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。