KidsGPT+在母嬰領(lǐng)域的應(yīng)用與創(chuàng)新-孩子王+陳劍

KidsGPT在母嬰領(lǐng)域的應(yīng)孩子王/AI大模型技術(shù)負責(zé)人01傳統(tǒng)銷售顧問vsAI智能育兒顧問（KidsGPT）?孩子王是一家以數(shù)據(jù)驅(qū)動、基于用戶關(guān)系經(jīng)營的創(chuàng)新型親子家庭服務(wù)商。?商品在線/員工在線/用戶在線/管理在線在線化在線化.門店數(shù)字化門店數(shù)字化.微信生態(tài)微信生態(tài)全面線上全面線上.全域AI全域AI智能化全渠道全渠道KidsGpt育兒顧問數(shù)據(jù)驅(qū)動：KidsGpt育兒顧問數(shù)據(jù)驅(qū)動：數(shù)字化畫像實現(xiàn)“千人千面”7*24服務(wù)：以小時為單位進化，超7000名育兒顧問的超級大腦育兒方案：千人千面的個性化推薦情感鏈接：高緯度數(shù)字化體驗、用戶粘性基于經(jīng)驗：會員經(jīng)營基于人的經(jīng)驗和知識，1500+個標(biāo)簽。育兒方案：個人的專業(yè)能力上02KidsGPT的應(yīng)用場景人群階段人群階段備孕孕期新生兒期嬰兒期幼兒期學(xué)齡前期學(xué)齡期0-6個月7-12個月1-3個月4-6歲7-14歲海姆立克科學(xué)試驗站新媽媽學(xué)院父母學(xué)院三好學(xué)堂爬爬賽走走賽生日會夏/冬令營新媽媽學(xué)院抓周樂器早教周末去哪玩育兒顧問&育兒專家早孕反應(yīng)小兒推拿運動童樂園胎教催乳月嫂產(chǎn)后康復(fù)待產(chǎn)焦慮攝影親子游樂月子中心在線教育成長服務(wù)站理胎發(fā)才藝孕動營養(yǎng)保健零食輔食奶粉尿褲居家清潔0-6個月7-12個月1-3個月4-6歲7-14歲海姆立克科學(xué)試驗站新媽媽學(xué)院父母學(xué)院三好學(xué)堂爬爬賽走走賽生日會夏/冬令營新媽媽學(xué)院抓周樂器早教周末去哪玩育兒顧問&育兒專家早孕反應(yīng)小兒推拿運動童樂園胎教催乳月嫂產(chǎn)后康復(fù)待產(chǎn)焦慮攝影親子游樂月子中心在線教育成長服務(wù)站理胎發(fā)才藝孕動營養(yǎng)保健零食輔食奶粉尿褲居家清潔喂養(yǎng)洗護童裝童鞋車床椅寢居家紡圖書文教孕產(chǎn)用品玩具文體育兒顧問陪伴+育兒專家咨詢+同城社群互動年齡段孕育工具孕育互動體驗孕產(chǎn)服務(wù)&成長服務(wù)商品品類情感情感陪伴安排任務(wù)情感陪伴安排任務(wù)智能推薦培訓(xùn)能力智能推薦培訓(xùn)能力智能客服指導(dǎo)經(jīng)營智能客服指導(dǎo)經(jīng)營會員互動輔助決策會員互動輔助決策互動活動推薦孕育通識主動關(guān)懷/互動活動推薦孕育通識主動關(guān)懷/服務(wù)商品推薦產(chǎn)品應(yīng)用側(cè)技術(shù)研發(fā)側(cè)模型的訓(xùn)練效果。?算力成本比較高：token生成，今年下降98%?財務(wù)分析和預(yù)測?風(fēng)險評估??財務(wù)分析和預(yù)測?風(fēng)險評估?數(shù)據(jù)檢查?產(chǎn)品需求分析?代碼編寫?活動策劃?精準(zhǔn)商品推薦?活動邀約R?分析簡歷?人員初篩?員工培訓(xùn)?訓(xùn)戰(zhàn)培訓(xùn)?訓(xùn)戰(zhàn)培訓(xùn)?商品洞察?采購/訂貨?智能廣告投放?創(chuàng)意設(shè)計店業(yè)務(wù)垂直場景AI具體實踐廣告外投廣告外投1批量生成廣告圖DAU成本節(jié)降SEO批量優(yōu)化多語言SEO渠道流量提升社群營銷社群推廣多渠道分發(fā)社群GMV上升穿服飾生成穿服飾生成AI模特搜索高效翻譯關(guān)鍵詞和標(biāo)題QA/評價QA/評價FeedFeed頻道提升頻道內(nèi)容豐富性7/24在線服務(wù)消費者購物車生成個性化推送文案模型微調(diào)管理模型訓(xùn)練管理內(nèi)容安全管理數(shù)據(jù)安全管理企業(yè)知識庫管理場景管理記憶能力管理技能管理內(nèi)容安全管理數(shù)據(jù)安全管理企業(yè)知識庫管理場景管理記憶能力管理技能管理系統(tǒng)插件管理互聯(lián)網(wǎng)插件管理03從零到一打造有情感溫度AI智能體Step4:意圖識別與多AgentStep6:Step4:意圖識別與多AgentStep6:評測集與管理Step2:RAG優(yōu)化，解決大模庫Step3:檢索與特征提?。簬霺tep3:檢索與特征提?。焊鶕?jù)用戶特征提取數(shù)據(jù)Step1:數(shù)據(jù)質(zhì)量：數(shù)據(jù)質(zhì)Step5:情感溫度計算：衡生成式大模型可解釋性差：而RAG可以幫助主大型語言模型，其對推薦結(jié)果生成解釋（同時解決動態(tài)數(shù)據(jù)問題）庫/PG向量數(shù)DB持久化庫/PG向量數(shù)DB持久化ES11實時數(shù)據(jù)（動態(tài)）+企業(yè)級知識庫（靜態(tài)）—對專業(yè)知識信息進行整合，提升問問的準(zhǔn)確度知識搜索引擎2—依托新AI搜索能力，用于提升推品的專業(yè)度多智能體系統(tǒng)3獨立長問題獨立長問題應(yīng)用使用者應(yīng)用使用者Step11：召回內(nèi)容+獨立問題投遞到大語言模型求解Step6：Step11：召回內(nèi)容+獨立問題投遞到大語言模型求解Step6：總結(jié)上下文并構(gòu)建長問題Step12.基于問題+企業(yè)知識+企業(yè)業(yè)務(wù)系統(tǒng)，返回最佳答案Step7：基于全新問題計算對應(yīng)向量Step10：將長問題及召回知識返回給應(yīng)用Step0：上傳文Step0：上傳文檔企業(yè)知識文檔!Step9.1：!Step9.1：召回企業(yè)相關(guān)Step8Step8：對提問向量在庫內(nèi)搜索最相關(guān)知識企業(yè)知識塊CHUNKCHUNKCHUNKCHUNKCHUNKCHUNKStep2：文本切塊處理企業(yè)知識塊CHUNKCHUNKCHUNKCHUNKCHUNKCHUNKStep3：對知識塊進行向量化轉(zhuǎn)換Step4：知識存入企業(yè)知識庫模型內(nèi)部產(chǎn)生的幻覺：需要適用更好的專屬精調(diào)模型。修正預(yù)訓(xùn)練過程中產(chǎn)生的幻覺。Agent容易產(chǎn)生幻覺：檢索的數(shù)據(jù)不完整；Prompt人設(shè)里面的要求，大模型不遵循指令；數(shù)據(jù)不一致導(dǎo)致模型混亂；模型上下文窗口限制8-32K;CHUNK1CHUNK1你是一個銷售經(jīng)理所有數(shù)CHUNK2分層索引：第一層索引，只存儲摘要；第二層存儲全量數(shù)據(jù)；多路召回：結(jié)合詞頻算法（如BM25）與向量檢索。檢索完成后，通過重排序算法（如Cross-Encoder）對結(jié)果進行相關(guān)性排序；過濾器：過濾不符合要求的數(shù)據(jù)。比如100元以下的奶瓶。數(shù)字檢索：大模型的弱點之一。100-200元左右的奶瓶？250ml容量以上的奶瓶？最貴的奶瓶？動參SQL動參SQLSQLNL2SQL使用LLM動態(tài)生成SQLCHUNK1114422553366生成式大模型可解釋性差：而RAG可以幫助主大型語言模型，其對推薦結(jié)果生成解釋。 04展望與未來運用階段運用階段廣商會客員庫數(shù)銷決告品員戶工存據(jù)售策營銷服培優(yōu)治預(yù)支銷售務(wù)訓(xùn)化理測持一階段：AIGC提示詞工程數(shù)字員工數(shù)字員工三階段：三階段：Fine企業(yè)私有模型大/小模型協(xié)同-行業(yè)賦能，對孩子王大模型底座進行訓(xùn)練、微調(diào)、優(yōu)化。成為母垂行探索路徑