单点登录接口 IE浏览器 非IE浏览器 国产浏览器 支持各类浏览器 知识管理——全新的WEB2.0的体系架构 •开放性：人人都可参与、不需要认证即可发布， 所有人都可以评论….. •交互性：互动式的问答、动态的积分制度….. •相关性：知识之间的关联联系，同类推荐….. •个性化：以我为主的个人工作空间、 与我相关的提醒与反馈 知识 专 家 推 荐 发 布 博 客 论 坛 认 证 分 类 认 证 知识管理——自动化的知识生成与消费 •手工录入知识与批量导入相结合，多种方式生成知识 •自动初始化客户文档库，方便数据迁移 •通过工单半自动导入案例知识，将运维经验固化 •将问答中的最佳答案，最有效答案 自动导入到参考库中 •通过系统接口自动接入其他业务系统发布的知识 系统通过多种接口方式，支持从其他系统自动、半自动生成知识。 知识管理——智能化的全文检索 •根据输入内容动态提示检索关键词

（三） 行业线标准适配：建立垂直领域差异化实施路径 ..............30 五、 趋势展望：软件工程智能化技术演进与产业升级驱动​ ............. 30 （一） 技术拐点：从“问答”到“智能驱动” ......................30 （二） 行业纵深：垂直领域适配突破，可信智能成为刚需 ............31 （三） 生态博弈：标准化与产业生态的共生治理 理的响应计划、进行清晰的交流，以及在多次交互中保持对用户信息 的记忆，以提升用户体验和系统的智能化水平。效果评测工具，利用 大模型（LLM）或者自然语言处理（NLP）模型，从结构化或非结构化 的知识源中提取信息，并自动构造问答对。 表 2 智能体评测维度表 指标 描述 认知能力 智能体识别、理解和解析用户输入的能力。包括对问题的理解、 信息提取和上下文感知。 规划能力 智能体根据识别到的用户需求和上下文信息，合理规划解决问题 缓解痛点的关键点，并整合相关技术能力，加持垂直领域差异化标准 的构建和实施路径，赋能更多垂直领域的业务场景落地。 五、趋势展望：软件工程智能化技术演进与产业升级驱 动​ （一）技术拐点：从“问答”到“智能驱动” 软件工程正经历从“问答式辅助”向“系统自治”的范式变革。 以 GitHub、Copilot 等为代表的智能工具，已在代码生成、测试用例 覆盖等方面展现出显著辅助价值，但核心能力仍局限于单一任务响应。

dcu虚拟化组件 性能监控组件 故障诊断组件 海光CPU 海光DCU IB RoCE 分布式存储 对象/文件/块存储 DAP 大模型 平台 知识库 混合排序 知识解析 检索增强 知识切片 问答测试 知识索引 Agent 画布编排 模型节点 记忆设置 HTTP节点 提示词 组件节点 大模型应用创新平台 数据库 text2sql 数据表 可视化 数据库 能力组件 数据处理 模型微服务 数据 标注 多数据 源支持 数据 批处理 标准API 高效推理引擎 优化的模型 容器化部署 DAP人工智能应用平台定位于企业级大模型开发平台，致力于帮助客户快速搭建个性化知识库问答系统，通过自定义的工作流，完成 用户特定的业务应用场景，在人工智能应用领域独具特色。 DAP提供对话引擎、企业知识库引擎、Agent编排引擎等能力矩阵，同时具备完善的企业级产品特性，包括精细化用户管理，SSO单点 业执 照识别等工作辅助。 探索测试：率先引入海光CPU+海光DCU支撑DeepSeek 671B 满血版大模型集群及QWQ 32B 蒸馏模型，高算力、高稳定、高 安全，并已接入智能投顾知识问答，构建全量企业知识库共享 服务平台。 场景开拓：除已经投入生产的算力资源外，客户正在算力资源 池化、风险合规等场景对海光产品进行验证性测试，为后续算 力平台大模型业务应用奠定基础。 生态优

确保处理的高效性和准确性。其次，系统通过意图识别和情感分 析，精确理解客户需求，从而提供个性化的服务建议和解决方案。 这不仅减少了人工客服的工作量，还大大缩短了客户等待时间，提 升了服务满意度。 智能客服系统的核心功能包括自动问答、保单信息查询、理赔 “ ” 流程指导等。例如，当客户询问 我的保单状态如何？ 时，系统能 够迅速调取相关数据，并以清晰简洁的语言进行回复。此外，系统 还具备多轮对话能力，能够在复杂情境下与客户进行多次交互，逐 1 自动问答与问题解决 在智能客服系统的应用中，自动问答与问题解决是核心功能之 一。通过自然语言处理（NLP）和深度学习技术，系统能够准确理 解客户提出的问题，并提供即时、精准的答复。首先，系统会通过 语义分析技术识别客户输入的文本，将其转化为结构化的查询请 求。然后，基于预先构建的知识库和规则引擎，系统能够快速匹配 相应的解决方案，并在毫秒级别内返回给客户。 为了提高自动问答的准确性和覆盖范围，系统采用多层次的问 杂问题，系统能够智能地将客户请求转接至人工客服，同时提供详 细的上下文信息，减少交接时间。 为优化系统性能，定期更新知识库和规则引擎至关重要。通过 分析客户对话记录和反馈，系统能够识别出高频问题和潜在的知识 盲点，进而不断完善其问答能力。以下是系统优化过程中涉及的关 键步骤： 1. 数据收集与分析：定期收集客户对话数据，分析常见问题类型 和客户需求。 2. 知识库更新：根据分析结果，更新 FAQ 库和规则引擎，确保 系统能够覆盖更多场景。

息 销售助理Agent：赋能客户拜访全流程，日常工作提效70% 拜访前： 智能文档搜索问答：AI精准搜索解决方 案、案例等，帮助销售快速找资料 智能客户情报洞察： 智能话题推荐：根据不同拜访角色，大模 型为销售提供针对性话题 自动生成企业介绍、业务概览，帮助销售快 速了解客户 语音问答获取财务、高管信息等，为拜访做 准备 AI财报解读，帮销售快速评估客户采购潜力 拜访后：

Embedding 多路召回、 Prompt 构造 LLM 自动部署 or 对接已部署好的模型服务 多路召回： 向量检索 + 全文检 索 Lindorm AI 数据平 台 2 在线问答 输出 TopK 关联内容 增 量 更 新 ： 数 据 订 阅 / 流 处 理 合法合规 校验 向量 + 标量 + 全 文 构筑 Prompt Prompt 模 板 GPU

文档、Excel 表格等海量文件中，人工查询知识库效率极低，当知识 更新时，内部员工学习新知识新信息往往滞后，企业赋能困难。 知识更新迭代滞后，内部赋能难： 销售易解决方案： 实现价值： 智能问答，精准高效 销售易智能客服机器人能够基于客户问题，自动搜索知识 库并回复，所有解答符合海量知识库中的最新更新信息； 提升检索效率，赋能员工 机器人整合分散的检测标准、设备参数等文档，让员工查

Consortium”国际数据联盟发布了多模态数据集，用于 模型训练与评估一致性验证，推动了具身智能系统的 数据共享与标准化。同时其发布了 OpenEQA 数据集， 旨在衡量人工智能系统在具身问答任务中的能力，促 进了具身智能系统在自然语言理解与环境交互方面 的研究。 2 具身智能标准化需求与挑战 具身智能作为人工智能与机器人技术深度融合 的前沿领域，其标准化工作对推动技术发展、保障系

真实环境 具体分为 任务规划 环境反馈 推理 物体 场 景 感知 感知 表达 感知 Sim2Rea l 位为 感知 具体分为 具身问答 导航 物 人 ■ 具身智能的核心技术 □ 核心技术——多模态大模型 > 大语言模型 (LLM) : 如 GPT 系列，用于自然语言理解和任务规划。 · 实例： OpenAl 的

N 大 应用 场景 用 户 • 公司领导 • 业务主管 • 采购专员 • 员工 应 用 • 功能导航 • 智能搜索 • 数据分析 • PC Web 端 • App 端 载 体 • 智能问答 数据可视 预测 / 预警 方案建议 数据决策闭环管理 采购运营 KPI 采购业务全景 多维成本分析 多维主题报表分析 提出需求 寻配货源 成交签约 履约交付 结算入账 统筹管理 场景 招采