数据分析师在重复性、低附加值工作上的时间投入。例如，对话中提到，“ABI产品 通过自动化数据拉取、整理和报告生成，部分替代了传统数据分析师的重复性劳动”， 这帮助企业快速处理海量数据并降低成本。 ◼ 智能决策支持是AI赋能BI的战略价值所在 AI通过整合多源数据并提供深层洞察，赋能企业进行战略性决策，帮助识别市场趋 势、优化资源配置。对话中指出，“数据分析师能在这个系统给的方案之上，再做出 够让分析师将更多精力投入到高附加值的战略性思考中。 对话式应用 对话式数据查询 需求 分析 多轮 问答 对话式数据查询 思路拆解 数据查询 异常检测 报告生成 趋势预测 归因分析 对话式数据查询 指标检索 看板检索 组建检索 表检索 • 提供基础自然语言处理能力，如文本生成、语音识别，赋能用户与系统的交互，提升用户体验 和初步数据交互效率。 对话管理 对话式数据查询 意图分类 • 优化对话流管理（如意图识 优化对话流管理（如意图识别、上下文理解），赋能更智能的对话引导和用户需求精准匹配， 帮助企业实现高效的用户支持和数据查询。 意图理解 思路拆解 上下文管理 大模型适配 文本生成 其他接口 大模型 垂类大模型 通用大模型 配置管理 对话式数据查询 领域知识配詈 • 大模型能够根据行业知识配置，自动调整和优化配置，使得系统能够根据不同需求灵活适配， 提高资源利用率。 推荐问题配置 意图理解 大模型

项上的评分。 26 | 第三部分 对话能力 为了保证求职者拥有更好的面试体验，AI 面试官也得像普通面试官一样跟候选人流畅地对话， 这除了依赖前面所说的语义理解能力外，也需要强大的对话能力作为支持。 e 成科技近年来开发多款 HR 场景聊天机器人，并沉淀出统一对话框架 Snowball。基于该对话 框架，AI 面试机器人可以进行统一的意图识别和对话策略管理，并同时支持知识库问答和闲聊 度应用于人力资本全场景中，推动人力资本智能变革。凭借自身在 AI 能力和行业经验的独特优势， 以及来自全球顶尖跨媒体技术实验室的 AI 核心团队，拥有顶尖的跨媒体 AI 技术，结合多年积累 的知识图谱与对话技术，e 成科技推出的 AI 面试机器人更是如虎添翼。 △e 成科技 AI 开放平台四大算法中台 28 | 第三部分 目前，e 成的音视频面试技术已经在一线员工自动化招聘和候选人 Bot 等场景中落地，为大量 内容： 真技术还是伪 AI，HR 如何选择合适的智能工具？ HR 图灵学院 | 一文读懂 RPA、AI 与 HR 的关系 AI 黑科技： 语音识别 (ASR)、自然语言理解 (NLU)、对话管理（DM）、文本生成（NLG）、语音合成（TTS）、 文本检索、情感分析、光学文字识别（OCR）…… 近两年，科技行业热词里突然多了一个简写—RPA，有人把 RPA 当作解放劳动力的救星，认为

物种的合作能力，将成为未来职场的重要技能。 在此背景下，沟通、团队合作以及与机器互动的能力显得尤为重要。 有效的沟通是人机协作的基石。学生需要掌握与机器对话的技巧，理解机器的逻辑 和反馈方式，以确保信息准确传递。这要求我们在教育中加强对学生语言表达能力 和倾听能力的培养，同时引入与机器对话的实践场景，让学生在真实环境中提升沟 通技巧。 团队合作在现代社会是不可或缺的。在AI时代，学生需要学会在团队中与机器协同 工作， ChatGPT的快速发展 如前所述，ChatGPT由OpenAI开发，是生成式AI技术的一个杰出代表。它是一个基 于大规模语言模型（如GPT-3和GPT-4）的聊天机器人，能够理解和生成人类语言， 提供流畅且具有逻辑性的对话体验。ChatGPT的开发标志着生成式AI在理解和生成 自然语言方面取得了重大突破。 基于Transformer架构的AI的神经网络参数量如图3-4所示。它展示了GPT参数的演 进，可以简单理解为模型能力的提升。 AI技术的快速进步。早期版本的 ChatGPT侧重于基本的文本生成，而随着技术的迭代和优化，最新版本的ChatGPT不 仅能够提供高质量的对话体验，还能进行复杂的逻辑推理、情感分析，甚至是编程 和创作诗歌等。此外，ChatGPT的能力还包括理解和适应不同的对话场景，以及根 据上下文生成相关且连贯的回复。 ChatGPT的快速发展得益于以下几个方面。 ❍ 大数据训练：ChatGPT基于互联网上海量的文本数据训练而成，这些数据涵盖了

1.4.监管与评估体系建设 5.2 医疗健康行业大模型专业性的提升方式 5.2.1.医疗数据的微调与任务定向优化 5.2.2.意图识别与分发优化 5.2.3. RAG 技术的应用 5.2.4.多轮对话与上下文管理机制 5.2.5.内容生成的精准与个性化 5.2.6.后台运营干预与人机协同 5.2.7.架构协同优化 5.3 医疗健康行业大模型伦理与法规对齐方式 5.3.1.医疗伦理与法规准则嵌入 赖，同时也加速了模型的迭代更新过程。 随着时间的推移，模型的规模得到了快速的膨胀，参数量从最初的数亿增长至如今的数千亿，从而 人工智能的发展迈入了大语言模型时代。这些大语言模型不仅可以用于经典的 NLP 任务，还在多 轮对话、文案生成、编程辅助、多模态交互等新兴应用场景中展现出巨大的潜力。越来越多的领域 如医疗、媒体、艺术、金融等[4]，都在积极采用大语言模型，以提升效率、促进创新和优化决 策。 在众多应用领域中，医疗 ，具体可以分为以下几点： 1． 高准确性要求： 在医疗领域， 错误的预测或诊断可能会对患者的生命造成严重的影响。因此， 医疗健康大模型 需要达到极高的准确性和可靠性， 其推理过程通常需要多轮对话来获取更多的信息 来 辅 助 诊 断 ， 可 能 涉 及 到 更 多 的 验 证 步 骤 和 冗 余 检 查 ， 在 此 采 用 思 维 链 CoT（ Chain of Thought） [12]

代码生成等方面取得显著提升，在各类权威基准测试中不断突破记录，多项能力指标接近甚至 超越人类专家水平。 模型的上下文窗口显著扩展，主流模型已支持十万到百万级 Token 输入，可处理长文档、 复杂多轮对话，实现“全局理解”和“文档级记忆”，为报告审阅、代码仓分析等高复杂度任 务提供了技术基础。 与此同时，具备跨模态能力的理解与生成模型加速涌现，支持文本、图像、语音、视频等 多模态输入输出，大幅 动响应式 工具演进为可自主执行复杂任务的 AI 智能体。例如，以华为小艺智能体、Manus、智谱 AI AutoGLM、OpenAI Operator 等为代表的智能体，标志着 AI 开始从“对话交互”向“任务闭环” 进化，未来将会有更多智能体介入现实世界的操作。 华为在《AI 终端白皮书》中提出，当 AI 结合了更高维度的感知结果，将触发思考，进而 影响自主行为。与人类常见的行为模式 下游的应用智能体协同完成各类子任务。根据华为实验室 2025 年 5 月评测数据，鸿蒙系统智 能体小艺在复杂任务规划与执行场景，基于用户意图理解的工具调用和智能体分发的准确率在 单轮对话场景已超过 95%，多轮对话场景已超过 90%，在意图不明场景的用户澄清准确率也已 超过 90%。未来，小艺将继续深耕，探索和构筑更加精准的系统级用户意图融合感知、识别和 分发调度能力。 ◎ 智能体时代：AI

体 的分布领域如下： · 问诊对话占比 48%，即模拟医生问诊过程，基于用户 输入的症状与病史等文本信息，为用户提供疾病诊断与 治疗建议； · 健康评估与咨询占比 24%，即根据用户输入的问题文 本，生成医学相关文本答案，为用户提供健康咨询、报 告解读、用药指导、膳食建议等功能； · 病历生成与结构化医学报告生成占比 14%，根据输 入的医生与病人的对话内容，生成病历和诊断报告等结 构化的医疗文本报告； 的优势高度契合，且该领域技术成熟度较高、 市场需求强烈，成为医疗大模型最常落地的场景之一， 目前应用广泛的典型细分场景应用如下： 1.智能预问诊 智能预问诊通常依托医疗大模型驱动的智能体， 通过图文、语音等方式模拟医患对话，结合患者的病 情描述和辅助检查报告，为其提供初步预诊、医学建 议及判断，并精准推荐就诊科室和医生。目前，智能 预问诊主要有以下三种形式： 一是专业的互联网医疗平台， 如好大夫、春 雨医生等，提供在线图文问诊、电话咨询等服务； AI 应用白皮书 智慧病案与患者管理 人工智能（AI）正通过优化病历生成与管理、患 者分类、随访提醒等方式，显著提升医疗服务的效率 和质量。 1.病历生成及质控 AI 大模型能够自动转录医疗对话内容，辅助 医生撰写病历，从而减少医生的文档工作量，缓解职 业倦怠，并改善患者体验。在一项对中国医学科学院 阜外医院冠心病病区的临床医生的调查研究，80%的 医生高频率使用病历智能书写助手。在病历内容采纳

HarmonyOS 级的意图标准体系 ，意图连接了应用/元 服务内的业务功能。 意图框架能帮开发者将应用/元服务内的业务功能，智能分发到各系统入口，这个过程 即智慧分发。其中系统入口包括：小艺对话、小艺搜索、小艺建议等。 Intents Kit 利用 HarmonyOS 的大模型、多维设备感知等 AI 能力，准确且及时地获取 到用户显性、潜在意图，从而实现个性化、多模态、精准的智慧分发。 HarmonyOS 系统级的意图标准体系 ，意图连接了应 用/元服务内的业务功能。意图框架能帮开发者将应用/元服务内的业务功能，智能分发到各 系统入口，这个过程即智慧分发。其中系统入口包括：小艺对话、小艺搜索、小艺建议等。 83 意图框架的优势是，能利用 HarmonyOS 的大模型、多维设备感知等 AI 能力，准确且 及时的获取到用户显性、潜在意图，从而实现个性化、多模态、精准地智慧分发。 息时，则进行推荐提醒。 本地搜索 小艺搜索 应用/元服务向系统共享意图，系统提取意图中功能内容信息 构建本地数据索引，当用户通过系统入口进行搜索时，可以进 行内容展示。 技能调用 小艺对话 应用/元服务对接意图调用后，系统根据对用户主动输入的多 模态意图理解向应用/元服务发起调用。 ⚫ 运行方式 意图的运行逻辑：HarmonyOS、应用/元服务的交互中，意图运行方式有 2

学习门户”项目全球牵头国家。自 2023 年起每年举办 世界数字教育大会，聚焦数字教育发展形成系列重要成 果。2023 年大会发布《世界数字教育发展合作倡议》， 2024 年大会发布《数字教育合作上海倡议》，倡导加强 对话沟通，让数字教育惠及每个人。2024 年上线国家智 慧教育平台国际版，向世界学习者免费开放超 1000 门 优质学习资源。2024 年成立世界数字教育联盟，吸收来 自全球 43 个国家和地区的 办《数字教育前沿（英文）》，聚焦数字技术和教育领 域的跨学科研究。相应研究机构自 2023 年起每年发布 全球数字教育发展指数，综合评估各国数字教育整体 发展水平。召开中国—非洲—联合国教科文组织教育 和文化遗产保护合作对话会，推进全球南方合作，重 点关注非洲国家数字教育发展，优先支持妇女赋能和 青年技能培训。推动成立上海合作组织国家数字教育 联盟和中国—东盟数字教育联盟，开展区域内国家的 数字教育合作。 ·18· 深化世界数字教育双边多元合作。中国与新加坡、 澳大利亚、西班牙、意大利、芬兰等国教育部门签署 合作协议，将数字教育作为双边合作重要内容。召开 中法教育发展论坛、中意大学校长对话会、中欧大学 校长论坛、中英大学校长圆桌会，将数字教育合作作 为重要议题。大力推动数字教育校际交流合作与协同 创新，武汉大学与法国巴黎文理研究大学共建“中法 数字文化与遗产研究中心”，联合开发混合式课程；上

恢复确认及经验总结等价值阶段的生产活动，来降低MTTR处理时间，保障网络平稳可用。中 国联通针对该价值流构建3个智能体。 全网故障智能识别和监控调度Copilot：面向GNOC/NOC值班监控人员，打造的对话式 18 故障智能调度智能体。该Copilot提供智能识别异常事件、业务影响分析、工单派发、督办和 审核等能力，可实现网络监控调度从“面向设备”向“面向业务”转变；网络故障自动识别派 针对该价值流构建2个 智能体。 移网用户感知主动提升Copilot：打造感知满意度优化助手，构建用户体验感知量化评估 模型，智能预警低感知用户，感知异常网络问题根因智能诊断定位，面向感知洼地对话式生成 无线网络优化方案，实现用户感知保障体系变被动为主动，提升用户业务感知体验。该Copilot 可帮助一线快速按需定位高价值任务，提升复杂问题根因定位准确度，实现用户感知保障体系 变被动为主动。感知满意度评估准确率>70%。 识别投诉根因、制定恢复方案、 方案执行等价值阶段的生产活动，来降低客户投诉重复率，提升客户体验。中国联通针对该价 值流构建1个智能体。 智能移网/宽带一键诊断Copilot：智能对话实现精准诊断,通过对话式统一入口页面，快 速准确查询用户网B域信息、O域故障等多个投诉根因页面内容，减少诊断时间，提升用户感 知；对用户投诉进行智能化研判，为客服人员提供个性化解释话术，并自动生成有针对性的在

理解信息的基础上进行推理，思考如何回答或解决问 题，并进一步制定和执行计划。例如，DeepSeek通 过显性的思维链展示了推理过程，用户不仅能观察到 其认知活动，还能通过提问来深挖底层逻辑，并利用 多轮对话来参与优化推理逻辑，在一定程度上反映出 了AI推理能力的提升。进一步地，物理AI强调AI能在 物理世界中发挥作用，例如赋能自动驾驶和机器人等， 这将要求AI能基于多模态信息实现更为复杂的推理能 问题解答、流程文档 或职位描述，或用于 IT劳 动力调度和优化。 4 员工体验的 提升与个性化 使用人工智能驱动 的内容搜索、定制 和汇总功能，为不 同的用户角色提供 个性化的结果。这 包括使用对话式人 工智 能为不同的员 工原型定制培训和 终端用户支持。 5 潜在效益和生产率提高 最大限度提高用户可 用性 减少安全事故和风险 以市场速度部署 提升IT生产率并降低 成本 提升用户和IT员工的 知识管理 会话回答 文本生成 逻辑推理 图像生成 智能决策 搜索推荐 视频生成 有76%的受访企业将“数据分析报告自动生成”作为 最能体现大模型能力的应用，其次是“智能客户多轮 对话优化”和“代码生成与自动化测试”，各占比 63%和44%， 分列第二和第三位。“营销文案创意生 成”占比37%，位列第四。 其中自动生成数据分析报告、生成代码和营销文案生 成这三大场景的突破集中体现出大模型技术自动化能