【公开】 概述 阿里云智能客服知识运营白皮书的撰写，是在阿里云智能客服团队的统一安排下，协调 包括算法工程师、开发工程师、产品设计师、AIT 人工智能训练师人员等多角色，将技术理 论 基础和实际实践经验进行结合，形成业内首部智能客服知识运营白皮书。 白皮书以阿里云 智 能客服系统为应用标的，面向智能客服中的知识定义、知识应用、知识梳理方法三大环 节进 行描述和说明，希望为智 上例中，整体结构流程是固定的，但是在信息交互过程中，各项信息的先后顺序可以是 灵活的，如上述的个人信息收集；另外，过程中会有分支条件产生，会根据当时的条件选择 后续执行哪些程序。 除了上述比较直观的程序性知识外，在实际的业务中，还有另一类常见的现象可以归到 程序性知识中——意图澄清现象，即用户表达的句子中，仅包含了查询结果所需的部分信 息，无法直接得到准确结果，用户甚至没有意识到还需要更多信息。这种情况下，需要启动 架和定义，在智能客服的实 际应用过程中，知识依赖于 AI 引擎而存在，不同的引擎在不同的场景下适用于不同的知 识， 实际业务中的流程式知识、 FAQ 式知识、结构化知识/ 非结构化知识等，均需要通过 AI 引擎 实现最终的业务价值，本篇章将结合实际知识形态和应用情况，分析 AI 引擎的核心能 力。 2.1 FAQ 问答引擎 FAQ 问答引擎是对话机器人重要的问答引擎，基于阿里巴巴达摩院领先的

获取每个 SKU 的供 应约束 定义约束模型 供应约束 主计划员 3.1.1.4 SNP 确认产线产能和优 先级 产线产能应根据系统连接到工作日历。如果需调整，生 产应根据可行性进行变更 根据实际的时间对产线进行优先排序，高优先级应先进 行分配 确认的产线产 能 主计划员 3.1.1.5 ERP 的数据 准备数据集 整合以上的一系列主计划集，包括动态数据和主数据 确认主计划的 数据集 主计划员 供应和需求计划间的联系，包括移动时间和移动方式等 • 运输路线提前期包括两周类别：从工厂到 CDC 或 CDC 到 RDC 的移动时间，销售管理的提前期 上海 北京 成都 广州 累积 装运实际结果 第一优先级 第二优先级 • 运输路线优先级应基于过去 3 个月的装运结果确定 定义运输路线提前期 80% 15% 5% 计算平均值和标准差 计算过去 3 个月平均装运结 果 运输路线 工厂计划 ( 每日 ) • MPS: 主生产计划 • MRP: 物料需求计划 FP* 交货请求 • 自动下单承诺周总数 • 交货请求数量是实际每日 交货数量 无约束 每日交货请求 采购预测 对于 JIT 供应商， PO 意味着承诺整周的数量，然而实际交货数量由每日排产的交货请求决定。 三级流程 : 3.2.1 验证主数据 1) 流程概览 目标 • 确保 MRP 运行所需数据的可用性

方案的意义不仅体现在技术层面，更在于其实际应用带来的经 济效益和社会价值。对于餐饮企业而言，智能化服务能够显著降低 人力成本，提高运营效率；对于客户而言，个性化服务和高效的点 餐体验将极大地提升用餐满意度。同时，通过数据驱动的决策支 持，餐饮企业能够更好地把握市场趋势，制定科学的发展战略。 为了实现这些目标，方案将分阶段实施，具体步骤如下： 1. 需求分析与系统设计：深入调研餐饮企业的实际需求，设计符 合行业特点的智能服务系统。 用户培训与支持：为餐饮企业员工提供系统使用培训，确保技 术的顺利应用。 5. 持续改进与维护：根据实际应用反馈，不断优化系统功能，提 供长期技术支持。 通过以上步骤，本方案将逐步实现餐饮服务的全面智能化，为 行业发展注入新的动力。 2. DeepSeek 大模型在餐饮服务中的潜在应用 在餐饮服务中，DeepSeek 大模型的应用潜力广泛且实际，能 够显著提升运营效率、优化客户体验并降低成本。首 先，DeepSeek 含有猪肉的菜品，并确保菜单符合当地的饮食习惯。 5. 持续优化与更新：通过收集用户反馈和使用数据，系统可以不 断优化多语言支持的准确性和用户体验。DeepSeek 大模型具 备自学习能力，能够根据实际使用情况调整翻译和识别策略， 确保系统始终提供最佳的多语言服务。 多语言支持功能的应用场景包括：国际连锁餐厅、旅游景点的 餐厅、机场和火车站的餐饮服务等。通过引入 DeepSeek 大模型，

基础数据不规范不统一； • 物料需求计划目前主要依赖手工计 算； • 采购过程无法跟踪管理； • 原材料仓储分属不同账套，操作复 杂； • 成品仓储管理准确性和实时性不 高； • 生产领料无法对应到订单，实际成 本归集无法达到订单级别； • 物料需求计划效率低，容易造成生 产缺料； • 采购过程没有清晰地系统反馈，采 购状态难度大； • 原材料仓储调拨操作复杂； • 成品账实不符常见，月末存在冲量 不同账套的报表与总部报表不能由 系统自动的出具； • 成本定额核算粗放且滞后； • 实际成本归集和计算维度较粗 • 财务部门花费大量时间在业务核 算，且无法便捷的追踪业务状态； • 系统无法自动出具总部和分部的法 定报表和分析考核报表； • 产品定额不准确，难以指导生产现 场的领料等业务开展，难以制定成 本分析的标准 • 实际成本核算不准确，不能实现产 品 + 生产批次级的成本核算 • 实现信息系统的全面覆盖，根据管控要 出具单独的利润表，用以分析和 考核的目的。 在 SAP COPA 中，本身已经可以 出具针对每个省区的利润分析 表，但是要做成利润表的格式， 就需要开发报表。 南方家居采用的方案是： 收入和成本通过实际值流水自 动进入 COPA 管理 / 销售 / 财务等费用通过 COPA 的分摊进入 COPA 中 将无法明确到物料维度的损益 金额通过自上而下的分摊，分 摊到物料维度 COPA 与

72%的企业已开始利用 机器学习针对大数据进行分类和分析，以提升信息处理的效率。这 一趋势表明，AI 技术在企业级应用中的需求正在逐步上升，越来越 多的公司希望通过 AI 大模型来解决业务中的实际问题。 使用 AI 大模型流水分类系统的关键优势体现在以下几个方 面： 1. 高效率：相比传统人工分类，AI 系统能够快速处理海量数 据，显著提升分类速度。 2. 高准确率：基于深度学习的算法能够减少人为错误，提供更高 统各个模块 的功能及其流程进行详细描述，使读者能够清晰理解系统的内部运 作机理。 其次，第三章将深入探讨流水数据的特点与分类需求。对此， 我们将通过数据实例分析不同类型流水的表现特征，并结合实际应 用场景，归纳出分类系统在不同领域的适应性和效果预期。同时， 我们将通过图表的形式，展示各类流水数据在分类时的差异性与复 杂性，为后续系统设计提供理论依据。 接下来，第四章将集中于模型的选择与优化方案。在这一部 50%以上，相比传统分类方法，可以在更短的时间内完成更多的数 据分析任务。 其次，资源配置的优化是本方案的一大亮点。借助 AI 大模型 的精确分类能力，企业在资源使用上将更具针对性，避免了重复劳 动与资源浪费。实际运用中，预计可以减少 30%的人工成本，确保 人力资源的合理利用。 错误率的降低将是我们系统实施后的又一重要成就。通过不断 训练和优化模型，预计该系统的分类准确率可达到 95%以上，甚至 在特定行业领域内实现

力。这一举措具有较高的可行性和实践价值，是人力资源管理数字 化转型的重要方向之一。 1.3 研究范围与限制 本研究聚焦于将 DeepSeek 技术引入人力资源领域的岗位推荐 系统，分析其在实际应用中的可行性与效益。研究范围主要涵盖以 下几个方面：首先，我们将评估 DeepSeek 技术在现有岗位推荐系 统中的集成难度和成本效益比，重点关注其算法优化与数据处理能 力。其次，研究将深入探讨 提升了人力资源管理的效率和求职者的满意度。 2.3 现有应用案例分析 在人力资源管理领域，Deepseek 岗位推荐系统已经显示出其 在多个行业中的广泛应用和显著效果。通过对现有应用案例的分 析，可以更好地理解该系统在实际操作中的表现和优势。 首先，在金融行业，某大型银行引入了 Deepseek 系统，用于 其内部员工的岗位匹配。通过系统的智能算法，员工的技能、经验 和职业发展目标被精确匹配到合适的岗位。数据显示，系统上线后 工伤事故 率下降了 25% 通过对这些案例的深入分析，可以看出 Deepseek 岗位推荐系 统在不同行业中均能显著提升人力资源管理的效率和效果，为企业 带来可观的经济效益和员工满意度提升。这些实际应用案例为进一 步推广和优化该系统提供了有力的支持和参考。 3. 人力资源领域现状分析 当前，人力资源领域正面临着一系列挑战与机遇。首先，随着 企业规模的扩大和全球化进程的加速，人力资源管理的复杂性显著

相关人员），而大多数非 IT 员工则不清楚如何 有效利用数字化手段来挖掘和创造新的价值，换言之，就是企业现有的人才组织难以支撑起新 的 IT 运营管理架构，往往会出现企业花费重金搭建的数字化成果在实际应用过程中“打折” 的现象。其实，这主要是行业人力市场中数字技能普及度不高，数字人才缺口大、供需不匹配 造成的。 细究原因，主要有三点： 1. 人才培养周期普遍较长，而企业数字化建设周期短，产业和市场发展速度快、变化大。无 “用户导向”思维解决 实际问题，成为业务与技术融合的桥梁。因此，数字人才的定义正逐渐超越单一技能领域的界 限，向具备全面能力的“全栈型”人才转变，其分类也更加注重岗位胜任能力的考量。  目前主流的数字人才定义：岗位胜任能力 数字化技术的飞速发展，相关岗位的技能需求持续演变，仅凭学历或专业背景已难以充分 满足企业的数字人才需求。因此，企业更倾向于依据数字人才在实际岗位上的应用表现和贡献 数字化人才发展现状分析 当今时代，数字经济已成为全球经济增长的新动能，在此时代背景下人才在我国经济全面 数字化转型的过程中已然成为第一资源和核心驱动力。对于企业方而言，人才的亟需，开启了 数字化人才刚需时代，但实际上我国数字化转型进程中人才还面临着各种不足，不能匹配企业 需求。  数字化人才供需失衡 《中国数字人才发展报告》显示，我国数字化人才缺口已达 2500 万至 3000 万，且以每 年约 2

动问题解决能力显著提升。 有意思的是，现实和预期之间的差距随着 量化的效益提升而减小。例如，在降低成 本、提高产品质量和增加收入方面，实际 效果与预期之间的差距是最小的。就增加 收入而言，现实与预期之间的差距仅仅为 4个百分点。 关于数字孪生技术带来的效 益，大家的认知与实际情况存 在明显差距 7 数字孪生技术 为企业创造的整体价值远超预期 加强协作 主动解决问题的能力 提高可靠性 Cichy指出：“数字孪 生技术目前存在一定的过度炒作现象，这引 发了人们的疑虑，对其实际应用能力产生了 困惑。” 在建筑工程领域，很多企业曾尝试部署一系 列被过度宣传但实际效果不尽如人意的解决 方案，最终多以失败告终。因此，这些企业 在面对新的解决方案时往往持谨慎态度。 Cichy强调，与其依赖宣传来解决问题，不 如通过大量实际案例来展示技术的真正优 势。 他表示：“真正的战略朴实无华：行动总好 企业与数字孪生无关 可持续发展潜力 鉴于可持续发展已成为众多行业的首要任务， 数字孪生技术在减少碳排放方面的成效令人振奋 数字孪生在减排方面同样能够发挥重要 的作用，不过目前实际表现与预期效果 之间仍存在着一定的差距。 在尚未采用数字孪生的受访者中，23% 的人认为数字孪生能显著减少排放， 25%的人则认为数字孪生无法带来减排 效益。 现实情况比较乐观。在所有行业中，

该领域的专业知识 和理解 • 学习标杆企业的优秀管理实践案例，了解各类型企业在薪酬总额预算 管理方面的成功经验和管理方法 • 获取薪酬管理决策参考，为您在日常工作中制定和管理薪酬预算提供 实际的指导和借鉴 本期案例集是通用版本，我们还有针对某类主题的标杆企业版和行业版： 标杆企业版将集中展示特定领域内具有代表性的企业的最佳实践，深 入剖析这些企业在特定主题上的成功经验和管理方法，帮助广大企业管理者学 习领先企业的管理理念和策略，提供宝贵的借鉴和启发。 行业版将聚焦于特定行业，使读者能够针对自身所在的行业，从中获取 更为精准的参考和经验，同时掌握行业内的管理趋势和标杆水平，为自身企业 的发展提出更具针对性和实际意义的行动方案。 薪酬总额预算 管理体系 Ⅰ 一、薪酬总额预算管理体系 薪酬总额，是企业支付给各类用工的人工费用总和，包含人工成本总额和 业务外包中的人工费。薪酬总额预算，是人力资源管理年度计划的重要组成部 除了设置工资总额基础部分的计提方案，即存量利润计提，基数为上年实际 利润，计提比例为按上年工资总额占利润总额比进行计提。企业还针对利润的增 量部分和超额部分按比例进行计提，体现创造增量利润、激励源于增量的分配方 向。例如针对增量利润，即当年预算目标利润-上年实际利润，计提比例设置为 15%；针对超额利润，即当年实际利润-当年预算目标利润，计提比例为 20%。 为了更科学地设置工资总额计提比例，A

中央企业应当于规划期第三年开展中期评估，并将中 期评估报告报送国务院国资委。中期评估应当重点对内外部环境形 势变化等进行分析，客观评判发展规划执行中发展目标、重点任务 10 和重大工程项目完成情况，结合实际作出细化完善。 第三十一条 中央企业应当强化发展规划权威性、严肃性,审慎 评估发展规划调整的必要性，确需调整的报经国务院国资委同意后 重新履行审核程序。 第三十二条 发展规划调整的情形包括： 行发展规划管理职责造成国有资产损失或其他严重不良后果的，由 责任追究机构按有关规定严肃追责问责。涉嫌违纪违法的，移送有 关纪检监察机构或司法机关处理。 第三十七条 各地方国有资产监督管理机构可以参照本办法，结 合实际制定本地区国有企业发展规划管理有关规定。 第三十八条 本办法由国务院国资委负责解释。 第三十九条 本办法自 2025 年 6 月 1 日起施行。国务院国资委 于 2004 年发布的《中央企业发展战略和规划管理办法（试行）》（国 康保障格局具有重要意义。为支持国有企业办医疗机构高质量发 展，制定本方案。 一、明确国有企业办医疗机构的定位和功能 （一）定义。本文所指的国有企业办医疗机构是指国有独资、 全资或国有控股企业实际控制的非营利性医疗机构。国有企业通过 产权转让等方式改为非国有企业的，其所办的非营利性医疗机构要 及时申请变更举办人。 （二）定位和功能。国有企业办医疗机构是我国医疗卫生服务 体系的重要组