课程简介
你的Agent演示惊艳、上线翻车?不是模型不行,是系统听不懂产品、业务的话。同一家券商里,"高净值客户"有三个口径、"总资产"有四种算法——Agent答得越快,错得越硬;而产品、业务每多问一个新问题,就得排队等一轮新开发。
一家典型券商的真实生产场景:经营、考核、营销三大系统各自为战多年,使用本体给业务语言上了户口,每个业务词有唯一身份、唯一口径、唯一算法,答案自带来源、经得起审计。我们看到,知识质量靠用户反馈越用越准。跑出来的结果是一本能对账的价值账:3400多个指标语义一口径、顺手挖出四类存量数据质量问题、试点引入资产超2000万、上线15天37位全层级用户问了225个真问题。
本次课程呈现一套"让Agent听懂业务、产品语言"的完整打法,从口径治理、规则沉淀到知识运营,每一步都能对出业务收益,不再停留在PPT架构图。全面让Agent落地。
课程收益
1、获得一套"让Agent听懂业务、产品语言"的完整打法,从口径治理、规则沉淀到知识运营,每一步都能对出业务收益,不再停留在PPT架构图;
2、获得一张避坑地图和一套可复制的打法,从演示到生产之间,让大家发展AI时代,真正卡住你的从来不是模型;
3、确定性优先,以架构驯服不确定性——数据计算与取数交给规则引擎与知识库,大模型专注业务理解与表达;幻觉的治理之道在架构、不在提示词,掌握从提示词工程走向 AI 工程化的路径与业界保持一致;
4、为业务语言建立统一语义层——每个指标、每个术语唯一身份、唯一口径、血缘可溯,AI 的答案与经营报表同源对齐,回应数据治理从“管表”到“管语义”的行业升级;
5、以数据飞轮实现“用中改”——置信度分级+用户审计回流,知识越用越准;摒弃“一次建成”的静态知识库幻想,让知识体系成为持续运营的可信资产。
受众人群
从事AIGC产品体验创新、用户体验、产品应用、产品设计、产品运营、AI架构设计、数据需求开发、DataAgent开发领域的产品应用与设计专家、CTO、团队负责人,以及其他对AIGC、体验设计、产品商业化感兴趣的从业者。
课程周期
0.5天(3H)
课程大纲
章节 | 授课内容 |
一、Agent落地翻车的三个真实现场与根因诊断 | 知识点:答案打架、同名异义、每个新问题都要排队开发(实例:同一家券商里“高净值客户”有三个口径,Agent答得越快、错得越硬) |
二、主流Agent开发路线的能力边界 | 知识点:RAG、DataAgent、工作流各自“管什么、不管什么”(实例:RAG检索到了报表,却不知道两个“资产”不是一个意思) |
三、用本体给业务语言“上户口” | 知识点:每个业务词唯一身份、唯一口径、唯一算法 (实例:3400余项证券经营指标的语义标准化) |
四、知识质量的三个产品机制 | 知识点:发布双门槛、置信度分级、用户审计回流 (实例:AI生成的语义与业务确认的语义分级呈现,知识越用越准) |
五、跨域打通的业务价值 | 知识点:经营、考核、营销三域联动推理 (实例:系统自己“长”出新发现——60-65岁客户的服务性价比全司最高,而指标体系里原本没有这个指标) |
六、一本能对账的价值账 | 知识点:本体建设的收益怎么算 (实例:语义铺底过程顺手暴露四类存量数据质量问题,系统还没上线就赚了第一笔) |
七、判断框架:什么场景该上本体、什么场景别上 | 知识点:什么时候该上本体/知识库? 看三个信号——同一业务概念在多个系统里口径分裂、业务规则密集、监管要求可审计,符合两条就值得上。反过来,如果只是单一系统里的快速验证(POC),别急着上——重资产会拖垮验证节奏,等场景坐实再上。 |
京ICP备2022035414号-1