知识运营白皮 阿里云 智能客服知识运营白皮书 2022 年 2 月 版本： 1.0 知识运营白皮书 【公开】 法律声明 阿里云提醒 档而遭受的利润损失，承担责任（即使阿里云已被告知该等损失的可能性）。 5. 阿里云文档中所有内容，包括但不限于图片、架构设计、页面布局、文字描述，均由阿里云 和/或其关联公司依法拥有其知识产权，包括但不限于商标权、专利权、著作权、商业秘密 等。非经阿里云和/或其关联公司书面同意，任何人不得擅自使用、修改、复制、公开传播、 改变、散布、发行或公开发表阿里云网站、产品程序或内容。此外，未经阿里云事先书面同 I 知识运营白皮书

智 能 服 务 事 业 部 知识结构化推动智能客服升级 邱立坤 阿里巴巴集团智能服务事业部 方案 KAMR 语义 表 示体系 KAMR Parser 知识图谱问 答平台 需求 知识管理 语言理解 思路 知识图谱构 建 语义剖析 答案展示 收益 高效复用 精准理解 精细管理 智 能 服 务 事 业 部 目 录 智 能 服 务 事 业 部 智能客服升级的需求 元 开通 15 元流量日套餐 开通 15 元流量日套餐 开通数据流量套餐 10 元 开通数据流量套餐 10 元 知识管理痛点 成千上万的知识点，缺乏关联，给知识运营和管理带来困扰 智 能 服 务 事 业 部 设置 1 个知识点，管理任务轻，但答案过粗 设置多个知识点，答案细致，管理任务重 智 能 服 务 事 业 部 • 我要关闭国际漫游并开通流量通套餐 • 话费充值如何索取发票供报销 模糊性 语言理解难点 语言 知识 智能 深度 学习 智 能 服 务 事 业 部 从传统智能问答到知识图谱问答 ( 上海，常住人口， (2017 年， 2419.70 万 )) 2017 年上海的常住人 口 是： 2419.70 万 上海有多少人口 智 能 服 务 事 业 部 知识结构化的主要思路 智 能 服 务 事 业 部 结构化知识图谱 非结构化业务文档 半结构化数据

...................................................................... 32 1、大型央企携手蓝凌 AI 蓝博士，驱动工程技术知识管理..........................................32 2、中集集团：流程 BPM+集成创新双引擎驱动数智化......................... 60 6、蓝凌助力长沙银行打造新一代数字化办公平台....................................................... 66 7、插上“知识羽翼”！解码大型航空公司的知识管理密匙........................................84 8、大型乳业集团 1 个平台，打通全国营销费用管理全链路................ 87 9、签单快 70%！化工巨头的智慧合同新速度............................................................. 93 10、中控技术：知识原生企业，聚变组织创新力...................................................... 100 五、关于蓝凌软件...................

service system .................................. 1 3.2 知识库 knowledge library ......................................................... 1 3.3 知识点 knowledge ......................................... .... 4 6.3.4 意图识别 ...................................................................... 4 6.3.5 知识库 ........................................................................ 4 6.3.6 客服算法 .......... .... 8 9 知识库要求 .......................................................................... 8 9.1 通用要求 .......................................................................... 9 9.2 知识库架构要求 .....

问题解决型机器人，存在的目的是为了帮用户解决具体问题， 例如：售前咨询、售后报修、订机票、酒店、餐厅座位等等 需要提供给用户自己都不知道的信息 -- 知识库 1. 理解用户问题，知道用户在问什么 2. 将用户的问题转化为对知识库的查询 问题理解 查询知识库 构建知识库查询 多轮对话的上下文管理 提问：今天北京多少度啊？ 回答： 35 度 提问：有雾霾吗？ （北京有雾霾吗？） 回答：空气质量优。 提问：那上海呢？（上海有雾霾吗？） 回答：空气质量也是优。 结合上下文 聊天机器人解决方案 自然语言处理、文本挖掘、知识图谱 知识库中存储的是一对对的“问题 - 答案”对（ QA Pair ）。这些 Pair 可以是 人工构建的，源于客户系统或者旧有知识库的，也可以是从互联网上爬取下 来的。当用户输入问题后，将其和知识库现有的标准问题进行一一比对，寻 找与用户问题最相近的标准问题，然后将该问题组对的答案返回给用户。 解决方案二 知识库中存储的不是问题 - 答案对，而仅存储答案（文档）。 当接收到用户问题后，直接拿问题去和知识库中的一篇篇文档比对，找到在 内容上关联最紧密的那篇，作为答案返回给用户。 用户问题 -> 答案 解决方案三 从用户的问题当中识别出用户的意图，并抽取这个意图针对的实体。 相应的，知识库内存储的知识，除了包含知识内容本身之外，还应该在结构 上能够表示知识之间的关联关系。

COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 5 2019 KE.COM ALL COPYRIGHTS RESERVED 组织 应用 挖掘 算法 知识 生产 6 问题挖掘 知 识 管 理 系 统 客服工单 政策法规 职能部门 知识库 知识图谱 知识生产流程 知识质检 2019 KE.COM ALL COPYRIGHTS RESERVED 拓展问题推荐 推荐关键词 推荐标签 推荐分类体系 知识生产提效 热门问题发现 kmeans 聚类 句子向量 问题去重 同义聚类 2019 KE.COM ALL COPYRIGHTS RESERVED 8 如何 / 怎么 + 【事件动词】 + 【实体词】 < 实体，属性，属性值 > < 实体， 关系， 实体 > 知识的挖掘 2019 KE.COM ALL COPYRIGHTS 强疲房源 which 区别 为什么备案经纪人需要 是本店的 ? 备案 经纪人 需要 本店 why 为什么 知识的挖掘 2019 KE.COM ALL COPYRIGHTS RESERVED 10 用户问题数据分布 8% 3% 22% 工具使用 知识咨询 闲聊型 其 它 2019 KE.C0M ALL C0PYRIGHTS RESERVED 11

育教 学新形态；加强国家高等教育智慧教育平台建设，拓展平台内容，完善平台 功能，建好内容丰富、服务高效的高等教育综合服务平台；做强“创课平 台”，系统集聚整合创新创业要素资源，提高学生解决实际问题和知识转化 能力等。 2022.9 关于加快部分领域设备更新 改造贷款财政贴息工作的通 知 设立设备更新改造专项再贷款，额度2000亿元以上，支持金融机构以不高于 3.2%的利率向教育、卫生健康等10个领域的设备更新改造提供贷款，加上中 高等教育数字化转型要着眼于技术协 同、业务协同、数据协同，达到跨层 级、跨部门、跨校区、跨校级、跨校 企和跨校家的协同转型目标。 协同 积极构建多边共享机制，促进数字资 源、师资能力、专业知识在不同主体 间流动，是高等教育机构开展持续性 数字化发展的有力保障。 共享 高等教育作为社会上层建筑的一部分， 在数字化转型背景下，其思想意识和 价值观念要随着社会变迁而发生变化， 以适应社会发展的需要；要借助各种 高等教育新形态，是推动我国原 始创新、关键核心技术攻关、科 技成果转化的长期动力源，将对 服务国家战略发展和区域经济社 会需求形成强力支撑。 长期性 高等教育在高层次人才培养、高水 平科技自立自强、自主知识体系构 建方面的关键作用日益凸显，但面 对当前复杂的国际局势和国家战略 需求，要在世界范围内新一轮科技 革命和产业变革中抢占先机，成为 全球学习借鉴和赶超的对象，就必 须拥有强大的高等教育综合实力、

政企、创业者必读 14 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型发展范式正在从「预训练」转向「后训练」和「推理时计算」 模型越做越小 17  大模型进入「轻量化」时代，上车上终端，蒸馏小模型  先做得更大，然后探索能做多小 政企、创业者必读 DeepSeek出现之前的十大预判 之五 知识的质量和密度决定大模型能力  高质量数据、合成数据使模型知识密度的快速增长  大模型能以更少的参数量达到更高的性能  360联合北大研发：5%参数量逼近Deepseek-R1满血性能 18 政企、创业者必读 DeepSeek出现之前的十大预判 多模态模态在能力变强的同时，规模正在变小 20 政企、创业者必读 21 DeepSeek出现之前的十大预判 之八 智能体推动大模型快速落地  能够调用各种工具，具有行动能力  调用企业专业知识，更懂企业  将日常重复性业务流程形成Playbook，实现流程自动化  通过目标拆解，多次调用大模型以及专家模型协同，形成 慢思考能力 传统软件是辅助人的工具，Agent是能够自主工作的数字员工，是新的生产力

智能指数报告》，越来越多的研究证实了AI对生产力的积极影响，在特定任务上AI已经能与人类专 业知识相匹配，同时具有更高的效率。根据Gartner的预测，到2028年，AI技术将自动化至少15%的 日常决策，大幅提升企业生产力，降低运营成本。通过AI技术与城市数字孪生场景结合，以时空为 “索引”对多源异构数据进行时空化治理和融合，并借助知识工程和AI算法进行智能分析、挖掘知 识和辅助决策，可以很好地解决地理规律的 识和辅助决策，可以很好地解决地理规律的复杂性、地理信息表达的多样性以及地理数据的不完备 性等关键问题。 以“模型+知识”智能驱动的AI CITY不是简单地在城市叠加技术元素，而是以AI为核心，融合联 接、计算、云、区块链等新一代信息技术，构建从感知智能到认知智能的全新技术体系，直接通过 由AI驱动的、具备对话能力的、多模态的智能体界面与之互动，打造数据驱动、具有深度学习能力 的城市级一体化智能协同体系，将推动城市走向更高效、更可持续、更有温度的新时代。 能到可扩展、多任务智能的跨越。据国际知名人工智能 研究机构OpenAI的最新研究显示，全球大模型能力在2024年实现了质的阶跃式提升。语言大模型在多个关键维度持 续进化，上下文窗口长度不断扩展，知识密度增强，带动专业大模型持续创新，在金融、医疗、教育、零售、能源等 多个行业实现初步应用，提供更加精准、高效的解决方案。 多模态大模型推动人工智能从单一感知向全场景认知跃迁 大模型发展已经进入

.................................................................................. 31 案例一 北京智能政务问答知识中枢..................................................................... 31 案例二 “桑智”政务智能助手：湖南县域 AI 政务创新样板 譬如长三角、京津冀地区的政务热线已积累相关经验。4 政务热线的数智化转型进一步强化了其“接驳器”功能，通过实现“精准派 单”、“群众反馈”、“绩效评估”提升政务热线“依数治理”的能力。一是精 准派单，政务热线借助大数据文本分析、知识图谱等技术，可实现基于诉求内容 的精准分类，从而判定职责归属和办理单位，提高派单的准确度和时效性。二是 群众反馈。借助智能语音机器人，政务热线可实现对群众的高效回访，收集群众 对诉求办理的评价 坐席规模和人均数量明显偏 17 低，且地区间差异明显，除一线城市外多数地区人员配备严重不足。二是接线员 的服务质量参差不齐，受话不规范的情况时常出现。部分接线员还存在服务礼仪 与态度差、专业知识与接听技能缺失的问题。三是接线员流失率较高，专业素养 和能力培养成本居高不下，维持热线服务质量的难度升高。目前来看，随着政务 热线诉求量持续增长，上述问题会越发突出。 第二，接通率和接通时长的