2025-03-25-中智凯灵_北京_科技-企业软件与AI原生应用_46页_14mb

报告摘要

2024 AI+研发数字峰会总结

核心内容

本次2024 AI+研发数字峰会聚焦于AI技术在企业软件研发中的应用，探讨了AI如何驱动研发变革，帮助企业实现降本增效。会议重点围绕应用形态的变革趋势、知识问答与RAG实践、Agent开发平台搭建及应用开发实践，以及企业软件的新方向等方面展开，旨在展示AI原生应用如何重塑企业软件的未来。

主要观点

应用形态的变革趋势
- 从传统的DOS、Windows、Web、移动互联网，到如今的AI原生应用，应用形态正在向更加智能化、自然交互的方向演进。
- AI原生应用强调自然交互，通过多模态交互提升用户体验，如语音输入、图像识别等。
- 企业软件正在从面向流程向面向目标转变，更注重用户体验和任务自动化。
知识问答与RAG实践
- RAG（Retrieval-Augmented Generation）是提升知识问答准确率的重要手段，通过引入检索机制，为大语言模型（LLM）提供额外的上下文和专业知识。
- RAG的实践包括：
  - 索引阶段：分块策略、语料自动整理与生成、语料评级、结构化索引。
  - 生成阶段：情绪判断快速转人工、精确匹配快速响应、Query改写、多路召回优化语料召回质量、审核角色提升体验。
- AI应用流程编排强调高效、可控，通过系统架构优化，实现LLM输出的准确性和可控性。
Agent开发平台搭建
- Agent是基于大语言模型的智能体，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行复杂任务。
- Agent开发平台包括输入引导、语言模型、知识增强、基础组件、智能服务等模块。
- 技能声明是构建Agent平台的关键，包括API（后端与前端）、知识库、插件等。
- Agent平台支持多智能体协作，通过协同处理复杂任务，解放生产力。
Agent应用开发实践
- 通过实际案例展示了Agent在业务场景中的应用，如购物车管理、订单处理等。
- 平台支持智能回复、流程编排、任务执行，并提供日志分析、健康检查、反馈收集等工具。
- 在实际开发中，需注意版本兼容性、序列化机制、服务配置等关键点，以确保系统的稳定性和高效性。

关键信息

技术架构

系统架构支持多种服务调用和任务执行方式，包括多线程处理、负载均衡策略、异步任务处理等。
线程池优化提升了系统的性能和稳定性，同时增加了性能和内存值分布统计功能。
负载均衡策略包括CJT随机负载均衡（LB）和CJT一致性哈希LB，用于优化请求分配。

RAG实践

RAG检索增强为LLM外挂专业知识与私域知识，提升问答的准确性和相关性。
LLM输出有幻觉的问题可通过RAG机制进行优化，实现召回优化、流式输出、近似直出等策略。

Agent开发平台

Agent核心逻辑包括输入触发器、AI模型、插件、知识库等模块。
技能声明使用OpenAPI 3.0规范，通过YAML或JSON格式描述API接口，包括路径、方法、请求体、响应等。
后端API实现方法包括：声明、个性化生成、通用函数等。
前端API支持绘图、交互等操作，便于用户使用。

实际落地案例

研发助手是畅捷通信息技术股份有限公司开发的AI应用，支持文档识别、数据处理等任务。
智能评审通过AI助手实现代码审查，提升研发效率。
问题解决中提到的异常包括RpcException和RemotingException，原因在于不支持IListResult接口的反序列化，解决方案包括版本兼容性检查、序列化机制更新、服务配置检查等。

企业软件的新方向

语音开单与流程编排
- 语音开单技术正在成为企业软件的新趋势，结合流程编排技术，实现高效、智能化的业务处理。
- 示例展示了一张采购订单的打印模板，包括商品信息、数量、金额等字段。
业务处理与协同
- 传统软件强调高效、简洁的操作界面，支持多用户、多任务的协同处理。
- 企业软件正在向三位一体协同发展，包括业务协同、业务洞察、业务智能。
数据与智能
- 企业软件整合数据分析工具，实现数据可视化，帮助用户快速理解业务数据，做出明智决策。
- 引入AI助手，通过自然交互方式满足用户个性化需求。

总结

本次峰会围绕AI技术在企业软件研发中的应用展开，涵盖了从应用形态的演进、知识问答的RAG实践、Agent平台的搭建与应用，到企业软件的新方向。通过AI原生应用，企业能够实现更智能、更自然的交互体验，提升研发效率和系统性能。同时，强调了在实际开发中需要注意的版本兼容性、序列化机制、服务配置等问题，为AI在企业软件中的落地提供了宝贵的实践指导。

展开完整摘要