近日，正和生态知识库完成测试并正式发布。这一成果标志着公司在生态环境领域智能化转型中迈出关键一步。该知识库的核心系统“AI大模型助手”，深度融合正和生态28年行业经验、智谱GLM大模型基座，整合智谱Z1与Deepseek R1双AI模型，构建起覆盖招投标、规划设计、工程建设和内控管理全链条的智能交互中枢，可实现信息秒级检索与智能精准推送，为企业高效运转、智能化决策以及创新能力提供强大支撑，为企业市场拓展和服务客户提供有力支持。

正和生态AI大模型助手

01 构建行业领先知识库，打造清晰知识架构

1.1 海量资源整合，奠定知识基石

生态修复行业涉及面广，包括生态保护与修复、流域（河道）治理、海岸带保护与修复、生态景观等多个领域，每个领域都有大量的技术、案例和政策法规。为了构建全面、丰富的知识库，我们投入了巨大的工作量。目前，知识库已收录公司自有招投标条目439项、规划设计条目519项、工程建设条目161项、内控管理74项以及行业规范500余项，累计整理项目文件1万余份。

知识库收录了海量正和生态自有项目资料

1.2 科学分类体系，精准RAG策略

首先是基于业务场景，规划知识库的顶层架构，明确招投标、规划设计、工程建设及内控管理等关键模块，确保知识体系能够紧密贴合公司的实际业务需求；其次是层次化细分模块，构建树状分类结构，使知识类别清晰明了。例如，在工程建设模块中，依据业务场景对L1主业务（生态环境）、L2子业务（生态工程、生态运维）和L3业务产品（河流生态修复、城市棕地修复、近岸海域生态系统修复、海堤生态化改造、生态森林等）进行细分，并按照一定的逻辑关系进行组织，为后期数据向量化处理奠定基础；最后将实际知识资源，如文档、数据表格、研发实验数据等，按照上述分类架构进行整理，对应创建子文件夹，实现知识有序存储，以便提升知识复用与管理效率。

1.3 先进技术路径，构建知识治理智能闭环

从各业务领域收集的相关数据，对其进行筛选、整理和清洗，确保数据的质量和准确性。运用高维向量技术对数据进行处理，将非结构化的知识转化为计算机能够理解和处理的向量形式。同时，搭建助手工作流，开展提示词工程，优化输入输出，使模型能够更好地理解用户的问题和需求，并通过调优Temperature、top-p等模型参数，以适应不同的业务场景和问题类型，提高模型的生成能力和准确性。

知识库搭建技术路径

02 科学评测体系：三大维度200项精准验证，源于业务、归于场景

2.1 植根于四大业务板块的核心工作流与痛点

技术团队前期深入业务一线，通过访谈、问卷、实际工作分析等方式，系统性梳理了各板块在知识检索与应用方面的差异性需求。规划设计、工程建设强调方案的启发性与创新性；招投标、内控管理则要求答案的精准性与规范性，容错率极低。

2.2 场景化能力验证框架

为全面衡量Z1+知识库是否具备解决实际问题的“场景化智能”，团队构建了“双层测试框架”。

第一层：测试类型分层（共200题）——聚焦知识运用形态

· 事实查询类（80条）：专门考察知识库对精确信息（如制度原文、日期、标准等）的定位与复现能力。问题设计覆盖招标文件细则、各类合同范本关键条款、公司最新内控政策条文等，确保“有据可依”的场景需求被充分覆盖。

· 专业查询类（120条）：重点验证知识库对专业知识（如复杂设计规范、施工工艺要点、质量验收标准）的理解、解释、综合与应用能力。问题设计覆盖生态设计原理、特殊工程验收程序、合规风险点解析等，针对需要“深入理解”和“策略建议”的专业场景。

第二层：评估指标量化——聚焦知识品质

· 知识覆盖性：衡量在超过500份专业文档构成的企业知识库中，准确关联并提取相关信息的能力（目标：无知识盲区）。

· 事实一致性：严格比对知识库输出与原始权威资料（文档库）间的误差，设定企业级严苛标准：误差率需<1.2%（追求“零差错”）。

· 表达逻辑合理性：评估答案是否符合特定业务场景的专业语汇与逻辑表达，确保可读性、专业性、逻辑性达标（匹配度达96%）。

· 设立“对照组”：为具象化展现Z1+知识库相较于基础大模型（Z1）在“企业知识增强”后的显著提升价值，精心设计了对照组测试。所有200项测试问题均要求Z1基础模型（未接入企业知识库）与Z1+知识库同步作答，结果横向对比清晰揭示了知识库在特定企业知识场景下的“升级跃迁”。

招投标测试集

规划设计测试集

工程建设测试集

内控管理测试集

2.3 业务导向的动态智慧引擎：按需调参，智能适配

差异需求量化与策略制定：基于前期对各板块需求的深刻洞察，技术团队创新性地将大模型的“Temperature”参数作为核心调节杠杆。经过预测试分析与模型行为研究，精确设定了差异化的参数调节方案：

· 规划设计/工程建设板块：Temperature ↑30%。经反复测试验证，此提升能有效激发模型在保证基础准确的前提下，生成具有多样性和前瞻性的方案建议（如技术路线、替代工法、风险预案等）。

· 招投标/内控管理板块：Temperature ↓40%。通过大量稳定性测试确认，此降幅可最大化抑制随机性，确保回答高度聚焦于法规条款原文及唯一解，实现“章可循、条可依”的要求。

实测案例验证效果：

· 生态工法方案查询：规划设计场景下，Z1+知识库不仅给出标准方案，更延伸推荐了2-3种新型生态工法及适用条件。

规划设计场景问答测试

Z1+知识库答案

Z1答案

· 内部管理条款查询：内控管理场景下，答案精确至管理制度文件第X章第Y条第Z款，定位误差率为0。

内控管理场景问答测试

Z1+知识库答案

Z1答案

2.4 全景化验收：三重维度深度验证

为确保验收结果的专业性与全面性，公司组建了由业务骨干及信息专家等21名核心成员构成的验收组，采用严谨的百分制评估法，结合具体场景要求，对Z1+知识库和Z1进行分别打分，确保评估结果客观可量化。

验收组对Z1+知识库和Z1分别打分

2.4.1 知识准确性（平均分91/100）：

· Z1+知识库表现：知识覆盖性，文档定位率99%，事实一致性误差率<1.2%，场景匹配度96%。整体得分91。

· Z1表现：知识覆盖性，误差率28.5%，泛化表述占74%。整体得分74。

2.4.2 功能完备性（平均分92/100）：

· 多轮对话保持率：验收组进行高强度的连续追问（如连续10轮），严格测试对话历史记忆、意图理解与上下文逻辑连贯性，证明其具备实用级的多轮交互能力。

2.4.3 交互体验（平均分85/100）：

· 响应速度：批量执行高并发查询，实测结果显示98%的查询能在2秒内返回结果，满足高效办公需求。

· 动态更新能力：为验证知识库的实时更新与即时生效能力，验收组在现场将最新的内部管理文件《财务发票管理手册》直接导入知识库系统，随即抽取手册中修订的关键条款进行即时检索测试，检索准确率达到100%。

验收评分

03 多方评价：知识库助力企业发展

规划设计部门的同事表示，知识库为他们提供了丰富的设计资源和灵感。设计师靳桂龙说："以前做项目时，需要花费大量时间查阅资料、寻找案例，现在则能够快速找到相关的设计方案和技术资料，并通过人机交互，对项目有了很大的启发性与创新性，大大缩短了设计周期。知识库可以实时了解最新研究成果和行业动态，不断提升设计的前瞻性。"

项目管理中心总工程师田磊对知识库赞不绝口："在工程施工过程中，AI大模型助手就像一位经验丰富的老师傅，随时为我们提供技术支持和解决方案。遇到施工难题时，只需在知识库中搜索相关关键词，就能找到类似的案例和解决方法，避免了重复试错，提高了施工效率和质量。同时，知识库中的安全管理知识，也让我们的施工更加规范、安全。"

招投标部门的负责人谭燕云认为："知识库中的招投标案例和策略为我们制定投标方案提供了重要参考，让我们能够更好地理解招标文件要求，突出公司的优势和特色。"

内控管理部门负责人田颖表示，知识库在内控管理工作中发挥了重要作用。"知识库将公司的各项制度和流程进行了系统化整理，方便员工查询和学习，提高了制度的执行效率，为企业的合规经营提供了有力保障。"

企业知识库的搭建是一项持续的任务，需要持续投入和不断完善。实践证明，知识库不仅提升了企业的知识管理能力和创新能力，还为各业务板块提供了有力的支持，增强了企业的核心竞争力。未来，我们将继续优化知识库的内容和功能，使其更好地服务于企业的发展，为生态修复行业的进步做出更大的贡献。