一、项目背景
以 ChatGPT 为代表的大模型技术，将会带来新一轮科技革命，无论是学术界、产业界及政府等各界都争相参与这个技术革命浪潮。究其原因， 大模型可以使用更多的数据和更复杂的神经网络，从而获得更好的性能，该技术还具有自我学习和自我提高的能力，可以根据不同的任务和数据进行自我优化。大模型的创新点在于引入了基于 Transformer 架构的生成式预训练方法，将无标签的大规模文本数据用于预训练，从而在多个NLP任务上取得了优异的效果。
某司开发的大模型是基于开源大模型 LLMA,通过不断自主训练、调参、优化形成自主本地化知识库管理大模型，本大模型的应用体现在以下几个方面：
（一）自然语言处理
对话生成、文本分析和生成任务等。例如，它可以用于自动回答用户查询、撰写文章、编写代码或生成创意内容等。
（二）数据生成器与知识挖掘工具
大模型现在可以作为一个强大的数据生成器， 帮助用户快速生成大量的文本数据，从而提升数据分析和机器学习模型训练的效率。同时，作为知识挖掘工具，它能够从庞大的数据中提取关键信息，协助用户在科研、市场调研等领域获得有价值的洞察。
（三）模型调度员与自然交互界面
大模型可以根据用户需求，自动调度不同的模型来处理特定的任务，如使用语言模型处理文本任务，或者调用图像引擎生成图像。这种灵活性使得大模型成为一个强大的多模态交互界面，用户可以通过自然语言与之交互，完成多种复杂的任务。
（四）超越文本查询的边界
本公司大模型不仅限于处理文本查询，还能处理图像、PDF 文档等多种格式的内容。这种多模态处理能力，能够应用于更广泛的领域， 如教育、医疗、法律等，为这些领域提供更加全面和深入的分析与解决方案。
（五）个性化定制功能
用户根据特定需求创建属于自己的大模型版本。这项服务赋予用户更多的控制权，使他们可以根据自己的具体需求定制聊天机器人。例如， 企业可以创建仅供员工访问的特殊助理，或者家长可以创建专门用于教育孩子解决数学问题的工具。
二、业务痛点
某单位现状存在大量非结构化文档、图书等资料，但知识利用率低、传播性差，容易形成以下问题：
（一）信息孤岛与碎片化
大量非结构化文档和图书存在于单位内，但信息相互隔离，形成信息孤岛，难以形成有机的整体。难以建立全面的知识体系，导致员工难以获取全局视图，降低了知识的综合性和深度。
（二）知识利用率低
由于信息碎片化和缺乏有效的组织方式，员工在处理大量资料时难以迅速找到所需信息，知识利用率低。员工花费大量时间在查找信息上， 降低了工作效率，可能导致工作质量下降。
（三）信息传播效率差
除了传统讲座、培训外、图书阅读外，缺乏碎片化、视频化知识传播渠道，传统信息触达渠道效果差，无法快速、准确地传达给需要的人群。
（四）缺乏个性化能力
传统模式无法根据员工的兴趣和需求进行个性化推荐，导致信息过载和用户对信息的不感兴趣。
（五）缺乏交互性
员工在知识管理过程中缺乏参与感，现有模式缺乏交互性，无法激发员工的学习和分享积极性。阻碍了知识分享和团队协作，员工不愿意积极贡献和分享经验。
三、解决方式
（一）知识抽取
将非结构化文档、图书等资料中的知识抽取出来，形成结构化数据，方便存储和检索。可以快速构建知识体系，有效解决信息孤岛问题。
（二）知识推荐
根据用户的兴趣和需求，推荐相关的知识，提高知识获取效率。让用户更加探索式学习，提高整个学习的积极性，提高学习效果。
（三）知识问答
针对用户的提问，提供准确、全面的答案，提升知识利用效率。可以针对图书内容，针对用户问题，生成个性化回答，提高知识利用率。
（四）知识生成
根据用户的需求，自动生成新的知识内容，促进知识传播，降低知识创作和门槛。
四、功能设计
（一）功能截图
1、智能对话
2、知识导入
3、知识管理
4、知识点管理
5、文档生成
（二）功能清单
