Day2

产品知识 AI智能体IP实战训练营,线下课

一个通用大模型可以生成内容,

但它并不了解每位老师的

专业积累和业务场景。

上午我用一个结构

帮助大家理解专家型智能体:

知识库+工作流+大模型能力+输出规则。

大模型提供基础能力,

知识库提供专业材料,

工作流规定处理步骤,

输出要求则让结果符合实际使用场景。

老师真正需要积累的,

是自己的专业内容、

判断规则和服务方法。

因此,

知识库建设可以从三类材料开始:

  • 原始语料

  • 案例材料

  • 工作方法

这些材料不需要

一开始就整理成庞大的系统。

先持续收集,

再根据具体业务进行

分类、清洗和调用,

往往更容易开始。

比如,

课上讨论到幼儿园资料整理场景,

园所可以先把上级文件、

报表和审核要求归集起来,

再设计用于资料检索和整理的智能体,

并通过实际工作验证结果。

这一过程也说明,

资料上传不等于知识库已经建好。

资料要能被找到、

理解和正确使用,

还需要明确分类、

业务背景和判断标准。