一、需求背景
23年是大数据快速发展的一年,语言类的大模型给我带来震撼的同时,我们又在思考,大模型能给我们业务带来什么,如何构建一个符合我们自己专业的大模型,从而支撑营销系统赋能一线客户经理高效工作是我们的重大目标。 同时作为项目经理,在资源、成本的限制内,对大模型进行大规模的调优且效果未知的情况,是一个充满争议的决策。
在层层环境的限制下,快速且低成本的构建一个业务试错系统是一个不错的选择,下面就介绍下,草台班子的项目组决定通过2个人,在3天内快速的实现一个对话式的营销领域的大模型的过程。
二、业务流程
在正常开展业务推荐的场景中,营业员会首先通过客户在进行业务咨询来了解客户需求,然后根据客户需求对比公司套餐进行相应的业务推荐,最终实现业务办理。
三、技术流程
3.1、营销机器人工作流程
1、前台页面输入对话文本,并调用百度的embedding接口将数据转换成向量
2、将【对话的向量】参数传入到向量库中,和标准话术的向量进行比较,比较方法通过【余弦相似度算法】进行比较
3、对标准话术查询结果【相似度大于0.8】进行排序,找出最相似的话术,并通过最相似的话术查询出来的ID到标准的营销事件表中进行查询,找到对应的事件和行为
4、触发相应的行为,完成业务逻辑、并将查询的接口调用大模型接口,进行语言组织返回
5、如果【相似度小于0.8】则直接调用大模型接口,进行语言返回。
1、客户端页面【网格通】:提供语音的识别、文本输入等相关能力
2、营销机器人应用:提供接收话术、向量比较阈值控制、调用对应能力等功能
3、文本向量库:提供标准向量库的管理和向量比较的功能
4、事件库:提供标准话术和对应的能力、流程、回复等相关事件的关系维护
5、AI能力/大模型:提供文本转向量、问答、话术组织
6、营销能力库:提供指标查询、营销推荐、任务处理等相应的营销能力
3.2、文本向量库建设
通过线下整理的语料文件和搜索的记录数据,将标准话术转为embedding向量,并将向量数据存储在标准向量库。
注:转换向量的接口为外网接口,需要开通对应的防火墙
3.3、营销事件库建设
1、事件关系表:配置了事件和标准话术编号之间的关系
2、事件配置表:对操作事件进行管理,包括事件触发的动作和相应调用的能力
3、能力库:营销的能力信息,以服务为维度构建