- 综合排序
- 最热优先
- 最新优先
- 来自专栏AIGC新知
Agent行业落地 | 在小爱同学语音助手场景下的应用
本期带来AI agent在在小爱同学语音助手场景下的应用实践。 注：来源于网络公开信息整理，侵权删。 一、智能语音助手的变革 智能语音助手的核心在于其能够理解用户的意图，并做出相应的决策和执行。 2、提升Agent在垂直场景中的表现 优化Agent在特定垂直场景下的性能，更好地满足用户在不同领域的查询和操作需求。 为了提升Agent在垂直场景中的表现，需要在大规模业务数据上进行无监督训练，以补充业务知识和熟悉业务定义。 此外，还需要进行高质量精细化微调，根据业务需求进行少量微调，以快速适应不同场景的业务需求。 通过这些训练，Agent可以更好地理解和处理垂直场景中的具体任务。 通过领域能力训练，Agent可以学习特定领域的业务划分和多轮会话理解，从而提高其在特定场景下的表现。 通过对比不同模型（如4B模型、7B模型和4B模型+持续训练）在单轮、多轮、鲁棒性、多指令和负例等不同场景下的表现，可以看出持续训练的模型在准确性上有明显提升。
1.2K21编辑于 2025-01-22 - 来自专栏【计网】Cisco
【赠书活动】大模型在金融行业的应用场景和落地路径
ChatGPT 背后的 GPT 大模型技术是下一代 AI 技术竞争的核心，将重新定义包括金融在内的众多行业，重塑全球科技竞争格局。 金融行业属于信息密集型行业，是大模型技术的最佳应用场景之一。 如果将大模型的能力放在金融行业中去处理原有的任务，会对很多工作产生颠覆性的影响。相比现有的 AI 技术，大模型技术在众多金融场景具有广泛的应用潜力和影响力。 金融风险管理。 金融行业是数据密集型行业，涉及海量的金融数据和复杂的金融业务。 明确提供者的义务与责任、界定不同环节的要求更有利于降低生成式人工智能的安全风险，提高制度的可落地性。 其二，在降本增效、场景变革和产品升级维度进行。AIGC 应用场景与产品类型不断丰富，率先从智能客服、智能营销场景切入，逐步拓展应用范围。
53110编辑于 2024-04-02 - 来自专栏实在智能RPA
金融行业RPA案例大全：银行证券保险全场景落地实践（附数据）
这样的场景，曾是金融从业者的日常。但如今，一群不会累、不犯错、24小时连轴转的“数字员工”正在改变这一切——它们就是RPA（机器人流程自动化）。 如果你正在寻找金融行业的RPA落地参考，那么这篇文章会带你走进真实案例现场，看看这些“数字员工”究竟如何掀起效率革命，其中还会介绍RPA进化的第三代数字员工——实在智能的产品实在Agent，了解它如何解决传统 根据中国银行业协会的数据，2024年国内银行业通过RPA替代的人工工作量超2000万人/天，平均运营成本降低26%。下面这几个案例，覆盖了零售银行、对公业务和风控等核心场景。 这里就不得不提到实在智能的产品实在Agent——作为RPA进化的第三代数字员工，它比传统RPA更擅长处理复杂场景。 机器人每天自动从核心系统、信贷系统、支付系统抓取全量交易数据，按照1200多条风控规则进行筛查，包括“单日累计转账超500万”“高频向同一账户汇款”“异地大额取现”等风险场景。
72920编辑于 2025-12-09 腾讯云助力政企行业数实融合转型：技术驱动场景化价值落地
识别转型瓶颈，锚定数实融合核心诉求 各行业在数字化进程中面临共性战略困境：政府需应对基础底座扩容、城市治理技术深化、大模型趋势下创新需求（来源：上海市徐汇区城市运行管理中心）；教育存在教学资源匮乏、跨学科整合难 以技术产品矩阵构建场景化解决方案 腾讯云依托“连接器、工具箱、生态共建者”定位，提供全栈技术产品与合作模式： 政务：以TCE专有云+PaaS为底座，叠加区块链（长安链） 构建“云网数链边端安链”体系 制造：华拓光通信生产/管理/协同效率提升5%-8%，打造光通信行业智能工厂新标杆；合力叉车设备接入超5万台，AGV调度效率提升30%（来源：华拓光通信、合力叉车）。 —— 中基宁波集团数字化负责人 选择腾讯云的核心动因：技术确定性×生态协同力 腾讯云以全栈产品能力（IaaS/PaaS/SaaS/安全）、场景化技术组合（AI大模型、音视频、数据库、物联网）及全球化生态成为政企首选 （数据来源：各客户案例公开披露，腾讯云政企行业转型先锋实践合集）
14010编辑于 2026-04-14- 来自专栏MixLab科技+设计实验室
我看中的AI落地场景。
产品化的过程其实是： 挑选一个单点的AI技术，深挖其应用场景， 然后再组合其他技术，形成新技术。 用2个代表性的应用场景，来说明： 1 基于可解释机器学习技术的预测工具 #时尚潮流趋势预测工具 时尚是潮流驱动的，大多数零售商按季节经营（例如，春季/夏季，秋季/冬季、假期等）。 匿名统计人流量，这个应用场景，如果没有接触过实际业务，是很难想到的： ? 从技术出发，是可以找到合适的场景切入的，初期千万不要堆积太多的功能点。
53020发布于 2020-09-28 - 来自专栏云市场精选
行业丨小程序助力家居行业场景消费
关键词：小程序、家居 “场景”二字相当于用一种假设的方式，告诉用户在某种情况下，你将需要这个产品。简单来说，“场景”也是一种营销的手法，让用户觉得他们需要提前预防或准备某种情境的到来。 而当与生活场景息息相关的家居行业，遇上为场景而生的小程序，家居小程序自然成为现在市场中炙手可热的营销风向。 家居小程序最大的优点在于场景化体验，让顾客在较短的时间内形成自己对于一个事物的感受和认知。 以家居行业的“IKEA宜家家居”为例，宜家一直以来采用的都是线下商店购买这一商业模式，并没有与淘宝、天猫、京东等主流的电商联手推出线上店。 随着消费升级，场景和体验在家居零售终端的重要性将持续提升，这一趋势，对于以线下为主战场的传统家居来说，将会是其在夹缝中转型上车的一道新机遇。家居小程序的出现也为这个机遇插上了一双翅膀。 从眼下来看，左右沙发、榆木家具等家居大企业已经开始依靠家居小程序来追踪用户数据，打通线上、线下流量，形成场景营销的雏形了。
84430发布于 2019-04-23 - 来自专栏存储公众号：王知鱼
KIOXIA：使用SSD加速RAG场景落地
KIOXIA：使用SSD加速RAG场景落地-Fig-1 提出概念：RAG Optimized SSD Solution (ROSS) ROSS 关键要点： • 将矢量数据库从 DRAM 移动到 SSD。 KIOXIA：使用SSD加速RAG场景落地-Fig-2 什么是 RAG（检索增强生成，Retrieval Augmented Generation）？ KIOXIA：使用SSD加速RAG场景落地-Fig-4 内存中的 ANNS 算法无法扩展 • HNSW 是领先的内存 ANNS 算法。 • 矢量和索引都存储在内存中。 KIOXIA：使用SSD加速RAG场景落地-Fig-8 SSD 替换 DARM的架构示意 • 向量数据库从对象存储加载向量和索引数据到查询节点。 总结 KIOXIA：使用SSD加速RAG场景落地-Fig-10 • RAG 和 ANNS 是现代 LLM 解决方案中的关键组件。
53110编辑于 2025-02-11 - 来自专栏爱分析洞见文章
应用场景由点及面，大模型在银行业落地的方法｜案例研究
其底层技术大模型，也获得了银行业自上而下所有人员前所未有的关注度。 图2：现阶段大模型在银行价值链的应 用在应用探索初期，银行规划大模型落地时，通常优选少量场景先行试水、循序渐进。 在早期试水场景的选择上，需着重考虑大模型落地可行性，以及是否提升全员感知度并在组织内起到示范效应。现阶段银行主要将大模型应用集中在市场营销，运营管理两个环节。 由于银行各应用场景对可解释性，准确性要求较高，现阶段大小模型结合落地主流方式有两种。第一种为将大模型与小模型进行级联。 综上所述，大模型在银行业将由点及面进行落地推广，从用例开发，到场景拓展，最后形成端到端的全流程应用。
1.4K40编辑于 2023-11-03 - 来自专栏ceshiren0001
多模态LLM视觉提示实战指南：四层结构框架 + 三大行业场景落地案例
最近带领团队进行UI智能巡检项目时，我观察到一个典型的误用场景：工程师上传整个屏幕截图，然后简单询问“页面正常吗？”。 提交按钮处于禁用状态，符合预期", "截图区域": "右下角", "置信度": 0.95}表格输出适用于批量检查：元素类型预期状态实际状态是否一致备注登录按钮启用启用是-验证码输入框显示隐藏否未按预期显示三大实战场景深度解析场景一 场景二：工业质检的缺陷识别工程化挑战：传统CV算法对新缺陷类型适应性差，标注成本高。多模态增强方案：分析【零件检测图】，执行缺陷检测：检测维度：1. ：上传模糊、过曝、遮挡的图像解决：预处理步骤增加图像质量检查提示技巧：当图像质量不佳时，主动在提示中说明“如因图像质量无法判断，请返回‘无法准确识别’”坑2：过度依赖默认理解问题：认为模型“应该知道”行业术语解决 当你掌握了一个场景，其他场景的模式也就触类旁通了。最好的提示不是最聪明的，而是最可靠的。在工程世界里，可预测、可重复、可集成往往比“惊艳”更有价值。
30110编辑于 2025-12-30 - 来自专栏决策智能与机器学习
人工智能落地金融行业概况【2019】
落地情况 AI落地过程与算法模型的技术成熟过程相匹配，目前仍处在第一阶段和第二阶段，其中各个阶段的落地也是从简单环节替代人力逐步向整体替换过度： Step1：从简单场景的重复工作开始替代人的工作，如身份识别 落地方案 在各个业务的落地之中，智能技术目前以简单场景的分类识别能力为主，如语音、人脸、推荐等。下一步将在反欺诈识别和对话机器人（RPA）等复杂业务的分类识别方面有所作为。 未来随着预测能力、综合分类评估能力的提升逐步拓展到风控、投研、投顾、营销等业务场景。具体在证券、基金、保险、银行理财、消费金融、支付等各个环节的应用场景如下图所示。 ? ? ? ? ? ? 由于技术门槛和行业门槛的限制，创业公司以提供第三方服务为主，逐步积累技术和用户。 在资管、证券、信贷、保险等方向的主要从业公司如图所示。 ? 报告下载：艾瑞咨询《2019年中国金融科技行业研究报告》PDF下载，公众号回复：20191215
60920发布于 2020-08-04 - 来自专栏嘉为动态
关于SRE在金融行业落地的探讨
本文我们就以Google经典运维体系理念——SRE为例，通过对SRE的主旨内容剖析，梳理SRE与运维开发之间的联系，同时通过典型SRE落地案例详解，与大家一同探讨SRE在金融行业的落地经验。01. 其中包括几个典型的场景：CMDB——SRE运维管理体系的基石，建立消费驱动的，可视、可用、可信、可靠的运维高质量CMDB，支撑运维开发转型。可观测性——助力SRE实现全链路追踪与问题根因定位。 自动化编排引擎——SRE自动化运维的抓手，自动化场景的建设需要底层引擎的支撑，调用基本能力构建上层自动化体系，支撑SRE工具能力拓展。03. SRE在金融行业落地探讨1）落地案例分析以国内某大型银行SRE实践为例，其SRE落地进程有以下几个重要关键点：① 确定SRE落地的核心理念：符合长期战略，改善运维手动、重复性工作，建立SRE团队提升运维价值 除此之外我们对众多企业SRE进程和落地实践也进行了详细的深入分析，包含农业银行、腾讯、美图等，如您感兴趣，欢迎点击了解详情！2）经验探讨① SRE是否适合在金融行业落地？
1.2K10编辑于 2022-08-14 行业应用落地版（面向企业 运营人员）
行业痛点：为什么聊天机器人成了 “刚需工具”？ 而聊天机器人的出现，正好解决了这些痛点 —— 它能 24 小时在线、同时应对上千用户，还能精准匹配场景需求，成为企业降本增效的 “利器”。核心逻辑：企业怎么用聊天机器人落地？ 三大行业落地案例（附实操方案）案例 1：电商行业 —— 售后客服机器人（降本 60%）企业痛点：某生鲜电商，售后咨询占客服总量的 70%（如 “水果坏了”“漏发商品”），人工处理 1 条需 5 分钟，高峰时用户等 案例 3：营销行业 —— 品牌互动机器人（转化提升 30%）企业痛点：某美妆品牌，线下活动吸引的用户，后续无法持续互动，转化率低（仅 5%）。 企业落地关键步骤（不用技术也能做）选场景：先从 “重复度高、标准化强” 的场景入手（如售后、基础答疑），别一开始做复杂场景（如情感咨询）；定规则：列清楚机器人 “能答什么、不能答什么”—— 比如客服机器人能处理
19420编辑于 2025-10-11企业GEO行业标准落地方法论+行业深度解析
落地框架：找战场（平台差异化选型）→做结构（内容Markdown化/技术Schema化）→强信源（A/B/C三级交叉验证）。 三、GEO+GEM落地方法论：双引擎与九字真言我们将GEO落地抽象为可复制的「双引擎×9字真言」框架。3.1双引擎定位GEO（防御基建）：让AI认识你、防幻觉、防截流。 3.2九字落地真言①找战场：基于客单价、决策周期、成交链路，锁定1个主平台（投入70%精力），避免平均用力。②做结构：内容结构：放弃关键词堆砌，转向“场景×痛点×方案”的语义意图匹配。 A级（政府/权威媒体/百科）进预训练库；B级（垂直门户/知乎/行业报告）供RAG高频引用；C级（自媒体/用户口碑）作辅助补充。核心原则：三级信源事实必须100%交叉验证一致，否则触发重排降权。 Q4：GEO行业未来的合规趋势是什么？A：随着315曝光与监管介入，行业正从“技术投机”转向“合规基建”。
1100编辑于 2026-04-15Rokid 的AI场景操作解析：从感知到场景落地技术实现
引言在AI技术与AR终端深度融合的当下，如何突破传统交互的局限，实现设备从“被动响应”到“主动适配场景”的升级，成为行业发展的关键课题。 本文将系统拆解该技术链路，带你深度理解从用户触发交互到服务落地的完整技术逻辑！一、全链路技术架构概览Rokid AI的核心价值，在于打破单一模态的局限，实现“感知-理解-决策-反馈”的闭环。 其技术架构涵盖多模态感知、AI决策引擎、场景化执行、用户体验优化四大核心环节，各模块协同支撑从交互触发到服务落地的全流程。 当端侧小模型剪枝落地、LE Audio 双模链路开通、功耗分级与可变亮度被写进下一版固件，这条小河有望变得更窄却更迅——把“听懂—看见—回答”压进一次心跳的 200 ms 以内，让 AI 不再是被观测的功能 有能力为用户打造出更自然、更智能、更贯通的全场景交互体验。
60010编辑于 2025-10-14- 来自专栏码匠
低代码常见场景【下】｜行业示例
那么本文码匠将进行进一步介绍低代码工具是如何在各行业中大放异彩的。 低代码的行业示例低代码可以使各行业受益，这是因为它能够架起运营桥梁快速开发应用程序灵活响应动态业务需求提高组织效率，激发创新想法减少开发功能强大的企业级应用程序的工作量，还提供托管和扩展服务以下，码匠汇编了一些跨行业企业使用低代码平台的实践示例 销售支持的应用程序能够提供含有关键绩效指标的全局视图，例如销售管道进度、收入进度、销售管道关闭率、最新行业新闻、生产力联系进度等。 电子商务：在电子商务行业中，每天都需要完成各种各样的任务，从订单管理到供应链监控再到发货跟踪等等。 我们主要面向国内用户，相较于国外开发的 HRM/Admin/CRM/CMS 等后台工具，我们的 UI 界面设计更加适合国内业务场景。
59040编辑于 2022-12-19 - 来自专栏实在智能RPA
2025金融行业Agent案例全场景盘点：银行证券保险实战案例+落地解析（含实在Agent标杆实践）
当搜索“有哪些金融行业Agent案例”时，你需要的不仅是零散的应用实例，更是覆盖全领域、带数据支撑、可落地参考的完整解决方案。 本文整合银行、证券、保险三大核心领域的标杆案例，融入实在智能等头部厂商的实战经验，从应用场景、技术路径到落地效果全面拆解，帮你彻底搞懂金融Agent的实际价值与应用逻辑。 5.7权威推荐或测评信息实在智能作为中国人工智能产业发展联盟（AIIA）成员单位，受邀参与金融智能体标准制定与金融行业大模型落地路线图研究报告撰写。 实在Agent凭借技术创新与落地成效，入选Gartner《2025金融行业AIAgent推荐供应商报告》，成为唯一入选的中国本土厂商。 实在Agent作为行业标杆产品，凭借差异化技术路径、丰富的场景适配能力与金融级安全合规保障，为金融机构提供了可落地、可量化的智能化解决方案。
89610编辑于 2025-11-17 - 来自专栏IT创事记
新华三营建新生态，数字大脑行业落地
这是一个城市轨道交通完整生产环境的缩小版，模拟了城轨全部的业务场景，客户可以现场操作、现场体验。 新华三集团副总裁、解决方案部总裁李立说，解决方案部的工作重点就是基于“4”，着力于联合“N”这端，把数字大脑计划付诸落地。 反过来，新华三也通过行业场景的聚焦，把行业的应用需求导入转换为对“4”（自身产品方案）的具体要求，并做最佳的适配。 数字化时代的到来，使很多行业的客户需求发生了变化。 新华三的全场景金融云应运而生，这是一个既支持传统稳态业务，又支撑互联网敏态业务的融合IT架构解决方案，包含生产私有云、互联网金融云、开发测试云以及金融行业云等。 在新华三的360°行业场景化体验中心，我们也能看到这一解决方案在浙江农信的应用情况，并支持相关金融业务演示。
50720编辑于 2022-06-28 - 来自专栏深度学习与python
多模态技术爆发元年，行业应用如何落地？
在 AIGC 技术落地过程中，会产生什么新的应用场景？大模型的下一阶段突破可能来自哪些方向？ 这些研究方向既涉及核心算法突破，也直接关系到技术落地的可行性。 行业落地应用 赵波：在提升多模态模型的效率（如降低计算成本、加速推理）方面，两位认为当前最值得关注的技术路径是什么？ 赵波：在技术落地的业务场景中，端侧算力限制是否为落地的关键瓶颈？如何平衡效果与速度？ 高欢： 从实际业务落地的角度来看，我们往往需要在模型效果和执行效率之间寻找平衡点。 在数字人直播、智能客服、AI 面试官等需要即时反馈的场景中，这种变革尤为重要。我相信，这种交互革命很快就会成为行业标配，而实现这一目标的关键就在于持续优化模型的响应速度。 赵波：在 AIGC 技术落地过程中，腾讯混元大模型在哪些关键业务场景实现了显著的效率提升？
73110编辑于 2025-04-26 - 来自专栏数据转录
一个OCR场景的参考落地姿势
我是一个全栈开发工程师，侧重于Python，过去三年的工作经验完全集中于各种业务场景的OCR识别。 这种争论，谁胜谁负，对项目落地都没有好处。用简单的数据指标，对齐业务体感描述。 但是这个提升，对整个项目落地而言是虚的。一个合适的验收基线：避免越高越好这种基线，这是共同的愿望，但多数情况真的落不了地。过度的验收基线，只会导致漂亮的验收结果和糟糕的运营结果。
51330编辑于 2023-07-28 - 来自专栏【腾讯云开发者】
CodeBuddy AI Coding 企业场景落地实践与思考
以 CodeBuddy 为例，自己是一线用户，也是落地推动者，背着产品在团队内落地的目标，常思考如何让 CodeBuddy 结合现有研发团队的研发流程，在研发团队中落地，达到提效的预期？ 同时对于腾讯内部，会与内部研效工具做更多深度融合，提供差异化、定制化能力，基于腾讯内部大量用户和行业场景不断打磨产品，致力于为腾讯内部用户提供好用、易用、免费的产品体验，对腾讯外部用户提供具有腾讯特色的差异化 ，比如如个人态度、交互体验/模型能力是一个核心的影响因素，基于 2025 年6 月底，我们基于日常腾讯内部25 年 2900+ 用户反馈分析总结，梳理研发场景和Top问题，其中Top3 场景为：工程理解 在 MVP Demo 场景，产品完全可以自己生成 UI 设计稿，快速做出原型。当然在生成场景下，还是需要专业设计输出设计稿。 当前仅仅是一个落地探索，而腾讯内部存在不同团队的【需求级】或者【小需求级】实践，这边也可以踊跃征集，毕竟生产场景很复杂，面向不同场景也存在差异，比如 C 端/B 端/G 端，每个场景对交付质量、研发效率
3.3K21编辑于 2025-08-15
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