黄闻欣-AI 重塑技术流程：下半场的破局之道.pdf

1、AI重塑技术流程：下半场的破局之道演讲：victorhuang腾讯云/专项性能程中CONTENTS录01为什么“下半场”？02保持战：沉淀-轮03提升战：提建议-给代码04打造战：核竞争01AI 领航：开启降本增效“下半场”为什么“下半场”为什么是“下半场”？上半场：初步的成本削减和效率提升措施 产品聚焦 员精简 异地公司 下半场：AI 领航，保战，提战 少事多，进来的新缺乏经验 B 端新企业也容易承压 异地沟通更困难-简单的成本削减失效-普通的招数尽：动化-陷死循环：没精破局员精简/公司没精建设经验者承压新战下降AI 这么 但是跟我们的痛 却并不相连？保持团队战：知识传承来保持战 板们早看出

2、来了，设定了各种“知识”奖 解决案：知识库wiki+RAG+AI 难点：RAG 检索从兴奋到冷静，从完全不能到 ok RAG 的全局性问题效果不佳知识检索：RAG 从完全不靠谱到OKRAG 推荐技巧解决的问题Small2big更少内容参与到向量检索 VS 更多内容参与到提示词推理中Re-rank给向量搜索打补丁档在普通分块结果的基础上为单档块提供更细粒度的档多路召回路径，提召回率和准确率混合检索（向量、分词、Graph）能覆盖更多的检索场景，提召回率和精确度，不同的检索法可以互补，向量检索擅捕捉语义相似性（中短输，标档较集中），分词检索擅精确匹配（短输），图检索擅关系推理（涉及复合概念的任务，

3、利图结构逐步遍历相关实体概念，深全局检索相关信息）知识库加对于低质量、格式杂乱的数据源，利模型本身的信息抽取能和世界知识进抽取和补充，提档内容质量和分割的准确度RAG fusion基于户输成泛化查询，分别进查询后进档重排，提升召回档的准确性和丰富度遗留问题：-完全没有提到档中的 FunctionCall问题：我应该怎么新建提示词作流，然后不公开分享出去给别使？更进步的知识检索：拍扁的神经络=知识图谱关联了更多档中的相关知识点普通 RAG【案例】RUM 单处理轮知识检索，帮助有多，还是有很多问题穿透过来了知识沉淀：单之痛 1.单本身穿透到原就证明这个缺乏知识沉淀 2.不愿意对的痛或者觉得就这样吧

4、 3.没有时间去沉淀RAG解决思路：知识就在经验者处理单的过程中企业微信聊天记录AI 提取并沉淀知识从单的聊天记录中，沉淀出解决案【案例】RUM 单处理轮-沉淀最终沉淀落地的解决案【案例】RUM 单处理轮-库相似单出现，检索我们沉淀的解决案【案例】RUM 单处理轮-检索【案例】RUM 单处理轮-输出解决案结合单知识库，输出解决案依旧有的挑战1.CoT 与 Context 的限制 2.超上下导致的噪声 3.具使，更动化WorkFlow我希望你能辅助我们按照下的步骤进脑暴。第步，请你阅读的内容第步，根据第步的输出，提取出“会议标”，保留原，不要添加你的理解第三步，根据第步的会议标使选择器推荐第四步

5、，对第步的设定的脑暴会议标使哲学师对客体进拆解，使数组输出TOP3组成部分，输出：组成 1，组成 2，组成 3第五步，根据第步的输出，提取出“背景”，保留原，不要添加你的理解。第六步，第步输出的会议标加上第五步输出的背景作为问题，第四步输出的TOP3组成部分作为关键组成部分，使脑暴师-结构因问题拆解法输出三个问题。第七步，对第六步的数组中的每个问题使脑暴师-回答问题来回答。第步，示例：n#n1.main-pointn1.1 sub-pointn1.2 sub-pointn.n#2.main-pointn2.1 sub-pointn2.2 sub-pointn.n#3.n,参考上的示例，把第七步

6、的JSON格式的字符串数组输出成markdown 格式第九步，按照下的格式写录 ID 为4012267784的 iwiki 档，标题：Team 脑暴结果，内容：#注意-Step1 团队讨论并尝试在下的内容的基础上进补充也可以进进步拆解，拆解最好能符合 MECE 原则。也可以删除没有的维度。切都是尽量则可，后 AI 会再次帮助你的。-Step2 使 fibona:promptid:2389name:脑暴师-补充节点:fibona 来查缺补漏并输出到新的 iwiki 档中#AI 输出的待讨论内容第步输出的内容前步骤成的内容就会变成“噪声”，输出的稳定性变差动写 iwiki动读取动解释成 markd