「AI研习社」解锁ADP3.0与泛互场景应用实战

腾讯智能体开发平台 顾涵身产品实战课第二讲： 认识 ADP3.0里的大模型认识智能体开发平台 3.0 里的大模型混元大模型优图精调大模型第三方模型思考模型 – 标准模式定义：用于意图识别，主要影响意图识别的效果c名称：youtu-intent曾用名：意图识别模型高级版输入输出：最大输入8k最大输出：最大输出4k场景描述：适用于同时配置问答、文档、工作流的场景，意图识别效果更佳，并且支持在角色指令中自定义配置意图，但可能会增加一定的对话耗时。推荐c可兼容模型思考模型 – multi-Agent模式c名称：youtu-agent曾用名：精调 Function-Call 模型输入输出：最大输入32k最大输出：最大输出32k场景描述：模型具备任务规划、工具选择调用以及反思纠错能力，适用于复杂问题的规划与执行。推荐c其他可使用模型定义：用于意图识别，主要影响意图识别的效果生成模型 – 知识库模型 – 问答生成生成问答文档路径应用开发-知识管理-问答-新建-从文档生成知识库模型设置路径应用开发-知识管理-知识库设置-知识库模型定义：用于意图识别，主要影响意图识别的效果生成模型 – 知识库模型 – 知识库 Schema知识库 Schema 是描述知识库内数据结构的信息，向智能体应用提供知识库构成的依据。主要体现在应用的知识检索与调用效果上，因此需在应用内的知识管理处进行配置。知识库数据分为两类：结构化数据和非结构化数据。•结构化数据包含数据库。当知识库中引入数据库时，无需生成知识库 Schema。•非结构化数据包括知识库文档的常规链路，主要由文档和问答组成。文档类知识指以文档形式存储的知识，包括 Word、PPT、表格、图片等数据格式。Schema包含文档的文件名、摘要以及标签。当文档数量较多时，知识库 Schema 生成过程会自动对知识库进行聚类。聚类完成后，将生成文件夹名称和文件夹摘要信息。定义：主要影响阅读理解与答案生成的效果生成模型 – 知识库模型 – 知识库 Schema生成知识库 Schema 后，可以在工作流或 Multi-Agent 中使用知识库检索Agent，自动进行复杂知识检索任务的拆解。c适合使用知识库检索 Agent 的场景包括：•多文档/问答对/表格结合回复：需要从多个文档中提取部分结果，并综合信息来回答用户问题。•文档筛选后回复：当需要根据特定规则（如时间、地区）从多个相似文档中筛选出最相关内容时。•复杂表格数据查询：需要结合 text2sql 和计算工具处理复杂的表格数据指标查询。这些场景通常需要多个步骤的检索、任务拆解和数据处理，Agent 能在这些任务中发挥自主规划和决策的优势。定义：主要影响阅读理解与答案生成的效果生成模型 – 知识库模型的选择c名称：youtu-mrc-pro曾用名：精调知识大模型高级版输入输出：最大输入7k 最大输出：最大输出1-4k场景描述：针对企业知识问答场景精调训练，擅长多模态知识问答，适合图文表答案关联输出、数学计算、逻辑推理、表格问答等复杂场景有需求的场景。优势能力：支持图文关联输出、数据计算、表格问答、标签提取。推荐c名称：youtu-mrc-pro曾用名：精调知识大模型高级版输入输出：最大输入7k 最大输出：最大输出1-4k场景描述：针对企业知识问答场景精调训练，擅长多模态知识问答。性价比相对更高，适合需要同时平衡效果、价格的场景。、优势能力：支持图文关联输出。推荐c其他可使用模型定义：主要影响阅读理解与答案生成的效果生成模型 – 标准模式下的生成模型配置定义：主要影响阅读理解与答案生成的效果工作流里的大模型节点全系列生成模型可用通过调用大语言模型，根据输入的提示词处理各类复杂的任务，满足用户业务需求，并且支持调整模型参数获取个性化输出要求。推荐：youtu-intent-pro通过调用大语言模型，根据输入的提示词处理各类复杂的任务，满足用户业务需求，并且支持调整模型参数获取个性化输出要求。推荐 youtu-mrc-pro支持从待提取内容中提取用户设置的标签。例如从维修手册中提取特定设备型号、从案件详情中提取案件发生时间等。推荐 youtu-mrc-pro支持用户输入问题并配置检索范围进行知识问答，输出大模型生成的回复内容。RAG模型 – Reranker 模型名称：youtu-reranker说明：通用文本排序模型名称：youtu-rerankeryoutu-reranker-llm说明：LLM 增强排序模型，准确率更高场景描述：用户提交问题后，系统会先在知识库内检索文档切片，再通过重排序模型对召回片段进行二次排序，从而找到最符合需求的内容，供应用生成更加精细的回答。推荐THANK YOU