- 综合排序
- 最热优先
- 最新优先
- 来自专栏深挖大模型呼叫的发展
深度剖析：大模型呼叫如何重塑呼叫中心行业格局
大家好，本篇文章主要和大家分享呼叫中心技术在中国的发展历程，随着时代的进步，呼叫技术发生了翻天覆地的变化，我们来看看呼叫中心是怎么从人工发展到如今大模型呼叫阶段的。 2010 年左右，云计算技术开始应用于呼叫中心领域，云呼叫中心具有成本低、部署快、弹性扩展能力强等优点，中小企业可以通过租用云呼叫中心服务，快速建立自己的客户服务中心，而无需大量的前期投资和复杂的系统维护工作 2022 年之后，大模型技术的出现进一步推动了呼叫中心的智能化发展，云蝠智能大模型呼叫基于 3 万 + 场景及 4 亿次交互每年的 chatbot 开发能力沉淀，拥有神鹤 30 亿参数 NLP 语义模型 大模型呼叫将注重全渠道融合，以确保客户在任何渠道都能获得一致、连贯的服务体验。 同时，遵循相关法律法规和道德准则，避免 AI 系统产生歧视性、误导性或有害的对话内容，让大模型呼叫技术在安全、可靠的轨道上持续发展。
1.2K10编辑于 2025-05-08 大模型 AI 呼叫产品的发展演变
（四）模型的选择在智能呼叫行业的发展历程中，选择合适的大模型对于实现高效、个性化的客户服务至关重要。本文将深入探讨这一主题，从技术选择到业务场景的应用，以及未来技术的发展趋势。 因此，智能呼叫系统可以选择成本更低、尺寸适中的模型，如turbo或4K大小的模型，以实现成本效益和性能的平衡。 这些业务场景的实现，依赖于大模型的自然语言处理能力，能够理解和响应用户的需求。随着技术的进步，模型选择变得更加自定义化。企业可以根据自己的业务需求和市场定位，选择不同的大模型来构建智能呼叫系统。 例如，Deepseek、通义千问、智谱清言、豆包等模型可以针对特定的中文市场进行优化。而在国际市场上，Lama或ChatGPT 4等技术能力则提供了更广泛的语言支持和应用场景。 我们预见，下一代技术——以GPT-4o为代表的端到端技术，将进一步推动AI呼叫行业的发展。目前，大模型呼叫技术更多依赖于RAG搜索增强结合大模型的方式。
72201编辑于 2025-02-20- 来自专栏后台技术汇
大模型应用之（4）：Langchain架构与大模型接入
背景 LangChain 是一个用于开发由大型语言模型（Large Language Model，LLM）驱动的应用程序的框架。 旨在简化使用大型语言模型的应用程序。 Langchain架构 LangChain工具 组件：大模型包装器、聊天模型包装器、数据增强工具和接口链： 提供了标准接口，和数据平台和实际应用工具紧密集成 LangChain六大模块 模块 核心作用 v=9qq6HTr7Ocw 小结： 各模块采用松耦合设计，可通过标准化接口组合使用 实际应用中通常以链为核心组织工作流（如检索QA链=数据增强+模型I/O+记忆） 回调系统提供贯穿所有模块的可观测性能力 Agent作为高级模块，可调用其他所有模块功能 大模型接入 接入示例 云服务和私有化大模型优劣对比 维度 开发成本 算力成本 运维成本 数据安全 云厂商大模型 较低，开箱即用 算力资源充足，大模型性能好 &吞吐量较高 较低，提供云平台监控 安全性低 私有化大模型 较高，自建大模型网关、服务鉴权、可用性等 算力硬件投入成本高，大模型性能较差低&吞吐量较低 较高，需要专业运维团队介入 安全性高，保密性强
95410编辑于 2025-08-04 - 来自专栏深挖大模型呼叫的发展
传统呼叫 out！大模型外呼引领企业通信新潮流，深度解析云蝠智能大模型呼叫，解锁企业高效沟通密码
大模型外呼作为一种融合了先进人工智能技术的创新应用，逐渐成为企业提升效率、优化服务体验的关键工具。它突破了传统呼叫系统的局限，以强大的智能理解、高效的交互和卓越的数据处理能力，为企业发展注入新的活力。 四、云蝠智能大模型呼叫：实践案例与成果以云蝠智能大模型呼叫为例，其在技术和功能上展现出了卓越的优势。在技术方面，云蝠智能集成了神鹤 3B 意图理解模型，并可对接多种主流大模型，实现了强大的对话能力。 在应用场景中，云蝠智能大模型呼叫广泛应用于精准营销、客户通知、售后回访和市场调研等领域。 通过深入了解大模型外呼的原理、优势、应用场景以及选型要点，企业能够更好地选择和应用适合自身业务需求的大模型外呼系统，提升客户交互体验，优化业务流程，增强市场竞争力，在数字化时代实现可持续发展。 随着技术的不断进步和创新，大模型外呼的应用前景将更加广阔，为企业创造更多的价值。
1.3K10编辑于 2025-02-25 云蝠智能大模型呼叫系统快速入门指南
以下是云蝠智能大模型呼叫系统的使用教程：前期准备初始化账户：通过云蝠智能官方渠道注册账号，完成相关的实名认证和企业信息填写等步骤，获取系统登录权限。 创建 AI 外呼任务登录呼叫中台：打开云蝠智能大模型呼叫系统，使用注册的账号登录到呼叫中台界面。点击新增任务：在呼叫中台找到 “AI 呼叫 2.0” 选项，点击 “新增任务” 按钮。 选择对话模型：根据业务需求和场景，从系统提供的对话模型中选择合适的模型，如神鹤 3B 意图理解模型、豆包等。 4.设置话术：创建或选择话术模板：点击 “话术” 选项，若已有适合的话术模板，可直接选择；若没有，则需创建新的话术模板。在创建话术时，支持通过 AI 生成开场白、结束语等内容，也可手动编写。 导入呼叫号码：点击 “导入号码” 按钮，支持从本地文件（如 Excel、CSV 等格式）导入呼叫号码列表，也可以从系统的 CRM 中选择线索数据作为呼叫号码来源。
84110编辑于 2025-05-14- 来自专栏Andon安灯系统看板工厂
Andon安灯呼叫系统lora工业无线信号呼叫器应用范围
如涂装等）进行详尽的记录，便于准确分析产品的缺陷，提高产品的整体质量;可以根据工位实际材料的消耗进行补充，提高效率，避免以往依靠经验配料造成的不合理及因为缺料配送造成的停线，换言之：lora工业无线信号呼叫器实时根据现场的物料消耗进行及时补充 其中工业LED电子看板汇总表包括:lora工业无线信号呼叫器,车间目视管理看板,防爆液晶电子看板-,工厂车间管理看板,精益目视化看板时长汇总柱状图、工业LED电子看板时长汇总饼图、工业LED电子看板柏拉图 总之，发生工业LED电子看板后，工业LED电子看板会马上发布报警呼叫，通知援助人员马上到现场解决问题，在规定的生产节拍内解决故障并复位系统。否则，将提交更上一层管理人员，采取措施，解决当前问题。 通过文档管理和标准控制功能的使用，lora工业无线信号呼叫器能将产品的加工所需的产品数据、产品标准、工艺规程或相关信息连同作业指令一起送达相应的加工单元，并对活动的过程、结果和环境等进行符合规定要求的信息收集和记录 目前，国内企业对lora工业无线信号呼叫器的需求将呈上升趋势。
93630编辑于 2023-04-18 - 来自专栏xiaosen
LangChain大模型应用开发
LangChain作为一个新兴的框架，旨在简化大模型应用的开发过程。它提供了一套工具和接口，帮助开发者将大模型无缝集成到各种应用场景中。 ： chat = ChatZhipuAI( model="GLM-4-Plus", temperature=0.5, ) 使用消息对象与模型聊天： messages = [ AIMessage prompt) print(response.content) 这时我们的langSmith后台： 构建语义搜索引擎 我们使用LangChain的文档加载器、嵌入、向量库来从其他来源检索数据，与大模型工作集成 ，这对于获取数据作为模型推理的一部分进行推理的应用程序非常重要，例如检索增强生成或RAG。 ("大模型的发展是顶峰") # 接受一个嵌入向量作为输入，并返回与该向量最相似的向量 results = vector_store.similarity_search_by_vector(embedding
67921编辑于 2024-12-04 大模型应用开发实战
至此一个大模型顺利下载完毕，它的结构如下图所示，别问我里面是啥，我也看不懂： （图4） 模型使用 以上算是完成了全部的准备工作，作为一个有效率的打工人，马上迫不及待地想看效果了。 Net有WebAPI + IIS，java有spring boot+tomcat，大模型有FastAPI+Uvicorn：FastAPI 用于构建应用的业务逻辑，Uvicorn 是运行这些应用的服务器。 不得不吐槽下，大模型也搞前后端分离这套！. 怎么着也得个应用程序APP之类，再不济也得有个Web吧！好吧，安排！为了搞大模型的人能安心研究模型，不用花精力在界面上。 最后 经过无数的蹂躏，我开发了个小应用【i歌词】，无任何条件免费提供全部源码。它基于chatglm4-9b大模型，从部署到训练，通用对话功能，核心根据歌名查歌词并创作歌词！
1.4K36编辑于 2026-05-08- 来自专栏xiaosen
大模型应用框架-LangChain
LangChain自身并不开发LLMs，它的核心理念是为各种LLMs实现通用的接口，把LLMs相关的组件“链接”在一起，简化LLMs应用的开发难度，方便开发者快速地开发复杂的LLMs应用。 LLMs: 大语言模型接收文本字符作为输入，返回的也是文本字符. 聊天模型: 基于LLMs, 不同的是它接收聊天消(一种特定格式的数据)作为输入，返回的也是聊天消息. 2.1.1 LLMs (大语言模型) LLMs使用场景最多，常用大模型的下载库：https://huggingface.co/models： 接下来我们以「文心一言」模型为例, 使用该类模型的组件： 第一步 因为大模型虽然非常强大，但是也具备一定的局限性，比如不能回答实时信息、处理数学逻辑问题仍然非常的初级等等。因此，可以借助第三方工具来辅助大模型的应用。 " os.environ['QIANFAN_SK'] = "hOGdXomPZu8FRL51dkBZrEee4tqaS6PM" # 2 实例化大模型 llm = QianfanChatEndpoint(
1.4K10编辑于 2024-06-04 - 来自专栏深度学习与python
LangChain：简化大模型应用
作者 | Guy Nesher 译者 | 平川 策划 | Tina LangChain 框架提供了常见用例的抽象，简化了大型语言模型（LLM）（如 OpenAI GPT4 或 Google PaLM）的应用。 通常，比较复杂的应用程序会使用多个组件来生成所需的结果。 我们将用 SimpleSequentialChain 做个演示，它会按顺序运行多个提示。 今日好文推荐 爱奇艺VR公司业务停滞，员工或被欠薪；阿里云开源通义千问 70 亿参数模型，免费可商用；华为正式发布鸿蒙 4，接入大模型｜Q资讯 年薪超 600 万，比技术总监还高：电影行业 AI 产品经理的崛起 大模型竞争突然升级！亚马逊 CEO 亲自监督、组建新的核心技术团队，集中优势资源打造“最具野心”的大语言模型
47730编辑于 2023-09-08 - 来自专栏大模型应用
大模型应用：大模型时代的XGBoost：传统梯度提升树与大模型的协同应用.103
一、前言 在人工智能技术体系中，XGBoost作为经典的梯度提升树模型，凭借高效的特征学习能力和优秀的结构化数据处理性能，长期占据机器学习应用的核心地位；而大模型则以其强大的语义理解、上下文建模和通用推理能力 XGBoost 与大模型融合的全链路知识，深度了解其核心原理和应用实践。 XGBoost 与大模型结合2.1 大模型的核心痛点尽管大模型能力强大，但在实际应用中存在明显短板：1. 计算成本高：训练和推理大模型需要昂贵的GPU/TPU资源，单条推理成本远高于传统机器学习模型；3. 可解释性差：大模型的黑箱特性导致其预测结果难以解释，无法满足金融、医疗等领域的合规要求；4. 传统模型和大模型不是替代关系，而是协同关系。以前总觉得大模型很高大上，传统模型过时了，现在才明白，能落地、能解决实际问题的组合才是最好的。
33632编辑于 2026-05-11 - 来自专栏大模型应用
大模型应用：隐私优先的大模型应用：同态加密与大模型结合的完整实践.101
今天我们就由浅入深拆解“同态加密 + 大模型”的完整体系，覆盖核心概念、基础原理、执行流程和实际落地，整体还是比较复杂和麻烦的，我们借此多了解一些核心概念和基础，在需要的时候再深入研究加以应用，尽量通俗的梳理 应用场景分析5.1 隐私数据问答场景：银行利用大模型分析用户的加密交易数据，回答“该用户是否符合贷款条件”。 银行大模型直接对加密的流水数据做特征提取、规则判断，如“月均流水是否≥5000”；3. 大模型输出加密的结论；4. 用户用私钥解密，得到“符合/不符合”的明文结论。 大模型在密文向量上执行“关键词提取”、“条款解析”等运算；3. 输出加密的提取结果；4. 企业解密后得到明文的关键条款。6. 此时数据已不可读，但保留了计算能力4. 将密文输入到适配后的大模型：加密后的密文被输入到经过特殊适配的大模型中，模型能够直接处理密文数据5.
36131编辑于 2026-05-09 - 来自专栏大模型应用
大模型应用：庖丁解牛：QKV机制详解，大模型的注意力之眼.4
基础介绍 我们先从理论角度来解释QKV机制，QKV机制是注意力机制的核心，尤其在Transformer模型中，注意力机制源于人类感知世界的方式：在处理信息时，我们会选择性地关注一部分信息， 在机器学习中，注意力机制允许模型在处理序列数据时，对不同的部分赋予不同的权重，从而更有效地利用信息。1. 多头注意力机制实际中大模型使用多头注意力，让模型同时从多个角度关注信息：比如在分析"我去银行取钱"时：头1关注："取"→"钱"（动作-对象关系）头2关注："银行"→"取钱"（地点-活动关系）头3关注：" attention = SimpleSelfAttention(d_model=4, d_k=2, d_v=2) # 示例输入：3个词的序列，每个词用4维向量表示 # "猫" QKV机制赋予模型动态上下文感知能力，每个位置的输出都融合了全局相关信息，而非固定窗口内的局部特征，这使模型能有效处理代词指代、一词多义等复杂语言现象。
1.3K32编辑于 2026-02-01 - 来自专栏大模型应用
大模型应用：大模型量化：INT4与INT8核心差异、选型指南及代码实现.53
一、引言 大模型的量化我们前期也探讨了基础概念和实践原理，针对CPU的量化流程做了通俗易懂的基础说明，但实际应用场景往往是需要GPU的落地实践，随着大模型参数规模突破千亿级别，存储大、显存高 在众多量化方案中，INT4 和 INT8 是应用最广泛的两种低比特量化技术。INT8 以“精度稳定、生态成熟”著称，INT4 则凭借“极致压缩、速度领先”成为边缘设备和消费级硬件的首选。 压缩比的直观数学说明：INT8压缩比：32位 → 8位，压缩率75%，只有原始的1/4大小INT4压缩比：32位 → 4位，压缩率87.5%，仅有原始的1/8大小实际存储示例：原始10亿参数模型（FP32 五、总结 简单而言，大模型INT8和INT4量化，本质就是给笨重的高精度模型减减肥，让它又小又快，还能在普通设备上跑。 总的来说，量化不是瞎压缩，是用一点点精度损失，换存储、显存减半甚至减八成，推理速度还能快 2~5 倍，让原本只能在高端GPU上跑的大模型，在普通环境也能轻松用起来，是大模型落地的关键技巧。
1.3K55编辑于 2026-03-23 - 来自专栏nginx
SpringAI vs LangChain4j：Java生态大模型应用开发终极对决
《SpringAI vs LangChain4j：Java生态大模型应用开发终极对决》 引言：Java在AI时代的重新定位 尽管Python主导了AI研究领域，但2024年JetBrains开发者调查报告显示 ，在企业级AI应用部署中，Java仍占据38%的市场份额。 两大Java生态框架的崛起尤为引人注目： SpringAI：依托Spring生态的完整企业级解决方案 LangChain4j：移植自Python生态的灵活开发框架 本文将从15个维度进行深度对比，并附可直接用于生产的代码示例 第一章：架构哲学对比 1.1 设计理念差异 维度 SpringAI LangChain4j 核心思想 约定优于配置 显式优于隐式 扩展方式 自动注入 手动组装 学习曲线 陡峭（需Spring经验） 平缓 /mvnw spring-boot:run LangChain4j示例： // 添加依赖 implementation 'dev.langchain4j:langchain4j-open-ai:0.25.0
1.7K11编辑于 2025-11-16 1大模型应用开发基础
1、大模型应用开发基础 AGI（Artificial General Intelligence）中文译为「通用人工智能」。是具备超越人类智能的 AI。 AI 技术正逐步应用于艺术创作。 「AI」之后出现「技」的概率大于其它字。这些字之间的概率关系，就是大模型训练时学到的。 划重点：使用大模型，首先要建立对象感。你是什么角色？Ta 是什么角色？ 大模型应用产品架构 Agent 模式还太超前，Copilot 是当前主流。 实现 Copilot 的主流架构是多 Agent 工作流 模仿人做事，将业务拆成工作流（workflow、SOP、pipeline） 每个 Agent 负责一个工作流节点 大模型应用技术架构 大模型应用技术特点 可以改改试试 }, ] # 调用 GPT-4o-mini 模型 chat_completion = client.chat.completions.create( model="gpt
9710编辑于 2026-06-16- 来自专栏喔家ArchiSelf
大模型应用的能力分级
对大模型应用的能力分级就像给学生打分一样，能让我们更清楚它的本事有多大。能力分级能帮我们设定目标，知道AI现在能干什么，未来还要学什么。 大模型的应用主要有两种常见模式：RAG 和 Agent。选哪种 RAG 架构，得看具体要解决什么问题，确保它适合任务需求。 关于RAG 的更多资料，可以参考《大模型系列——解读RAG》、《RAG的10篇论文-2024Q1》、《Chunking：基于大模型RAG系统中的文档分块》、《解读GraphRAG》和《在大模型RAG系统中应用知识图谱 》、《基于大模型（LLM）的Agent 应用开发》和《当你问代理机制的时候？ 小结 将大模型应用的能力进行分级，不仅有助于推动技术发展，还能更好地匹配实际应用场景，同时也让公众更容易理解其价值。
2K20编辑于 2025-03-31 - 来自专栏AI技术应用
AI教育大模型及其应用
以下是一些国内外知名的AI教育大模型及其应用：国内AI教育大模型：科大讯飞星火语伴： 基于科大讯飞星火认知大模型，主要应用于语言学习领域。 好未来MathGPT： 好未来（学而思）自研的数学学习大模型，专注于数学学科的学习。网易有道子曰教育大模型： 国内首个教育大模型，已率先推出六大应用，并在词典笔等学习硬件上实现全科辅导。 天工大模型（昆仑万维）： 国内首个对标ChatGPT的双千亿级大语言模型，也是AI搜索引擎和对话式AI助手。EmoGPT（华东师范大学）： 自研大模型，主要应用于心理疏导。 国外AI教育大模型：Khanmigo（可汗学院）： 基于ChatGPT-4，应用于多学科学习，为学生提供个性化问答和深度思考支持。 斯坦福大学的GPT-4应用： 用于生成对科学手稿的反馈，提升科研效率。AI教育大模型的应用方向主要包括：个性化学习： 提供智能助教、个性化学习路径规划、定制学习资源推荐、学习诊断和精准教学。
1.3K10编辑于 2025-06-19 - 来自专栏muller的测试分享
大语言模型应用框架介绍
大语言模型应用框架针对上述限制，直接调用大语言模型似乎并不是最佳选择，因此出现了基于大语言模型的应用框架，旨在解决这些问题。 大语言模型的应用框架通常指的是使用已有的大模型进行各种自然语言处理任务时所采用的软件架构或工具集，这些应用框架提供了一种便捷的方式，使得开发者能够利用大语言模型的强大能力解决特定的问题。 开放文档 丰富的示例代码和教程可能存在不完善或难以理解的情况社区活跃 活跃的社区支持和交流社区活跃度较低 更新维护频率持续的更新和改进 更新维护频率不稳定 目前有多种大语言模型的应用框架 包括 LangChain 的设计理念，兼具易用性（LCEL）与很强的拓展性，都成为学习大语言模型应用框架的首选如何学习大语言模型应用框架学习大语言模型应用框架应当循序渐进，所以本课程主要分为 5 个模块 总结了解什么是大语言模型应用框架。了解大语言模型应用框架的应用场景。了解常见的大语言模型应用框架。了解大语言模型的学习路线。
57610编辑于 2024-09-04 - 来自专栏AI
AI语音大模型的应用
AI语音大模型的应用已渗透到日常生活、行业服务及社会发展的多个领域，凭借“自然交互、智能理解、多场景适配”的核心优势，重构了人机交互方式并推动效率革新。以下从典型场景出发，梳理其核心应用价值。 这类应用显著提升了弱势群体的数字生活参与度。2. 公共服务政府与公共机构利用语音大模型优化服务体验：政务热线通过语音交互快速解答政策咨询（如“异地就医如何备案？”） 四、技术融合趋势：从单一功能到生态协同当前，AI语音大模型正与视觉（图像识别）、触觉（传感器数据）等多模态技术融合，进一步拓展应用边界。 未来，随着声纹识别（身份验证）、情感计算（情绪感知）等技术的成熟，语音大模型将更懂“人”的需求，成为连接物理世界与数字世界的核心入口。 总结AI语音大模型的应用本质是通过“自然语言交互”降低技术使用门槛，同时以强大的智能理解能力解决实际问题。
91611编辑于 2025-09-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号