产品核心能力：基于4亿+全球人才库实现专家智能匹配与备选推荐，集成通讯状态、人员关系网络、机构分析及23种垂直语言文档转换，并具备自我进化能力。
行业背景：航天等高精尖领域情报工作面临人才信息分散、跨域协作低效及多语言技术文档处理门槛高的痛点，叠加数字化转型政策驱动与全球人才竞争趋势，亟需AI情报分析工具支撑。
业务背景：某局在航天任务执行中长期受找人难、联系难、信息分散困扰，需打造内部专属助手打通数据资产，实现“找人-联人-研判-协作”全流程线上化，保障信息安全并提升协作效率。
情报分析助手是某局内部的一个情报分析助手，用于解决找人难、联系难和信息分散的问题。它能够根据用户需求智能匹配专家，
集成通讯与状态显示，并在首选专家不可用时推荐备选人员。该智能体通过持续学习优化，旨在提升协作效率，激活组织内的知识
共享，赋能航天任务执行。实施将确保安全。此智能体是基于全球4亿+的人才精英库中做情报分析，同时也支持分析机构和其他
信息。智能体提供人才查找、机构查找、人员关系网络获取、支持垂直领域23门语言文档转换、智能体自我进化能力。
使用Bert做训练做意图识别、实体提取、槽位填充、专业词表；准确率提升至99%+；同时也支持多轮对话过程中的意图识别；
● 构建 RAG（检索增强生成）实现知识库动态检索；Multi-agent架构来处理找人、找机构、其他信息的流程处理；
● 使用 LangChain + FastAPI 开发可扩展的智能服务接口与知识交互系统
● 以 Qwen 大模型 为基础,通过vLLM部署，服务于Rag;
● 基于Hunyuan-mt-7b做微调训练，实现23门语言的翻译，过程中做了专业领域的术语干扰；
● 基于LightRAG做知识图谱，将文档信息中的非结构信息转换成结构化信息转换到图数据库中(neo4j);
调优策略：
● Rag 调优策略：通过Rag阶段前中后阶段的处理，提升召回率和准群率提升至95%+；
● NLU 调优策略：通过模型微调训练，将准确率提升至99%+；
● 基座模型 调优策略：微调垂直领域的专业词汇和术语提高翻译的性能。
评论