- 1、本文档共43页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
AI
AIAgent在企业经营分析场景的落地
营分景应用
数势科责人/李飞
Agent全览图
编码型
招聘型
提效型
通用型
科研型
个人助理型
FromE2B(2024.04)
Agent市场助理提效编程通用类招聘应用开发构建/开发平台
Agent市场
助理
提效
编程
通用类
招聘
应用开发
构建/开发平台
基础层
GPTs
AI员工
行业类
业务逻辑
业务数据
低代码创建平台
个人级开发平台
企业级开发平台
企业级开发平台
向量库
工具库
大模型库
安全
安全/监控
托管平台
托管平台
云环境和沙盒环境
云环境和沙盒环境
看似简单的提问
看似简单的提问,实则面临诸多挑战
难度系数难点
维度识别指标识别1最近7天XX
维度识别
指标识别
1
最近7天XX产品的订单量多少
2XX
2
XX产品今年累计卖了多少?
维度识别
维度识别
语义模糊
语义模糊
累加聚合
累加聚合
3
3
今年XX品牌在国内和海外的整体销量是多少
维度识别
维度识别
语义模糊
语义模糊
跨表关联
跨表关联
累加聚合
累加聚合
多任务拆解排序计算均值计算4XX品牌去年国内销量最好的产品是哪一款?今年平均每月销量多少?
多任务拆解
排序计算
均值计算
4
XX品牌去年国内销量最好的产品是哪一款?今年平均每月销量多少?
多任务依赖5华北地区XX的销量月环比为什么下降了假设任务
多任务依赖
5
华北地区XX的销量月环比为什么下降了
假设任务
数据解读归因分析
数据解读
归因分析
为什么数据分析也需要
为什么数据分析也需要Agent?
数据查询只是第一步,洞察,解读,决策才是分析的完整闭环。
数据分析Agent框架
Self-reflection
用户Query
用户Query
↓
意图识别
意图识别
Feedback:1.
Feedback:
1.Finish/fail
2.Result
3.Reward
否任务规划能力语义理解能力大模型微调能力?
否
任务规划能力
语义理解能力
大模型微调能力
?复杂任务化繁为简
?提升解决可能性
?依托语义增强和知识库
?提升到模型准确率
?指标语义微调
?模型工具微调
是否使用规划器
是
positive-negivative
positive-negivativeknowledge
PlanningmoduleAlignment
Planningmodule
Alignmentmodule
reasonning
Code
CodeIntepreter
Execute
Executemodule
元数据查询指标结果查询图表生成归因分析数据分析↓↓!数据解读
元数据查询
指标结果查询
图表生成
归因分析
数据分析
↓
↓
!
数据解读
Text2CodeAPI调用
Text2Code
API调用
场景指标推荐相似指标推荐参数解析因子归因维度归因
场景指标推荐
相似指标推荐
参数解析
因子归因
维度归因
!
↓
解读知识库
图表推荐HMAPI
图表推荐
HMAPI
ThoughtModule多样性
慢思考——如何分析问题:逐步思考,分解法,反思法,批判法,假设法
基于用户需求:{task},在以下思考方式{thought_modules},选择其中最有可能解决用户需求的思考方式,并输出。
基于用户需求:{task}和已选择的思考方式:{sel
基于用户需求:{task}和已选择的思考方式:
{seletcted_module},重新编排和改写,生成新的reasonning_structure
Selectmodule
Adaptmodule
1.你需要制定一个任务计划清单来确保解决问题,2.请简化以上问题,让其更容易解决
3.请找到问题的关键假设,帮助解决问题
4.将这个问题分解成更小、更易于管理的部分
5.从不同的角度分析问题、质疑假设和评估6.请一步一步的制定计划,并给出合理的解释
......
Implementmodule
Implementmodule
请使用以下推理结构{reasonning_structure},解决用户需求:{task}
分解法VS逐步法
分解法
逐步法
Environment
Environment{E1,E2,…,En}
Action{a1,a2,…,an}
Query
LLM
QueryLLM——Action{an}——Environment{En}
1.分解法,首次给出
您可能关注的文档
- 2.【爱分析】2024中国AI Agent市场研究报告.docx
- 4.【慧博智能投研】AI Agent行业深度:框架拆解、应用方向、应用领域及相关公司深度梳理.docx
- 7.【百度】智能体商业生成品牌新未来.docx
- 10.【实在智能】面向办公自动化领域的AI Agent建设思考与分享.docx
- 24.【爱分析】2024年AI Agent厂商全景报告.docx
- 2024H1明星营销市场与趋势观察.docx
- 2024年中国出境游行业发展趋势报告-Fastdata极数.docx
- AI Agent 场景广泛,有望实现应用端落地.docx
- AI Agent智能体打开智驾与机器人的星辰大海.docx
- 从大模型到智能体,端侧算力助力AI规模化应用.docx
文档评论(0)