DeepSeek+企业知识库：大模型员工助手，助力企业人效提升和业务增长

当前，大模型正掀起新一轮智能化发展热潮，赋能千行百业，大模型具备优秀的理解、学习、生成和推理能力，各个企业正积极探索大模型在业务上的合理应用，目前我们已落地并应用于智能客服、智能办公等多个业务场景，进一步推动企业的智慧再造，加速AI技术赋能员工提质增效。接下来，我们借助客户的实际落地案例一起来探索大模型知识引擎在企业服务的具体应用场景 前 言目录 Menu•大模型知识引擎产品介绍，WorkFlow和Agent能力特性分享•某头部客户使用知识引擎构建员工问答助手的落地实践分享•DeepSeek+知识引擎更多大模型应用场景探索•FAQ大模型知识引擎产品介绍WorkFlow和Agent能力特性分享大模型知识引擎产品定位：大模型应用开发平台合作伙伴应用共创泛政文旅金融汽车零售能源地产一网通办虚拟导游代理人辅助汽车助手电子说明书员工服务物业管家数智人腾讯内部产品合作腾讯学堂企点客服乐享1、全面模型驱动，各取所长应用构建层③Agent模式（模型遵循指令自主规划）②单工作流模式（面向自定义复杂流程场景）模型层应用配置-评测-发布精调知识大模型(混元SFT)混元大模型（Dense）行业大模型 3、做深知识问答、完善流程编排、布局自主规划①标准模式：内置RAG 最佳实践（面向知识问答场景） 2、RAG（检索增强生成）能力组件灵活输出混元大模型（MOE）文档解析-拆分-入库-检索文档解析向量化文档拆分多轮改写原子能力组件精调多模态大模型Rerank三方优秀开源模型（ds） 知识问答部分领域效果领先： 在图文混排文档问答、复杂大表问答等领域相比友商有一定优势。擅长图文表解析及公式解析，并支持元器、元宝调用。RAG效果保持领先，知识对接类型丰富自研+开源模型驱动，各取所长具备工作流、Agent复杂应用构建能力 新版工作流发布，支持14个常用画布节点，支持客户通过拖拽大模型节点、参数提取节点、知识问答节点等常用原子能力编排业务流程。 基于大模型的应用开发平台，提供RAG、Workflow、Agent等应用开发方式、及原子能力（API）服务，助力企业加速大模型应用落地。 自研模型：混元全系列模型；自研精调知识大模型在无关知识拒答、多模态阅读理解上有优势；在医学、教育等行业大模型上有落地标杆。 三方开源模型：接入DeepSeek R1/V3，叠加联网搜索+RAG能力，进一步放大RAG优势。腾讯云大模型知识引擎：三大应用模式，满足客户多样需求标准模式工作流模式Agent模式平台内置最佳实践流程，只需导入文档/问答对，即可达到更稳定和精确的知识问答效果。适用于企业知识服务、产品咨询等严肃问答场景。使用指定的工作流来响应用户所有对话。如果你对应用的执行流程，有更加个性化的需求，可以通过工作流，来拖拉拽各种原子能力，编排你想要的流程。Agent模式由大模型进行任务自主规划和工具调用（function-call），可实现高效应用搭建。适用于有灵活回复或快速搭建需求的服务问答场景。“RAG：最强知识外挂”“AI指挥官”“智能生产线”要稳定选标准模式，要定制选工作流，要尝鲜选Agent！某头部客户使用知识引擎构建员工问答助手的落地实践分享应用一：知识引擎搭建企业行政问答小助手客户业务场景客户痛点方案价值新入职员工对公司内部的IT/HR/财务等规章制度了解不充分，传统ai问答机器人依赖人工梳理QA对，工作量大导致知识点不充分，员工咨询意愿度低；员工咨询量级：上线2周后，行政小助手的使用人数，较传统问答机器人提升53%左右；员工满意度：针对新员工的满意度调研中，满意度为5分（满分）的占比91%；转人工率：ai助手有效解决了企业问答场景的行政系统类问题，转人工率由原来的73%降低到当前的32%左右；日常重复咨询量大：新人即战力，帮助新员工快速融入工作以及了解企业文化是至关重要的事情，但同时重复咨询对行政部门造成较大的负荷；知识沉淀少：没有体系的知识管理平台，需要反向推动组织进行更多的行政类内容建设； 事务类 业务类 学习类办事指引政策制度留学生落户申请如何申请远程办公产假申请流程社保公积金缴纳规则企业安全合规制度年假延期规则个性信息查询业务信息查询我的年假剩余多少天电脑设备号查询我住xx，哪趟班车合适xxx平台地址是什么？办公设备更换需求提交差旅报销进度查询？学习理论、技能保险产品学习用户调研的方法有哪些什么是趸缴？被保险人和受益人区别xx保险产品介绍新人保险经纪人入门指南/指引应用二：知识引擎辅助机构业务员做专业知识问答和查询客户业务场景客户痛点方案价值知识运营问答对生成：人工编写问答对，工作量巨大问答准确文本机器人：召回率低，大量问题无法回答机构运营人员规模千人，承接新契约、保全、理赔全链路运营业务、产品的信息咨询和客户权益咨询，涉及的知识、规范内容约信息量极大（运营文档500个+，产品文档800个+），运营人员实际业务遇到问题时，需要大量查询内规和外规，无法及时响应，不同员工对外应答的内容也不一致，业务开展受限。上传知识覆盖各业务的内部操作规程(禁新契约、保全、理赔、投诉、客户信息真实性、销售可回溯、消保等)、外部业务经营要求（金管局、人行、国务院等）和业务办理模版（《权益确认书》、《委托授权书》、《保险单变更通知书》等）• 知识运营流程梳理，通过文档命名规范、文档标签支持复杂知识结构的知识运营需求；• 问答交互体验更优，相似问、猜你想问、答案溯源等功能提升咨询者体验；•知识生成时间从1小时+缩短至5分钟•问题的答案召回率100%，准确率89%在运管知识库的页面通过智能助手，即可开始问答。针对复杂的业务规则，模型可检索多个文档，总结生成全面和准确的答案应用展示应用三：知识引擎在保险经纪人消息质检场景提效客户业务场景方案简介和效果为提升保险经纪人整体素质以及进行相应考核，需要定期抽检记录，判断是否存在对用户过度承诺、诱导宣传、使用不当言论等情况；效果展示梳理违规点的分类、规则等违规点的典型示意prompt编写和效果评测模型理解并输出每组记录的质检结果违规点举例客户痛点传统质检模式机械且工作效率慢，准确率低，抽检的数据量有限； 质检准确率：抽检模型质检结果，准确率95%以上，达到客户预期； 质检流程提效：质检流程优化，有效提升质检范围和效率；应用四：知识引擎工作流能力高效生成保险建议书客户业务场景保险业务人员需要基于客户的基础信息，进行主险和附加险等产品的推荐，同时为用户生成规范的保险建议书，提高员工的办公效率；效果展示客户痛点1、保险业务人员的业务熟悉程度参差不齐，产品推荐可能会不完整；2、主险和附加险的搭配由人工在表格内手动查询、校验，效率慢；3、保险建议书没有标准的格式输出； 保险建议书工作流简介：搜集投保人基础信息-结合职业等进行风险分析-结合保险产品文档推荐主险产品-推荐附加险产品-结合表格知识进行主附险搭配校验-保费计算-完整投保方案输出； 方案效果：工作流中部分大模型节点的思考过程示意图保险建议书内容示意图Input客户基础信息搜集信息检索信息男性，xx岁，年收入xx万，已有医疗保障福利，有老婆和小孩；目前希望从现在开始强制储蓄退休金，为优质养老做规划；应用落