企业软件与AI原生应用_46页_14mb

2024 AI+研发数字峰会总结

核心内容

本次2024 AI+研发数字峰会由畅捷通信息技术股份有限公司的黄斌先生主讲，聚焦于AI如何驱动企业研发的变革，并探讨了AI原生应用在企业软件中的落地实践。会议围绕应用形态的变革趋势、知识问答-RAG实践、Agent开发平台搭建、Agent应用开发实践以及企业软件的新方向五大主题展开，旨在推动企业通过AI技术实现降本增效。

主要观点

1. 应用形态的变革趋势

• 从传统的设定界面和代码配置，向更加智能化、开放化的交互方式演进。
• AI原生应用以自然交互为核心，实现多模态交互体验，如ChatGPT等。
• 企业软件将向“三位一体协同”方向发展，即业务洞察、业务协同和业务智能的结合。

2. 知识问答 - RAG实践

• RAG（Retrieval-Augmented Generation） 是一种结合检索和生成的方法，通过引入私域知识和专业知识，提升大语言模型（LLM）输出的准确性和可控性。
• 索引阶段 包括分块策略、语料自动整理、评级和结构化索引。
• 生成阶段 涉及情绪判断、精确匹配、Query改写、多路召回和审核角色的优化。
• 实际落地中，AI应用流程编排通过RAG技术实现知识增强，提升智能问答体验。

3. Agent开发平台搭建

• Agent是基于AI大模型构建的智能化系统，具备自主理解、感知、规划、记忆和使用工具的能力。
• 输入模块 包括触发器、聊天记录、用户问题、插件和知识库的选择。
• 输出模块 包含回复和模块调用结束。
• 技能声明 通过OpenAPI3.0标准，声明API接口，包括路径、方法、请求体和响应等。
• 后端API实现 涉及函数声明、Python Requests调用、线程池优化、负载均衡策略和异步任务处理。
• 前端API实现 提供绘图、交互等功能，支持通过SDK对接AI应用。

4. Agent应用开发实践

• Agent应用通过拖拽节点进行流程编排，支持多智能体协同工作。
• 智能服务模块 包括问题分类、文本内容提取、OCR识别等。
• 实际应用案例 包括研发助手，用于处理购物车、订单、数据同步等任务。
• 问题分析与解决 通过日志分析和异常处理，解决调用服务时的序列化问题，确保服务端和客户端的版本兼容性。
• 线程池优化建议 建议使用 Math.min(args-CorePoolSize(), AVAILABLE_CPU_PROCESSORS) 来限制核心线程数，以避免性能问题。

5. 企业软件的新方向

• 语音开单 通过流程编排实现语音输入开单，提升操作效率。
• 业务协同 传统软件强调多用户、多任务协同，AI原生应用进一步提升协同效率。
• 业务洞察 整合数据分析工具，实现数据可视化，帮助用户快速理解业务数据。
• 业务智能 引入AI助手，通过自然交互方式满足用户个性化需求，提升用户体验。

关键信息

• AI驱动研发：通过AI技术优化企业软件开发流程，实现降本增效。
• RAG实践：结合检索和生成，提升知识问答的准确性和可控性。
• Agent开发平台：支持多智能体协同，实现复杂任务自动化。
• 企业软件新形态：三位一体协同，即业务洞察、业务协同和业务智能的结合。
• 技术实现：包括OpenAPI3.0标准、Python Requests调用、线程池优化、负载均衡策略等。

主要负责内容

• 离线数据同步与MaxCompute数据任务。
• 智能匹配：如Excel上传字段连连看。
• 智能文档识别：包括报关单、发票等PDF表格识别。
• 基础技术后端：涉及服务配置、日志记录、性能优化等。

本周工作总结

• 完成的JIRA任务：解决了线上栈溢出问题，优化了‘Cust方法’，提升了系统性能和稳定性。
• 代码提交：共完成52次代码提交，涉及线程池优化、负载均衡策略、异步任务处理等。
• 性能优化：调整了内存告警阈值、诊断请求保鲜时间、增加系统启动成本日志记录功能。

未来展望

• 通过AI原生应用，推动企业软件向更加智能化、协同化和高效化的方向发展。
• 持续优化AI助手能力，提升企业内部和外部的协同效率。
• 推动AI技术在企业研发中的深度应用，实现业务流程的自动化和智能化。

THANKS