的过程：在用户提出问题后，首先借助智能助手把问题向量化，再去数据库做语义的检索，得到关联这个语义相近的文章上下文，通过上下文结合提示词，经过大模型的推理，最终得到答案的返回。整体过程是一个不断迭代和反馈优化的过程，只有这样才能得到基于企业私域数据上的专属智能专家角色。
非结构化数据 ETL 处理过程，需要借助一些工具。知识管家从技术模式上提供了一些特殊的算子，这些算子可以清洗整个 Map、Filter、基于 Window的变化，通过整个 ETL 的 Pipeline 可以数据进行转换。通过各种文件的解析器（如 PDF 的解析器）进行解析，然后经过中间层对应的不同应用场景 Hub 的 Operator，可以快速构建 Pipeline 的 Hub，再经过数据的清洗和转换后进行 Embedding 化，最后存到向量数据库中。要得到一个好的模型调试效果，要保证精确和完整的数据，具备良好的数据处理的质量。
构建一个传统的数据检索非常简单，但实际的知识比较复杂，除了文字本身的信息外，还有图片、表格数据、段落信息等。对此，九章云极DataCanvas提供了 Layout 的解析模式，可以实现 Layout 信息、表格、图片等多模态数据的全量存储，全面提升了数据解析过程的质量。在文档经过向量化，存到 DingoDB多模向量数据库后，通过 Query 进行检索，在检索结果中会包含检索内容本身的结果，也会包含相关性的结果，这时候需要在检索召回的 Chunk 做 Reranking 的二次筛选。
在 Reranking 二次筛选时，要将 Retrieval 的 Chunk 和对应的 Query 做相关性语义分析，包括找到语义最为接近的匹配，然后把二次筛选后的检索 Chunk 重新推给大语言模型。
为了保证答案生成过程的安全可信，九章云极DataCanvas基于通用的大语音模型，对召回的数据做提示词的限定，并结合企业的私域数据对大模型进行垂类知识的微调，再加上风向管控机制，从而保证答案生成的高精度。DingoDB可以提供多样化的 API 支持通过 SQL 和 Python 工具包去做数据查询，也提供一体化的方式，实现结构化和非结构化的联合查询。针对实时性的场景，DingoDB提供了实时写入即可查询的能力，可以边导入数据边进行实时检索。
DingoDB还提供了计算加速的能力，支持 Meta 的前置、后置的过滤筛选，以及基于相似度的范围查找。DingoDB还提供了多副本的工具，可以做部分的迁移和数据的迁移，同时提供多样化的运维和监控工具，降低了运维成本。DingoDB还能提供自动弹性分片的能力，可以把数据动态地平衡到不同机器上，实现各个节点的负载均衡。在企业私域数据上，针对通用的场景需要进行微调，以构建某个场景里企业专属的大语言模型。知识管家里总结了整个微调过程中的痛点，在产品里提供工具化的方式，上传文档就可以得到所有问题的数据。有了数据后，直接在界面上通过配置参数就可以进行微调，同时产品也提供了一些微调数据指标，可以对微调的结果进行评价。
传统大模型应用往往构建复杂，知识管家基于九章云极DataCanvas自己的 FS 能力，构建了自己的大模型 IDE，能够提供丰富的组件和工具，通过简洁的应用构建方式，把构建的模版发布成智能应用的 Agent。
总结与展望
1. 知识管家方案总结
知识管家的技术亮点主要有以下六大方面：高精度检索、便捷的 ETL Pipeline、高可用与扩展性、安全合规、智能数据融合以及丰富的场景。
知识管家的核心价值包括：提供了知识管理和智能启发的基础能力，并且提供了一种安全可信的应用私有化部署方式，包含企业的所有数据，可实现知识的融合和智能交互。作为智能底座，提供灵活扩展的能力，可以在知识管家上基于大模型做新的 Agent 开发。
2. 未来展望
知识管家是基于九章云极 DataCanvas的AIFS，提供从裸金属到上面的 GPU 算力以及模型的调度，并实现模型微调的一整套 Pipeline 模式。它借助通识的大语言模型，加上企业的私域数据，进行组合微调，形成企业自己专属的大语言模型。基于大语言模型的扩展能力，结合 DingoDB多模向量数据库，可以实现企业里面的搜索问答、摘要生成等应用，进行企业的知识管理。
分享嘉宾
INTRODUCTION
胡宗星
北京九章云极科技有限公司
高级产品总监
拥有十余年软件架构设计、技术管理经验，专注于大数据存储、计算和知识库建设等领域，曾就职于华为、百度负责产品开发和设计工作。现担任九章云极DataCanvas高级产品总监，负责DingoDB多模向量数据库的开源和应用开发工作，在实时业务场景、分布式数据库、分布式存储等方面有深入的研究。