从 “查资料两小时” 到 “问答一秒出”：DATA+AI 架构重构智能云盘新体验

推荐语

从耗时两小时到秒级响应，DATA+AI架构如何重塑企业知识管理效率？

核心内容：
1. 传统云盘知识库的三大痛点：人工标注低效、业务脱节、语义搜索不准
2. DATA+AI架构的突破：大模型实现智能分类、场景化问答与文档自动生成
3. 企业落地三步法：解决准确性、经济性与安全性的关键路径

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

• 大模型带来的新曙光与落地痛点

• 智能云盘方案：DATA+AI 架构登场

• 三步搭建，极速拥有 AI + 知识库

大模型带来的新曙光与落地痛点

一、大模型为知识库带来的变革

大模型的出现，为知识库应用带来了全新的发展机遇，让知识组织、生成和应用迈向智能化的新阶段。在智能客服领域，大模型能够快速理解用户的问题，并从海量的知识库中精准检索相关信息，为用户提供准确、高效的解答，大大提升了客服的工作效率和客户满意度。在办公场景中，大模型可以辅助员工进行文档写作，根据给定的主题和要求，自动生成内容框架、填充具体细节，甚至进行语法检查和风格优化，帮助员工节省时间和精力，提高文档质量。在医疗咨询领域，大模型结合专业的医学知识库，能够为患者提供初步的诊断建议和健康指导，辅助医生进行病情分析和治疗方案制定，提高医疗服务的水平和效率。

二、大模型 + 知识库落地的三大痛点

尽管大模型为知识库应用带来了新的希望，但在企业落地过程中，仍面临着诸多挑战，其中最为突出的是准确性、经济性和安全方面的痛点。

大模型存在幻觉问题，这给其在企业知识库中的应用带来了极大的困扰。为了确保内容准确，企业必须使用内部数据，并结合知识图谱来增强大模型的生成准确性。在输出内容时，需要确保场景准确，即输出内容和范围针对特定业务场景或者用户，实现精准推荐和个性化，同时保证范围可控。输出内容必须可信，有依据、可解释，这样才能让企业用户放心使用。

大模型落地的成本也是企业不得不考虑的重要因素。大模型落地所需的三大件，即 GPU 服务器、大模型集成开发、大模型应用产品的投入，成本高昂，动辄百万起，这对于许多企业来说是一笔巨大的开支。AI 人才的稀缺也导致了智能应用开发和运营的成本居高不下。智能应用涉及小模型算法、提示词、知识图谱 / 数据增强、智能体开发、应用开发等多个环节，需要专业的 AI 人才来完成。降低软硬件成本，降低运营、开发门槛，让大多数技术和开发人员，甚至业务专家能够快速、自主、可配置、灵活地开发智能应用机器人，成为了推动大模型落地的关键能力。

数据安全性是大模型在企业应用中必须要解决的重要问题。企业数据通常具有严格的权限管控要求，必须在安全可控的范围内利用大模型的能力，确保数据安全权限可控。因此在实际的智能知识助手的情况下，需要对大模型能够进行访问的数据进行相关的权限控制。

智能云盘方案：DATA+AI 架构登场

一、DATA+AI 架构简介

在数字化转型的浪潮中，数据与人工智能的融合成为了关键趋势，DATA+AI 架构应运而生。这种创新架构可从纵向和横向两个维度进行深入剖析，其中蕴含着 Data for AI 和 AI for DataWarehouse 两个重要方向 ，旨在实现数据与 AI 的深度融合，为企业提供更强大的智能支持。

在 Data for AI 方向上，核心任务是探索如何将海量的结构化、半结构化与非结构化数据与 AI 深度学习、大模型进行深度协同。在这个过程中，需要解决诸多技术难题，如数据预处理与 AI 模型训练的高效衔接、不同类型数据的有效整合等。通过优化数据处理流程，能够为 AI 模型提供高质量、多样化的数据，从而提升模型的准确性和泛化能力，使其能够更好地理解和处理复杂的业务场景。

AI for DataWarehouse 方向则聚焦于利用 AI 智能技术来改进数据仓库的核心能力，其中数据治理是重点关注领域。借助 AI 技术，可以实现数据的自动分类、标注和清洗，提高数据的质量和可用性。AI 还能辅助进行数据分析和决策，通过对海量数据的挖掘和分析，发现潜在的业务规律和趋势，为企业的战略决策提供有力支持。

在大数据与 AI 的融合应用中，DATA+AI 架构能够应对面向海量数据的多场景处理挑战。无论是金融领域的风险预测、电商行业的精准营销，还是医疗行业的疾病诊断辅助，DATA+AI 架构都能发挥其强大的优势，将数据转化为有价值的信息和知识，推动各行业的智能化发展。

二、 智能云盘基于该架构的优势

智能云盘深度服务于企业各类 AI + 知识库场景，基于智能云盘的认知助手，企业可以轻松自定义各类知识库助手。这一功能使得员工能够随时随地进行智能搜索和问答，极大地提高了知识获取的效率。当员工在工作中遇到问题时，只需通过自然语言提问，就能快速从知识库中获取准确的答案，无需在海量的文档中手动查找，节省了大量的时间和精力。

在总结经验和撰写报告方面，智能云盘也表现出色。它能够帮助员工快速梳理工作中的经验和成果，将分散的知识进行整合和提炼，形成有价值的知识资产。在撰写报告时，员工可以利用云盘提供的智能辅助功能，快速生成报告框架、填充相关内容，提高报告的撰写质量和效率。

在人力资源领域的制度规范知识库场景中，智能云盘通过统一制度规范文档的发布和查询，促进了企业内部的信息透明度。员工可以方便地获取最新的制度规范，提高工作的合规性，确保在工作中遵循统一的标准。在市场营销方面，市场营销知识库帮助企业更好地管理产品市场文档，加强与经销商、生态伙伴的协作，使企业能够更快地进入市场，抓住商机。

智能云盘方案：三步搭建，极速拥有 AI + 知识库

一、第一步：建立基础规范

搭建 AI + 知识库的第一步，是建立坚实的文档协作和知识库管理规范基础，这是整个知识体系高效运作的基石。

在文档协作方面，需要明确协作库（部门文档库）的使用规则。协作库作为团队成员日常协作的重要空间，应规定文件的上传格式、命名规范以及版本管理方式，以确保文件的一致性和可追溯性。制定清晰的项目文档管理流程，明确不同阶段文档的负责人和更新要求，有助于提高项目执行的效率和质量。在一个软件开发项目中，规定需求文档、设计文档、测试文档等必须按照统一的模板进行编写，并及时更新到协作库中，方便团队成员随时查阅和协作。

归档库的管理同样关键。建立明确的归档规范，确定哪些文件需要归档、归档的时间节点以及存储方式，可以有效地保存企业的历史知识和经验。对历史文档进行关联和分类，利用业务对象标签、业务域标签等对文档进行标注，能够方便后续的检索和利用。可以根据项目名称、业务领域、时间等维度对归档文档进行分类，同时为每份文档添加关键词标签，提高搜索的准确性。

发布库（知识库）是知识共享和传播的核心平台。需要建立完善的知识库管理机制，包括知识库目录与权限设置、知识库发布流程以及知识库范围的界定。明确不同部门和岗位对知识库的访问权限，确保敏感信息的安全。制定严格的发布流程，对提交的知识内容进行审核和筛选，保证知识库中知识的质量和准确性。可以设置知识库管理员，负责对提交的知识进行审核和分类，只有通过审核的知识才能发布到知识库中。

知识治理也是这一阶段的重要内容。构建科学的标签体系，对文档和知识进行编目，能够使知识库更加结构化和有序。标签体系应根据企业的业务特点和知识分类进行设计，确保标签的准确性和一致性。通过知识编目，将知识按照一定的逻辑结构进行组织，方便用户快速找到所需的知识。可以将知识分为产品知识、业务流程知识、行业动态知识等大类，再在每个大类下细分多个小类，形成清晰的知识目录结构。

二、第二步：自动化 / 智能化发布

完成基础规范的建立后，第二步是实现从部门库到知识库的自动化和智能化发布，这一过程极大地提高了知识更新的效率和准确性。

当文档在部门库中完成编辑和审核后，系统能够自动对文档进行标签添加和智能内容处理。利用先进的自然语言处理技术，系统可以分析文档的内容，自动提取关键词并添加相应的标签，减少了人工标注的工作量和误差。系统还能对文档进行格式转换、内容摘要生成等智能处理，使其更符合知识库的要求。当一份市场调研报告上传到部门库后，系统能够自动识别报告中的关键信息，如市场趋势、竞争对手分析等，并添加相应的标签，同时生成一份简洁的内容摘要，方便用户快速了解报告的核心内容。

在文档发布入库环节，系统实现了自动化操作。通过预设的工作流，文档能够自动从部门库流转到知识库，并完成版本关联和发布通知。当文档发布到知识库后，系统会自动记录文档的版本信息，方便用户查看历史版本和追溯修改记录。系统会向相关用户发送通知，告知他们新文档的发布情况，确保知识能够及时传递给需要的人。

在实际应用中，这种自动化和智能化发布流程在多个典型场景中发挥了重要作用。在招投标资料的生产过程中，基于投标项目的要求，创建文档模板，利用大模型可实现围绕着标题的扩写及主要内容的续写，加速招投标资料的产出速度。当企业参与一个项目投标时，只需输入项目的基本信息和要求，系统就能根据模板自动生成招投标文件的大纲，并填充相关的内容，大大节省了编写时间。

在项目会议的报告生成场景中，项目现场会议音频、视频等会议文件上传至 AnyShare 中，通过工作流自动将音频转换成文本，并通过大模型基于模板总结生成会议纪要。这一过程不仅提高了会议纪要的生成效率，还能确保纪要内容的准确性和完整性，避免了人工记录可能出现的遗漏和错误。

三、第三步：配置智能机器人

最后一步，是配置智能机器人，实现场景化智能应用，这为用户提供了更加便捷、高效的知识获取方式。

智能 Bot 是实现场景化智能应用的核心。它能够根据用户的业务场景完成小而精的自定义范围问答，答案更加精准。当用户在销售场景中询问关于某产品的销售策略时，智能 Bot 能够快速从知识库中检索相关信息，并给出针对性的回答，帮助销售人员更好地应对客户需求。

智能 Bot 具有灵活可自定义的特点。用户可以根据不同的场景需求，选择不同的数据源，如文档、文档库、WikiDoc、知识图谱（6.3 版本上线）、外部数据源（规划中），与大模型进行结合，实现专属问答。在研发场景中，研发人员可以将研发文档库和知识图谱作为数据源，智能 Bot 就能根据这些数据回答关于技术问题、研发流程等方面的疑问。

在访问方式上，智能 Bot 提供了多种便捷的选择。用户既可以在认知助手侧边中选择智能 Bot 进行提问，也可以在文档预览界面的侧边栏中选择，还能在全部 Bot 中查看并使用已创建的 Bot。这种多样化的访问方式，方便用户在不同的工作场景中快速调用智能 Bot，提高工作效率。在查看一份技术文档时，用户可以直接在文档预览界面的侧边栏中启动智能 Bot，询问关于文档中技术细节的问题，无需切换界面即可获得解答。

智能 Bot 还提供标准 API，可以便捷地与外部业务系统和 APP 进行集成对接。这使得智能 Bot 能够融入企业的整体业务流程中，为企业的数字化转型提供更强大的支持。将智能 Bot 与企业的客服系统集成后，客服人员可以利用智能 Bot 快速回答客户的常见问题，提高客服响应速度和服务质量。

智能云盘在大模型的能力加持下，让存储在企业内部的知识能够灵活的被用起来，而不是简单的都是一些沉淀的文档，文档变成知识，并且被应用起来，提高企业的效率才是大模型最终能够给大家带来的好处。

欢迎加入免费【数据&AIGC交流群】社群，长按以下二维码加入专业微信群，商务合作加微信备注商务合作，AIGC应用开发交流入群备注AIGC应用

往期AI+数据历史热门文章：

AI 数据治理3 大核心策略 + 4 大技术抓手

湖仓数据模型：设计与治理的深度剖析
‍‍‍‍‍

Agent" data-itemshowtype="0" linktype="text" data-linktype="2">解锁数据新动能：从统一数据治理迈向企业级Data Agent

AI 时代下湖仓一体的未来趋势：从技术融合到价值重构

用户行为数据治理：企业数字化转型的关键密码

一文读懂可信数据空间，带你解锁数据新世界

大模型协助数据治理：解锁大模型的变革力量

往期AI大模型技术历史热门文章：

知识图谱：AI时代的知识密码

Text-to-SQL准确率破局之道：从基础优化到前沿技术

DeepSeek+RAGflow 2个小时搭建text-to-sql的AI研发助手，真有这么神？" data-itemshowtype="0" linktype="text" data-linktype="2">Deepseek+RAGflow 2个小时搭建text-to-sql的AI研发助手，真有这么神？

RAGFlow：一键搭建你的专属知识库

Deepseek+RAGflow 2个小时搭建text-to-sql的AI研发助手，真有这么神？

DeepSeek+扣子：10分钟搭建一个智能体

AI大模型应用技术栈：从底层到前沿的AI之旅

DeepSeek技术全景解析

中国-Al-Agent应用研究报告

dify关键组件，开启AI应用开发新世界" data-itemshowtype="0" linktype="text" data-linktype="2">一文解锁Dify关键组件，开启AI应用开发新世界

大模型链式思维：解析Deepseek大模型的如何思考