热搜词：实斲展示最新癿企业热点热搜词 统计分析：对搜索癿结果进行图表统计分 析，帮劣用户判断搜索结果导向。 生成报告：对搜索癿分析结果进行报告生 成，可以保存或进行订阅、推送。 简报观察角度自定义，分析结果实时呈现 自由选择观察角度： 配置观察对象、配置观察领 域、选择观察时间段 内容结果分析：提供多种简报模板，用户可根据 配置癿观察角度自由分析，生成相应癿简报。分 析结果采用图表列表癿展示斱式。 用智慧发现信息价值 Discover information . 用户可以自己定义观察视角，自 定义关注对象、关注领域。 . 同一事物，丌同癿人有丌同癿观 察视角，每个用户可以独立配置 自己癿使用习惯。 . 定义癿关注领域，可以是多层级 癿，用户可以定义具有父子关系 癿多层级领域树。 自定义观察领域树 自定义观察对象 自定义观察对象、观察维度 观察对象 4 观察对象 3 ...... 用智慧发现信息价值 Discover information 自由定义观察角度 关注对象配置：用户可以自由配置自己所关注 癿对象。 关注领域配置：用户可以自由配置自己所关注 癿领域。 自定义观察对象、观察维度 分类展示用户所关注的重要资讯 内容结果分析： 用户可根据选择配置癿 观 察角度自由筛选结果，展示相应类别癿重 要资讯展示。 自定义分类：内容癿筛选分类可从类别库 中自由选择，根据个人喜好自由定制栏目

....................................15 2.2 功能需求定义......................................................................................17 2.3 非功能需求定义................................................. 能要求、用户体验目标以及技术限制。具体而言，需求分析应从以 下几个方面展开： 首先，功能性需求是智能体开发的基础。需要明确智能体的核 心功能模块，例如自然语言处理、对话管理、数据检索、决策支持 等。每个功能模块都需要详细定义其输入、输出、处理逻辑以及与 其他模块的交互方式。例如，在自然语言处理模块中，需确定是否 支持多语言处理、语义理解深度以及实时性要求。 其次，非功能性需求同样不可忽视。这包括系统的响应速度、 确的指导。需求文档应具备可操作性和可追溯性，确保开发团队能 够准确理解并实现用户需求。 通过以上步骤，可以确保用户需求调研的全面性和准确性，为 后续的智能体开发奠定坚实的基础。 2.2 功能需求定义 在功能需求定义阶段，我们首先需要明确 DeepSeek 智能体的 核心功能模块及其具体实现方式。智能体的核心功能应涵盖数据采 集、数据处理、智能决策、用户交互等关键环节。数据采集模块负 责从多种数据源（如传感器、数据库、API

它能够有效提升数据的质量，避免冗余信息对后续模型训练的干 扰。数据去重的主要目标是识别并删除重复或高度相似的数据记 录，确保每条数据在知识库中的唯一性。以下是数据去重的具体实 施方案。 首先，数据去重的核心步骤是定义重复数据的标准。通常情况 下，重复数据可以分为完全重复和部分重复。完全重复是指两条或 多条记录在所有字段上完全一致，而部分重复则是指记录在关键字 段（如标题、作者、摘要等）上高度相似，但某些次要字段可能存 在差异。因此，需要根据数据的特点和应用场景，明确哪些字段是 去重的关键字段。 在实际操作中，数据去重可以分为以下几个步骤： 1. 数据加载与初步筛选：从原始数据源中加载数据，并根据预先 定义的关键字段进行初步筛选。对于文本数据，可以使用哈希 算法（如 MD5 或 SHA-256）对关键字段进行编码，生成唯一 的哈希值，从而快速识别出完全重复的记录。 2. 相似度计算与阈值设定：对于部分重复的数据，需要通过计算 用这些数据。首先，标注任务的设计应紧密结合业务需求，明确标 注的目标和范围。例如，在文本分类任务中，需要预先定义分类标 签体系，确保标签之间互斥且覆盖全面。对于实体识别任务，则需 确定需要识别的实体类型及其边界规则。 标注过程中，应建立统一的标注规范，确保不同标注人员之间 的一致性。标注规范应详细说明各类标签的定义、标注示例以及特 殊情况处理方式。为提高标注效率，可采用半自动化工具辅助标 注。例如，利

提供数据分类和标签功能，允许用户对上传的数据进行 分类管理和标记，便于后续的模型训练和评估。 3. 模型训练与优化 o 系统需集成主流的人工智能训练框架（如 TensorFlow、PyTorch 等），支持用户自定义训练参数 和模型结构，并提供可视化训练过程的功能。 o 提供模型优化功能，包括超参数调优、模型剪枝、量化 等，帮助用户提升模型性能。 4. 考评任务管理 o 系统应支持创建、发布和管理考评任务，任务类型包括 海量数据的存储与快速检索。数据存储结构应设计为分层管理，包 括原始数据、预处理数据和训练数据集，确保数据的可追溯性和版 本控制。 在数据预处理方面，系统应集成常用的数据清洗、去重、归一 化、特征提取等功能，支持用户自定义数据处理流程。数据清洗模 块应能够自动识别并处理缺失值、异常值等问题，确保数据质量。 同时，系统应提供可视化的数据预处理工具，方便用户直观地查看 和处理数据。 此外，数据安全管理是数据管理需求中的重要环节。系统需实 标进行全面 考评，包括但不限于模型的准确性、泛化能力、训练效率以及资源 消耗等。为此，系统应具备以下功能：  支持多种考评指标的设置与管理，用户可根据具体需求自定义 考评标准。  提供自动化考评功能，系统能够根据预定义的指标对模型进行 实时评估，并生成详细的考评报告。  支持历史数据的对比分析，用户可通过图表或表格形式对比不 同训练阶段的考评结果，以便直观了解模型的优化进展。

，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作方式，打造创新产品和服务，提升客户体验。与此同时，这一传 统行业接受新技术仍面临多方的挑战。 无论是用智能自动化取代重复性的手动操作，还是帮助员工增强判断能力， 改善与客户之间的互动， •保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 “人工智能”一词包含许多不同的技术和能力。我们可以将人工智能定义为：能 够感知、理解、行动和学习的计算机系统。换句话说，一个系统可以感知它 周围的世界，分析和理解它接收到的信息，并在此基础上采取行动，通过学 习改进自己的性能。 通过利用机器与环 智能将对他们的工 作产生积极影响。 流程管理：利用智能自动化颠覆商业模式 7 智能自动化不应该仅仅是将现有的人工流程自动化，弥补现有系统的缺点。 它应该从根本上重新定义这些流程，甚至是商业模式，以达到最佳效果。 保险公司已经开始使用机器人流程自动化(RPA)，这为之后的技术发展打下了 坚实基础——创建基于规则的具有可变化能力的虚拟劳动力。按目前的发展

零代码一键部署大模型，网页问答体验推理效果 u 精调训练： 低代码、灵活自定义两种精调模式自由选择 多种训练工具：具备周期调度能力的可视化建模，低门槛深度学习场景化 工具，交互式代码开发工具，专业的通用任务调度工具 分布式稳定训练：支持多机多卡大规模训练，故障自动重启续训 镜像制作：基于 jupyter 的高效自定义镜像制作工具 训练指标监控：丰富的指标监控及告警，覆盖网络及 GPU 算力 汽车 语音助手 零售 电子 说明书 金融 代理人 辅 助 ... ① 标准模式 内置 RAG 最优流 程 文档解析 多轮改写 文旅 虚拟 导游 政务 一网 通办 ② 自定义插 件 应用 场景 三方大模型 插件 工作流模式 “ 智能生产线 ” 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

2 人工智能行业发展现状.........................................................................9 1.3 SaaS 平台定义和优势.........................................................................11 1.4 本文目的和意义........ 1. 企业数字化转型的迫切性：许多企业急需通过人工智能提升业 务效率，改善客户服务。 2. 开发成本的降低：利用 SaaS 平台，企业无需从头开发和维护 复杂的 AI 基础设施。 3. 自定义功能的需求提升：各行业对 AI 方案的定制化需求增 加，SaaS 平台可以灵活支持不同业务场景。 4. 政策支持：全球范围内，许多国家和地区已经将人工智能作为 战略重点，相关政策的出台为行业发展提供了良好的环境。 总体来看，人工智能行业正迎来新的发展机遇。大模型技术的 普及与应用，将为 SaaS 平台的构建与发展带来新的动力，企业需 积极拥抱这一变化，探索基于大模型的智能化解决方案，以适应时 代的快速变迁。 1.3 SaaS 平台定义和优势 软件即服务（SaaS）是一种通过互联网提供软件应用的模式， 用户无需下载和安装软件，只需通过浏览器或应用程序访问就可以 使用。这一模式使得企业能够迅速获取所需的软件工具，降低了 IT

用户在 Agent（智能体）模式中给 AI 设臵目标和身份，并提供 Prompt（提示词）。 AI 自主拆分任务、使用工具、完成工作，用户仅负责设立目标、提供工具资源和监督结 果。OpenAI 定义的智能体具有长期和短期记忆、自主规划、工具使用和自动执行任务 的能力，能提高工作效率和用户体验。另外，智能体也分为单智能体和多智能体。单智 能体通过试错学习在单一环境中行动，追求最大奖励，多用于简易任务。多智能体在博 目标、提供资源、监督 结果。 图1 人类与 AI 的交互模式 资料来源：腾讯研究院，海通证券研究所 以 LLM 为核心，四模块铸造 AI Agent。从 OpenAI 的定义来看，智能体以大语言模 型为核心，其拥有长期和短期记忆、自主规划能力、能自动化执行复杂任务、能够使用 工具等四个特点。1）记忆模块：智能体像人类一样，能留存学到的知识以及交互习惯 等，这样的机制能 处理领域中，Prompt 通常由一个问 题或任务描述组成，例如“帮我写一篇有关人工智能的文章”，“帮我编写一段可以整理 数据的程序”等等。 一个优秀的 Prompt 应该包含 1）明确目标：能够定义任务，以及想要达到的效果； 2）具体指导：给予模型明确的指导和约束，举一些例子或明确回复边界；3）简洁明了： 使用简练、清晰的语言表达 Prompt；4）迭代优化：一次 Prompt 输出可能达不到想要

决策。 作业流程可部分实现自动化。 • • 自主化运营流程/自我优化。 AI助手支持人工进行行动规划 与生成。 • • 图2 自主化征程：一场贯穿四大成熟度阶段的真正转型 成熟度 等级定义 自主化指数 实现自主智能供应链 真正意义上的自主智能供应链包含两大维 度（见图2）：任务自动化与决策自主化。在任务 自动化层面，机器将取代人工执行具体任务。例 如，订单处理自动化可以让机器完成验证订单、 我们的研究显示，企业普遍将网络安全、云计 算与SaaS平台、RFID与物联网等先进传感器，以及 供应链数字孪生模拟平台视为自主化的关键赋能技 术。但构建自主化系统绝非各部分的简单叠加。它 需要周密的规划，针对新的工作方式定义和重构 流程，实现数据集成，并进行持续监控。流程成熟 度是一个重要的起点。许多企业若不首先稳定其 现有运营，便无法成功实施自主智�供应链。他们 可以通过奠定坚实基础来实现这一点，例如，结构 Making autonomous supply chains real 21 21 实现自主智能供应链 舍弗勒：运用AI与机器人重塑制造业 正发生在舍弗勒工厂内部的一场变革或将 在不久后重新定义全球供应链的运作方式。这 家领先的运动技术公司已成功打造了一项概念验 证，运用实体AI和机器人技术来创建更自主、更 高效的运营模式，同时全面提升员工能力。 通过与微软、Agility Robotics和英伟达等