详细内容或原文请订阅后点击阅览
Beeline 与 red_mad_robot：从“人工智能领航者的混乱”到成熟的实践者
Beeline Big Data & AI 机器学习和人工智能开发部门总监 Oleg Konorev 和 red_mad_robot 智能平台产品总监 Alexey Zhdanov 谈论 DCD Design 的创建 - 一种可复制的方法和产品架构，用于为 AI 代理处理企业数据和知识。
来源:OSP网站大数据新闻Beeline 与 red_mad_robot 合作推出了 DCD 设计（域-集合-文档）——一种可复制的方法和产品架构，用于为 AI 代理处理企业数据和知识。这使得企业人工智能代理能够从一次性实施转向可重复的实践：为公司提供的不是一个聊天机器人，而是一个可以在不同领域和组织之间重复使用的知识架构，同时保持质量和可管理性。数据奖提名者、Beeline Big Data & AI 机器学习和人工智能开发部门总监 Oleg Konorev 和 red_mad_robot 智能平台产品总监 Alexey Zhdanov 谈论了解决方案的创建。
- DCD 设计解决方案是如何产生的？
Alexey Zhdanov：DCD设计的想法源于许多实施增强采样生成技术（检索增强生成，RAG）的项目的实践，其中每个飞行员都必须从头开始组装：从知识库的结构到设置搜索和质量评估。在演示中，“朴素”的 RAG 工作得可以接受，但在真实的语料库（法规、法律文件、复杂的指令）上，它开始失去上下文，在多部分查询中变得混乱，并给出不稳定的结果。
我们得出的结论是，如果没有面向领域的知识架构和围绕模型的可控场景，企业很难走出“试点的混乱”。 DCD（域-集合-文档）就是这样诞生的：知识层次结构和托管请求路由可以在客户和域之间传输，而无需重新发明架构。
- 为什么这种方法很重要？
- 选择了什么方法来解决问题？
- 开发过程中使用了哪些技术？
在此之上是 DCD Router，该组件逐步选择所需的知识领域和一组文档，然后以结构化形式记录路线。
- 使用什么数学仪器？
- 使用什么数据？
- 该项目对您的企业有何作用？
- 这种方法是如何变得可复制的？