例如将函证地址验证与工 商登记数据库实时对接，自动标记异常注册地。 值得注意的是，审计智能体的部署必须遵循严格的质控标准。 我们设计了双重校验机制：所有 AI 生成的分析结论都需通过独立 ” 规则引擎验证，关键审计判断则保留人工复核接口。这种 人机协 ” 同 模式既保持了专业判断的权威性，又实现了基础工作的智能化 替代。随着审计准则第 1321 号对 IT 控制的强化要求，该方案已通 过三 鼎信诺）的深度集成，最终达到审计项目全流程 30%以上的人工工 时压缩目标。 2. 项目背景与目标 随着数字化转型的加速推进，审计行业正面临数据量激增、合 规要求趋严、人力成本上升等多重挑战。传统审计方法依赖人工抽 样和规则引擎，效率与覆盖率难以平衡。以某国际会计师事务所的 实践为例，其年度审计项目中，仅财务报表科目核对环节就需投入 超过 2000 人天，且人工错误率高达 3%-5%，而 AI 技术的成熟为 流程重构提供了可能。 天缩短至 2.8 小时。这些需求直接指向需要构建具备自然语言处理、多维关联分 析和自动化工作流能力的智能审计系统，而 DeepSeek 的技术架构 恰好能填补现有技术栈的关键缺口—— 其混合推理引擎在测试中实 现了 93.6%的凭证异常检出率，同时将单项目人工复核量降低 62%，这为突破当前审计效率天花板提供了切实可行的技术路径。 2.2 传统审计方法的局限性 传统审计方法在长期实践中形成了以抽样检查、人工复核和规

资产管理分散，无法沉淀复用和统一运用。 底层统一 上层统一 中层异构 AI 治理 集约敏捷的 AI 中台式建 设 业务系统 B 业务系统 C 业务系统 A AI 项目的烟囱式建 设 知识引擎 大模型 API （ DeepSeek/ 客户专属 模型 / 混元 / 行业模型等） 模型 API 行业大模型 客户专属模型 模型 API 兼容 OpenAI 接口规范 高性能计算网络架构 客户业务系统 知识引擎应用 数智人 智能客服 多轮改写 文档解析 向量检索 文档拆 分 意图识别 RAG 知识文档 知识问答 开放 对接 知识引擎 配置项 工作流 联网搜索 模型部署 服务管理 应用场景 大模型 广场 蒸馏精调 启动阶段 业务量变化，服务调整难度大 TI 平台价 值 TI 平台价 值 TI 平台价 值 TI 平台价 值 痛点 腾讯云大模型知识引擎 基于大模型应用开发平台，助力客户加速大模型应用落地 （零代码） 知识引擎应用开发平台：面向初级开发者 & 企业运 营 腾讯云全栈 AI 服务上线 DeepSeek 模型 通过 DeepSeek API 和应用开发平台多级能力，满足用户各类需求

论文。 刘逸伦 华为 2012 文本机器翻译实验室工程 师 演讲嘉 宾 1. 软件日志运维观点 2. 自适应智慧体在运维领域面临的 Gap 3. 大模型 Prompt 引擎助力自适应运维智慧 体 4. 大模型知识迁移打造运维专精模型 5. 未来畅想 目录 CONTENTS PART 01 软件日志运维观点： 智能运维演进趋势是从任务数据驱动到自适应运维智慧体 根据本轮分析结果由 大语言模型自动生成 了分析报告，推荐解 决方案。 对异常日 志生成了 解释，可 以快速判 断虚报、 漏报。 11 PART 03 大模型 Prompt 引擎助力自适应运维智慧体： LogPrompt ：利用 Prompt 工程激发大模型运维潜能，零样本推断 + 可解释性 LogPrompt 解决传统日志分析两大 Gap 传统方法 LogPrompt 依赖于任务数据，专家标注耗时耗力， 自适应性差 智慧有限，可解释性差，直接输出告 警结论，无法实现告警事件分析 • 以思维链提示引擎激发大语言模型的领域文本分析能力和根因推理 能 力，在告警日志纷杂的信息中梳理思维链逻辑， AI 模型端到端生 成事 件分析总结，快速判断漏报、误报，找出根因。 • 根据用户需求描述，以多轮对话的方式灵活地提供告警查询、定位、

现有系统在实时数据处理方面存在明显短板，当并发请求超过 500TPS 时，响应延迟呈指数级增长。某汽车行业案例显示，促销 活动期间系统处理客户咨询的放弃率骤增至 28%，直接导致潜在商 机损失约 230 万元/月。此外，传统规则引擎的客户分群准确率每 季度下降约 7%，需要持续投入大量人力进行规则维护，年维护成 本中位数达 15 万元/每千用户。这些痛点严重制约了 CRM 系统在 智能经济时代的价值释放，亟需通过大模型技术实现根本性突破。 动态客户画像生成：融合基础信息、行为数据、社交 舆情等 15 个维度的特征 - 商机预测建模：基于历史成交数据构建 的预测准确率提升 37% - 风险预警系统：对异常订单的识别速度较 传统规则引擎快 8 倍 在流程自动化领域，模型展现出独特的复杂任务分解能力。测 试数据显示，其可同时处理包含 5 个嵌套条件的工单路由逻辑，执 行准确率达到 99.2%。通过与 CRM 现有 API 的深度集成，能够自 在数据价值挖掘层面，项目将建立动态客户画像分析引擎，通 过大模型的非结构化数据处理能力，实现客户需求预测准确率提升 40%。具体效益体现在销售转化环节，基于 AI 生成的个性化推荐 方案可使交叉销售成功率从现有 18%提升至 27%，客户生命周期 价值（LTV）预期增长 22%。 运营效率优化方面，计划部署智能工单分类系统与知识库自动 更新机制。经测试数据显示，工单自动分类准确率可达 88%，较原 规则引擎提升 33 个百分点，知识库维护工时将从每月

智能体 行动 Short-term memory Long-term memory 规划 工具 第一步：智能体进行任务拆解，首先调用 CollectLinks 工具从搜索引擎进行搜索并获取 Url 地址列表 https://cloud.tencent.com/developer/article/2422923 • 撰写调研报告： 调研特斯拉 FSD 和华为 ADS 这两个自动驾驶 义角色 时，会为其注册下面列出的各项工具 工 具 CollectLinks 问题拆解，从搜索引擎进行搜索，并获取 URL 地址列表。该工具基于 LLM 提示工程和搜索引擎 实 现，其功能如下：（ 1 ）将问题拆分成多个适合搜索的子问题（基于 LLM 提示工程） ; （ 2 ）通 过搜 索引擎搜索子问题 ; （ 3 ）筛选出与调研问题有关的 URL ，并根据网站可靠性对 URL 列表进行排 具 WebBrowseAndSummarize 浏览网页并总结网页内容。由两个工具组成：浏览网页和总结网络内容。（ 1 ）浏览网页是通过封 装的 WebBrowserEngine 工具访问搜索引擎实现的 ; （ 2 ）总结搜索结果是通过 LLM 提示工程实 现。 工 具 ConductResearch 生成调研报告。基于 LLM 提示工程的工具，该工具会整合 WebBrowseAndSummarize

延和高吞吐等方面的基础性能问题。 复杂应用的复合性能挑战：以游戏场景为例，其涉及复杂的图形渲染，以及物理环境模拟、 人工智能算法等，既需要高性能单核算力，支撑Unity和Unreal Engine等3D引擎的运行，也 需要可靠的的多线程并发能力，支持多玩家同步时的后台任务处理和AI推理。游戏业务的周 期特性对于资源的弹性伸缩能力要求极高。此外，玩家数据的记录也涉及频繁的写操作，需 要保持长连接、 件，也实现支持处理器双单路硬件架构通过独立供电与运行单元设计，在单路故障时仍可维持 另一单路稳定运行，实现功耗隔离与故障隔离，保障系统持续稳定运行。 QAT 硬件加速：英特尔 ® 数据保护与压缩加速技术（英特尔 ® QAT）专用加速引擎提供了带外 的独立于 CPU 核心的额外压缩 / 解压算力和加解密算力，有效卸载 CPU 负载。QAT 支持丰富 的压缩算法，既支持传统的 deflate 系列压缩算法，包括 zlib，gzip 等工作负载中常见的向量运算。ECS g�i 标配支持处理器内置的英特尔 ® 高级矩阵扩展 (Intel® �� Advanced Matrix Extensions，英特尔 ® AMX 计算加速引擎，并新增支持 FP�� 指令集，显著提升 AI 数据预处理等场景的执行效率。同时，基于 SIMD 指令集开发的软件能够在 ECS g�i 上无缝运行， 无需重写代码，方便开发者利用 SIMD 指令集的优势进行应用优化。

批量 采集 实时 采集 数据仓库 关系型数 据库 信息库 数据存储 HIVE 搜索引擎 数据模型 分析模型 关系型数 据库 数据抽取 数据挖掘 数据汇总 关系型 数据库 图片 实时性要求高 实时性要求丌 高 集市区 缓冲区 1. 最终交易价格： 关系图谱风险预警：通过互联网采集平台，整合行内外客户关联不交易信息，通过 OEC 平台进行深度挖掘不加工，识别 4 类客户关联关系，如：投资关系、担保关系、 管理关系、股权关系四维度图谱。 混合算法引擎 KNN 决策树 SVM 层次分析 聚类 业务规则 OEC 平台模型处 理 • 业务建模 • 中文分词 / 词性标注 • 实体识别 / 时间短语识别 • 企业风险知识图谱 门户 RSS 论坛 采集平台 分析结果 用智慧发现信息价值 Discover information 百度 搜狗 公众号 公众号 搜索 引擎 媒体 媒体 1 、江苏阳光以无限售流通股 10,000 万 股 质押给恒丰银行无锡分行 2 、江苏阳光以法人股 3500 万股向中国 农 业银行江阴市支行贷款 4200 万元， 并向 江阴支行提供质押担保

智能体开发通用方案采用分层设 计，主要包括数据感知层、智能决策层和结果输出层。数据感知层 负责从多种数据源中采集信息，包括结构化数据、非结构化数据以 及实时流数据；智能决策层通过机器学习算法和规则引擎对数据进 行分析与处理，生成最优决策策略；结果输出层则将决策结果以可 视化、API 或自动化操作的形式反馈给用户或系统。 为了确保方案的实际应用效果，项目团队将采用迭代开发模 式，结合敏捷管 为实现上述目标，项目将分为三个阶段推进： - 第一阶段：完成智能体基础框架的搭建，包括数据采集、预处理 模块以及核心算法的初步实现，确保智能体具备基本的多模态数据 处理能力。 - 第二阶段：优化智能体的决策引擎，引入强化学习与迁移学习技 术，提升其在复杂场景中的适应性，并通过模拟测试验证其性能。 - 第三阶段：完成智能体的资源调度与部署优化，确保其在实际生 产环境中能够高效运行，并通过用户反馈持续迭代优化。 首先，系统的核心模块包括数据处理模块、模型训练模块、推 理引擎模块和用户接口模块。数据处理模块负责从各种数据源收 集、清洗和预处理数据，确保输入数据的质量和一致性。该模块应 支持多种数据格式，并能够处理大规模数据集。模型训练模块则负 责利用处理后的数据，通过深度学习算法进行模型训练。为了提高 训练效率，该模块应支持分布式训练，并能够自动调参。 其次，推理引擎模块是智能体的核心，负责将训练好的模型应

强化学习模块还可以根据市场反馈动态调整交易策略，实现自 适应优化。通过并行计算和分布式训练，模型训练效率显著提 升，能够在短时间内完成大规模数据的训练任务。  实时决策与执行：DeepSeek 的实时决策引擎能够结合当前市 场数据和预测模型，生成最优的交易信号，并通过 API 接口与 交易平台无缝对接，实现自动下单和仓位管理。其低延迟的设 计确保了在高频交易场景中的竞争力。  风险控制与回测：DeepSeek 练过程中，将采用动态调参机制，确保模型能够适应市场的快速变 化。同时，项目还将引入强化学习技术，使模型能够在实战中不断 自我优化，提升决策的精准度。 在交易执行层面，项目将开发一套自动化交易引擎，实现从信 号生成到订单执行的全程自动化。系统将支持多种交易指令类型， 包括市价单、限价单、止损单等，并能够根据市场流动性动态调整 交易策略。此外，系统还将引入风险控制模块，实时监控市场风 在交易过程中实时监控市场动态与系统状态，以保障交易的稳定性 与安全性。该模块的设计主要分为交易执行引擎、风控管理、日志 记录及报警系统四个部分。 首先，交易执行引擎是模块的核心组件，负责将量化策略生成 的订单指令发送至交易所。为了确保订单的快速执行与低延迟，执 行引擎采用高性能的异步架构，支持多线程并行处理。同时，引擎 还集成了智能订单路由功能，能够根据市场行情自动选择最优的交 易通道。例如，在流动性较好的交易所之间进行动态切换，以降低

序 智算服务推动智算产业纵深发展 数据爆发式增长、算力不断跃迁、AI 算法和大模型持续演进带领我们进 入一个万物重构和万物智联的新时代。算力和 AI 是引领这一时代发展的最核心 的双引擎，是支撑数字建设和数字经济运行的关键要素。 智算建设如火如荼，但唯有建好、管好、用好算力，提供极致的智算服 务，构建稳健高效的算力平台，才能将算力转化为驱动创新的价值源泉，持续 释放算力价值。 紧密结合本地丰富的文旅数据资源，发挥人工智能技术其深度学习和跨界融合的技术特性， 为文旅行业实现数智化转型提供技术基础，讯飞文旅大模型在以下几点进行技术创新。 （一）创新技术赋能，打造本地化知识引擎 讯飞文旅大模型突破性地将先进的基座大模型与本地特色数据相结合，构建了本地专属 的文旅知识库。通过深度学习、自然语言处理等技术，对当地历史文化、风土人情、景点信 息、美食特 科大讯飞深入探索研究在教育领域的应用，一方面，积极探索“大模型+教育大数据” 的新型教育数字基座，提高已建应用、空间、资源、数据的使用效率，探索人工智能大模型 技术在网络学习空间中的综合利用，打造覆盖全平台的智能搜索引擎。为探索人工智能这把 “金钥匙”如何开辟教师发展新赛道、塑造教师发展新优势，助推数智时代教育的转型升级， 讯飞联合哈尔滨工业大学、北京航空航天大学广泛开展了一系列“教育+大模型”的应用场 景试点。