大模型

大模型（Large Language Model，LLM）指参数规模大、经海量语料预训练、具备通用语言理解与生成能力的深度学习模型，可通过提示词（Prompt）与 API 调用嵌入既有业务系统，完成摘要、问答、信息抽取、分类、内容生成等任务。

定义

与传统面向单一任务的机器学习模型不同，大模型依靠预训练获得的通用能力，可以用「一个模型 + 不同提示」覆盖多种任务，因此落地方式通常是能力调用而非重新训练：业务系统通过 API 把文本送进模型、取回结构化或自然语言结果。在知识管理场景里，它承担的是原先需要人工完成的整理与提炼工作。

说明

工程管理中的常见用法：

• 知识采集与提炼：对文档库、聊天记录做扫描式抽取，自动提取关键词、生成摘要，并把原始文档地址一并落库。
• 对话式知识收集：以提问—回答的方式把员工脑中的隐性知识沉淀下来，是基于问题的对话最核心的价值。
• AIGC 生成内容：在知识图谱等界面上直接生成新的知识节点，用于探索未知场景，实现人机协同创新。
• 多源信息接入：以 API 为中心连接多个信息系统，形成「业务产生数据 → 大模型处理 → 回写知识库」的数据闭环。

使用注意（来自库内论文的明确提醒）：

• 大模型目前存在不可解释、稳定性差、鲁棒性差等问题，短期只能作为工具使用，不可完全信任；AI 生成的内容需要经过人工校核才能成为组织的正式知识。
• 隐性知识收集涉及隐私合规：应先与员工签署隐私约定，并考虑各地隐私立法趋严带来的法律约束。
• 大模型的算力成本高，且技术仍在快速演进，未来可能出现新的人工智能范式，重构现有应用方式。

相关概念

• 深度学习
• 知识图谱
• 本体论
• 知识管理系统构建
• 数据挖掘

相关论文

• 2024-苏林飞-基于AI的L企业研发知识管理系统的设计与实施研究

📝 本文为知识库整理笔记，仅供个人学习研究使用