2024图书馆领域大模型创新应用需求调研报告（V0.9）

目 录第一章前言 1第二章大模型行业应用调研 3大模型行业应用价值 3大模型行业应用服务 4大模型行业应用技术方案 6提示词工程 6检索生成增强 9智能体 10模型微调 13大模型行业应用案例 14医药健康 16金融保险 17文化教育 18第三章大模型对图书馆的影响 20图书馆大模型影响分析 20图书馆大模型应用策略 23图书馆大模型应用路径 25图书馆大模型应用范式 27图书馆大模型技术架构 29第四章智慧图书馆中的大模型应用 31智慧服务中的大模型应用 32智慧业务中的大模型应用 36智慧管理中的大模型应用 38智慧空间中的大模型应用 41第五章图书馆典型大模型应用需求及场景举例 44智慧咨询服务 45需求分析 45场景举例 45已有案例 46智慧资源发现 47需求分析 47场景举例 47已有案例 49智慧阅读推广 49需求分析 49场景举例 50已有案例 51智慧知识服务 52需求分析 52场景举例 53已有案例 55智能采编辅助 56需求分析 56场景举例 57已有案例 60数字资源智能加工 61需求分析 61场景举例 61已有案例 62数字人文智慧研究与服务 63需求分析 63场景举例 63已有案例 66馆员智慧助手 67需求分析 67场景举例 67已有案例 68第六章总结与展望 70附：云瀚应用商店AI应用列表 72第一章前言AI2023索优化应用场景，构建应用生态体系。2024年，政府工作报告中明确提出深化人工智能研发应用，开展“人工智能+”各领域深度融合，以推动各行业应用创新，赋能百业智能化转型升级。AI技术的兴起，图书馆界也迎来了重要的转型契机，步入了AI融入运营与服务中的复杂挑战。为了有效应对变革，上海图书馆（科学技术情报研究所）联合上海人工智能研究院、智慧图书馆技术应用联盟于20239月发布了《图书馆大规模模型创新与应用白皮书》。白皮书从宏观层AI2.0践、生态建设提出了方向性、建设性的参考与建议。以助力图书馆更好地把握人工智能发展所带来的机遇。AI资源发现、阅读推广、学术服务、采编辅助、资源加工、数字人文和管理决策，第二章大模型行业应用调研大模型行业应用价值2022月上线的生成式人工智能（AIGC，AI-GeneratedContent）应用+大算力”的横空出（LargeLanguageModel,“大模型突破自然（NaturalLanguageProcessing，NLP）领域以小模型为主导的传统发展Transformer深度神经“涌现”的泛化推理能力2，使其具体信息结合语言数据进行预训练和指令微调的超大型深度学习模型也是大语言模型的一种发展，通常称为多模态大模型。也可以将上述两者并称为“大模型”大模型的“涌现能力”技术融合、应用支撑三大核心作用4。AI“练﹢微调”的范式，可以很好地适应不同下游任务，展现出它强大的通用性。技术融合方面，文本大模型融合语言、视觉、听觉等多模态信息，通中国人工智能学会.中国人工智能系列白皮书——（2023版）,https:///index.php?s=/home/article/detail/id/3172.html,2023.赵鑫,李军毅,周昆,唐天一,文继荣.大语言模型,https://llmbook-zh.github.io/,2024.龙志勇,黄雯.大模型时代：ChatGPT开启通用人工智能浪潮[M].中译出版社,2023.海通国际.MaaSModelasaService模型即服务,/pdf/H3_AP202302081582885375_1.pdf,2023.性能上实现“1+1>2”1、2。2/AI应用“AI+”行业中将承担“基础设施”AIAI水供电一般流向终端，流向用户和企业。大模型行业应用服务大模型应用落地场景按照架构层级，一般可分为：模型层、中间层和应用层5。AIGC技术基础设施层。由于预训练模型的高成本和技术投入，具有较高的进入门槛，不在本文讨论范围。第二层，为中间层，即垂直化、场景化、个性化的模型和应用工具。时兼具按需使用、高效经济的优势。随着兼具大模型和多模态的AIGC模型加速成为新的技术平台，模型即服务(ModelasaService，MaaS)OpenAI创始人山姆·奥特曼（SamAltman）“认为中间那一层会创造很多价值。够做的关于数据飞轮的事。”第三层，为应用层，即面向终端用户的文字、图片、音视频等内容生C端用户的需求，将AIGC模型和用户的需求无包括文本、音频、图像、视频，每一种模态技术都有着独特的应用场景和特点。——AIGC生成内容6。2023CTO（MaaS）链路都会基于这一理念来做”API调用基础大模型，为不同的业务场景，来构建、训练和部署专属模型。云平台提供从数据、模型到应用服务的全周期管理和工具。AI产业的场景落地一直面临碎片化、长尾场景数据较少导致模型训练精度不够等行业痛点。传统“小模型”AI应用开发流程一般针对单一场景，独此，AI应用在定制化需求、长尾需求下的开发效率较低，且模型精度、性能、可扩展性等指标质量也会受到影响。随着大模型的出现，AI应用开发流程转变为，调用通用流程、结合行业经验、解决实际问题。MaasIaaSPaaSMaaSAIAI应用AI能力应用渗透到各行各业的场景业务中7。6横琴粤澳深度合作区数链数字金融研究院,亚洲数据集团.人工智能行业智能时代的生产力变革：AIGC产业应用实践,https:///wp-content/uploads/2023/06/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E8%A1%8C%E4%B8%9A%E6%99%BA%E8%83%BD%E6%97%B6%E4%BB%A3%E7%9A%84%E7%9图2.2：MaaS行业应用服务模式8AzureMaaSAzureOpenAI服务为例，就支持OpenAI、、CodexDALL-EAPI，来构建、TI平台打造模型精选商店。腾讯云已联合行业头部企业，为十大行业输出了超过50个解决方案，提供一整套模型服务工具链。传统企业软件服务商金蝶利用百GPT9。大模型行业应用技术方案10提示词工程简单来说，现阶段基于Transformer架构的主流大模型，是根据输入预测下（Promptengineering）优化的方法来生成合适的任务提示。提示格式11。清晰地表达任务目标。在使用大模型时需要给出清晰明确的指令。具输入/输出数据和回复限制。一定的顺序处理这些子任务，模型能够逐步获得最终的答案。（即少样本示例间的语义映射关系，提升大模型解决复杂任务的能力。Markdown语法、XML标签等。理任务时，则需要更高级的提示策略。其中被广泛应用的就是思维链（ChainofThought，CoT）。为增强大模型在各类复杂推理任务上的表现，Wei等人12设计了思维链的提的推理过程，即“输入，推理步骤，输出”形式，也可称为少样本思维链提示（Few-Shotthinkstepbystep.”之类的诱导性指令，让大模型先生成思维链再回答问题来提高准确（Zero-ShotCoT）13（Self-Consistency）(LeasttoMostpromptingLtM)（Tree-of-Thoughts图2.3.1：思维链提示样例12常用的提示优化工具有：PromptPerfect15、prompttools16、promptfoo17、FlowGPT18等，更多相关工具见LearnPrompting19。13KojimaT,GuSS,ReidM,etal.LargeLanguageModelsareZero-ShotReasoners[J].arXiv,2022.检索生成增强Generation，RAG）20成为一种高效的解决方案。RAGRAG系统流程分为索引、检索和生成：索引：索引首先从不同格式的文件中提取原始数据，将其转换为统一表示，并存储到矢量数据库中。检索：检索时，系统将用户查询转换为向量表示。然后进行语义相似k个块。生成：将原始问题和检索到的信息块被合并为提示，一并输入大模型生成最终答案。具体来讲，RAG系统涉及多个不同的组件，每个组件都需要精心设计和优3种类型21RAG基础上合理选择扩展组件和优化策略。RAGJinaReader22Scrapegraph-ai23Crawl4AI24等专门为大模型优Unstructured25marker-api26OpenParse27RAGRAGRAGRAGFlow31RAGLangChain33及其衍生低代码平台Langflow34、Flowise35等；CohereRAGCommandRRAG开发工具包36。智能体智能体（Agent）简单来说可看作能感知环境及需求、进行决策和执行动作AgentAIAgent的核心思想是利用大模型的逻辑推理、工具应用、指令遵循等核心37，执行复杂推理任务，丰富大模型在实际业务中的应用场景。20233月，微软发布Microsoft365Copilot，4月开源项目AutoGPT38发布，6Lilian发布“LLMPoweredAutonomousAgents”39AIAgent的重要性逐渐成为业界共识40、41/Unstructured-IO/unstructured/VikParuchuri/marker/Filimoa/open-parse/devflowinc/trieve/run-llama/llama_index/deepset-ai/haystack/infiniflow/ragflow/weaviate/Verba/langchain-ai/langchain/logspace-ai/langflow/FlowiseAI/Flowise42。AIAgent利用特定功能的工具，甚至评估自身的表现。核心组件一般包括记忆模块（Memory）、规划模块（Planning）和执行模块（Execution）43。Transformer架构约束下的上下文窗口内的输入信息。长期记忆类似于可以根据需要迅速查询和检索的外部向量存储。行为，可分为无反馈规划和有反馈规划。类规划器基于高效的搜索算法，提供更可靠的规划能力。ReAct的推理-行动-“人在环中”改进，引入自我完善机制，通过迭代反馈和改进来提高模型的输出效果。API方模型、大模型自身的内部知识等。最为知名的开发框架是angChinabAI4gntP4AutoGen46、MetaGPT47等；轻量级框架有crewAI48、Agently49、phidata50Flowise51、Dify52、Bisheng53、FastGPT54、coze55等。awesome-ai-agents56。AIAgent更具备实用性，将是大模型重要落地方向。但机器人流程自动化或低代码平台的自动化工作流类智能体成为当前可行的落地方案之一57FlowMind生成系统582个阶段。第一阶段为大模型设置上下文、APIs描述等背景信息，第二阶段则是大模型Copilot则开放测试调用PowerAutomate，与本地系统集成执行更加复杂的自动化任务59AIAgent的工60。/yoheinakajima/babyagi/reworkd/AgentGPT/microsoft/autogen/geekan/MetaGPT/joaomdmoura/crewAI/Maplemx/Agently/phidatahq/phidata/FlowiseAI/Flowise/langgenius/dify/dataelement/bisheng/labring/FastGPThttps:///home/e2b-dev/awesome-ai-agentshttps:///ideas/ai-agents-disrupting-automation/ZengZ,WatsonChoN,etal.FlowMind:AutomaticWorkflowGenerationwithLLMs[C]//Proceedingsofthe模型微调2.3.2一般进行参数高效微调（Parameter-efficientFine-tuning）。这种方法通过只训练LoRa、适配器微调、前缀微调、提示微调等。测试与评估等。基础模型选择可参考各大模型评测榜单，如OpenLLMLeaderboard61，LMSYSChatbotArenaLeaderboard62，OpenCompass司南大模型评测63NLPNLP任务数据集，如机器翻译、情感分析、文本分类等。这些数据集通常标注准确，能够快速验证模型在特定任务上的性能。感信息以及标准化对话格式。术、文本生成模型（GPT）或者基于规则的方法（如模板生成）来创建。尽题，并且可以根据需要生成特定类型的数据，具有很高的灵活性。RAGRAG在动态环境QA类的智能客服，而微调RAG还是微调，取决于应用环境中对数据动态、定制和计算能力的具体需求。更重要的一点是，提示词工程、RAG、智能体和微调并不相互排AI应用的最佳方法。图2.3.4：RAG与微调的方案选择65大模型行业应用案例例如，谷歌的客服中心人工智能（CCAI）旨在帮助实现采用自然语言进行客户服务交互，而NVIDIA的BioNeMo则可以加速新药的研发。华为盘古气象大模型也已应用于欧洲中期天气预报中心。随着生成式人工智能的不断推广和应用，其产生的深远影响和潜在价值正在加速推动从实验到消费者领域再到企业领域的应用。78％，在微软、金山办业的渗透率较低66。图2.3大模型垂直应用行业部署与应用成熟度67在全球，已经有金融行业如Stripe、Bloomberg;零售行业如可口可乐；生命Profluent、absciC3.aiAI应用到内容创AI的风潮68。大业应用可见相关文献69、70、71、72、73、74、75、76、77。医药健康医学方面，ChatDoctorLLaMA上微调的医学领域大模型78。在相关研究中，研究团队从在线医疗咨询网站“HealthCareMagic”10万条真iCliniq21700可以检索相应的知识和promptChatDoctor15万规模的单轮长文本心理咨/report?id=62A0腾讯研究院.向AI——行业大模型调研报告,/news/newsdetail/68815,2024.IDC&亚马逊云科技.2024AI白皮书,https:///document/731681598/Idc-%E4%BA%9A%E9%A9%AC%E9%80%8A%E4%BA%91%E7%A7%91%E6%8A%80-2024%E7%94%9F%E6%88%90%E5%BC%8Fai%E7%99%BD%E7%9A%AE%E4%B9%A6,2024.人民网财经研究院.2024年中国AI大模型产业发展报告,/jiankang/nineteepdf,2024.深圳市人工智能行业协会.2024人工智能发展白皮书,/?d=hld&type=pdf&time=1716431584387&id=7026569&name=%E3%80%8A2024%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%8F%91%E5%B1%95%E7%99%BD%E7%9A%AE%E4%B9%A6%E3%80%8B.pdf,2024.北京市科学技术委员会等.北京市人工智能行业大模型创新应用白皮书(3年)///ywdt/gzdt/202311/t20231129_3321720.html,2023量子位智库.2024AIGC应用全景报告，/s/5R1Y3M5DsFuWuv_bFH821Q,20询指令与答案，回答数量超过50万（指令数是当前的常见的心理咨询数据集PsyQA6.7倍ChatGPT100万轮次的多轮回（SoulChatCorpus-multi_turn）ChatGLM-6B作为初始化模型，20245Gemini模型家族的多AIMed-Gemini，通过自训练微调和网络搜索集成进行高级推理，系列模型。诸多医药公司将人工智能视为核心战略，如制药巨头礼来公司（EliLillyandCompany）宣布一系列人工智能药物发现合作伙伴关系；诺和诺德（NoNonordisk）AI视作加速药2022AI金融保险OpenAI8220245MorganChase）发布了生成主题投资篮子的人工智能工具IndexGPT。IndexGPT使用OpenAI83和万事达两家金融服务企业均将最新的人工智能技术应用于欺诈检测方面，预测交易是否合法。保险企业联合健康（UnitedHealthGroup）正在使用人工智能和自然语言处理来式加强人工智能最新技术在企业内的应用84。文化教育文化教育领域中，LegibleOpenAIChatGPT集成到其专有的电子书店搜索引擎中，提供一个全新的方式来访问其目录中的两百万本电子书。LibrarianAI可用任何语言流利地交谈，提供快速、友好、全面地响应和建议以及有关图书内容的信息85Storybird10002023928日启动“清华大学人工智能赋能教学试点课程工作方案”，AI智能助教系统使用GLM模型为技术智能评估和反馈，辅助学生进行深入思考862024年初发布基AI科研助手，帮助科研人员进行深入的科研成果调研并进行智能分析，通过对话方式深入探索文献内容，生成研究文献综述87。国内外数据库产商或学术搜索服务商也都推出了各类AIScopusAI88、ElsevierSciBiteChat89、CNKIAI学术研究助手90、SciSpace91、Elicit92、Aminer93ReadPaper94“”三大功能的星火科研助手95/s/l30sz3-fMmL8gnF4-fMA_Ahttps://beta.legible.ai/auth/signinhttps:///info/1176/109914.htm/a/ziyuan/dianziziyuan/AIkeyanzhushou/https:///products/scopus/scopus-ai大模型——96APP2024AI功能。前者20243月上线了基于云雀大语言模型开发的“古籍智能助手”“助手”助手”97LivdeoMultilingualAudioChatbotsforMuseumsandCulturalInstitutionsNLPAI//s/BbemRkm1HHIwdZ5wSLuMTg98/the-ai-revolution-hits-museums-how-chatbots-are-transforming-the-visitor-experience-e054df5b992f第三章大模型对图书馆的影响图书馆大模型影响分析生成式人工智能的发展可能对图书馆产生“广泛而深刻”AI建设提供新的技术路径和赋能支撑。IFLA202320AIAI素养等方面，对图书馆系统、用户、馆藏、特藏、元数据、设施、推广、培训、策划团队都有重要影响99。1003.1从大模型典型任务能力出发，分析其在图书馆中的作用和影响。通过99https:///g/ai/developing-a-library-strategic-response-to-artificial-intelligence/100上海图书馆(上海科学技术情报研究所)等.智慧图书馆大模型创新与应用白皮书,https:///download-category/whitepaper,2023.的效果与能力。表3.1大模型典型任务功能对图书馆的作用影响大模型典型任务功能作用与影响影响领域举例文本生成自动生成各类文档、报告、新闻稿等，辅助图书馆内容创作和信息发布。可用于创作、学习与开发。学术研究、阅读推广等语义理解理解用户查询的深层含义，提供更精准的咨询回复、搜索结果等信息服务。可用于问答式交互。信息检索、交互问答信息抽取可探索对话式发现，改变图书馆资源检索、资源推荐模式。检索推荐、资源发现等任务推理理解并执行复杂的用户指令，自动化完成特定的图书馆服务任务。图书馆服务平台、后端系统AI升级、机器流程自动化等机器翻译将不同语言的文献资料进行互译，扩大服务范围和读者群体。可用于多语言文献服务、跨语言阅读。读者服务、文献服务、学术研究等识别分类对图书馆资源进行自动分类、自动标注、元数据创建，优化资源组织和检索效率。采编、数字资源加工与开发、数字人文研究等总结摘要自动生成文献或报告的摘要，帮助用户快速把握核心内容。资源发现、学术研究等模态转换将文本信息转换为图像或视频，增强信息的可访问性和表达力。可用于多媒体档案保存、内容制作、信息可视化、阅读障碍支持。阅读推广、数字人文等数据分析指标分析、数据挖掘。可在图书馆数据系统、数据中台基础上，构建AI数据分析能力，提升运营效率。业务分析、用户行为分析、决策支持等知识图谱构建可构建和维护知识图谱，增强图书馆的知识管理和服务能力。数字人文、知识管理、学术研究、学科服务等大模型技术对图书馆的影响，主要源于生成式AI变革了技术服务模式和内容生产方式，从而带来了三点重要改进。AI型能准确理解用户需求，转化为任务，调度资源，最终清晰呈现结果。AI能够实现精准的语义理解和复杂的文本分析，自动化地生成和丰富元数AI的强大的内容生成和处理能力，图书馆能够自动化执行繁琐的任务，从而释AI现有数据知识生成丰富多样的内容，包括多模态内容。性。AI改变知识集成方式。大模型技术通过自动化生成元数据、跨语言处理、知度、互联互通的知识网络，从而促进了知识的发现和创新。模式转变，进一步提高图书馆资源加工的效率和质量。AI提升图书馆管理决策能力。大模型应用可以更好地对图书馆的各项业务数理决策更加科学、合理和有效。3.1大模型技术对图书馆的影响图书馆大模型应用策略AI的应用策略及应用方式。国际图联（IFLA）在其《图书馆对人工智能的战略响应》中，提出了AI技术，提升服务效能，同时确AI能力构建负AIAI推广人工智能素养以提升组织和社会的AI能力101。此外，美国国会图书馆（LibraryofAIAI系统中数据、模型和人员三个要素的重要性，并提出了“理解、实验和实施”分阶段的方法论，AI实践102。AI的策略要点供图书馆进行参考：考虑馆藏与数据价值AI技术的数据。高度重视数据治理，包括数据清操作性。进行概念验证与服务转化实施小规模的概念验证项目，以测试生成式AI技术在图书馆服务中的可行性。对于技术挑战（例如图像分类等）开发或整合高效的AI算法，提升处理的精确度。成功的概念验证项目应转化为可持续的服务，以实现技术的长期价值。持续监控与质量保证AI服务，确保服务质量。考虑使用数据AI系统的稳定性和可靠性。积极培训与社区参与AI素养，并通过社区反馈优化服务。支持并参与来自不同机构的独特资源和专业知识。做好经济性与工具评估AI技术应用进行成本效益分析，确保所选工具和解决方案在预算内提供AI关注法律与伦理框架确保AI应用遵守所有相关的法律法规，特别是在数据保护、版权和知识产https:///g/ai/developing-a-library-strategic-response-to-artificial-intelligence//thesignal/2023/11/introducing-the-lc-labs-artificial-intelligence-planning-framework/AI歧视。图书馆大模型应用路径场景AI技术应用于智慧图书馆中，以实现图书馆服务业务的智能化升级。本报告归AI技术的六种方式路径。AI图书馆无需进行任何开发工作，重点放在AIAI服务。该路径无需系统开发、无需数据处理。AIAIAI产品的性能AI学术助手AI开发量低、几乎无需数据处理。AI产品与服务AI产品的对接。该应用方式下，图书馆需要对运营数据、服务数据、资源AI产品与图书馆平台服务无缝集成AIAI支持的结果展现、建议决策等。自主/AIAI原生应用。此类应用需要对图书馆资源数据进路径开发工作量大，数据处理任务重。求。该路径需要深度的数据准备和技术研发能力。3.3图书馆大模型应用的六种路径举例方式来应用人工智能。1，在推广人工智能素养方面发挥领导作用，是当前最符合现有图2-5AI应用时，MasS6103/blog/2023/01/23/sweden-library-ai-open-source/源和知识服务智能化104。AI服AI服务开始，逐步积累经验和技术能力。AIAI应用能够切实解决问题、提升服务体验的前提。此外，风险评估与管理是AI应用稳健性的重要环节，图书馆需制定相应的风险管理策略，以应对潜在的技术风险和道德挑战。为了适应技术的快速发展，图书馆还需制定长期的AI技术发展规划，以保持其服务的前瞻性和竞争力。图书馆大模型应用范式AI应用策略方针的指导下，成功地运用AI技术，以此深入智慧图书馆的转型。这一转型主要体现在两种AI技术进行重塑，提高了服务质量和流程效率；另一方面，图书馆开创开发AI原生应用，推动图书馆服务智能化跨越式发展。这正对应了《智慧图书馆大“智慧图书馆++智慧图书馆”同的应用范式105。AIAI技术得到AI辅助的采编流程、数字资源的加工与开发等，通过优化现有工作流程，提升104https:///rmydb/202310/t20231017_512798.html105上海图书馆(上海科学技术情报研究所)等.智慧图书馆大模型创新与应用白皮书,https:///download-category/whitepaper,2023.AI原生应用：关于原生应用这一概念并没有准确的定义，仍存在不同AI化服务和内容创新创造。典型的原生应用例如智能聊天机器人、AI写作助手、AI原生应用如：AI5/AIAI应用，智慧图书馆中的大模型应用则逐渐由“+大模型”向“大模型+”范式转变。当然，原生应用中还包括了AI应用领域。尽管当前尚未广泛实AI发展机遇。图3.4 图书馆“+大模型”与“大模型+”应用范式图书馆大模型技术架构高度扩展性和集成性，以满足图书馆的发展和创新需求。足图书馆的发展和创新需求。3.5图书馆大模型技术架构GPUCPU设备，还要关注最新的硬件进展。例如，NVIDIATensorRTIntelOpenVINOAIAzureAWSKubernetes（K8S）可以用于实现资源的弹性伸缩和智能调度。的兼容性。MaaS模式涉及模型的全生命周期管理，从数据处理到特征工程，再API和开发工具，以便于开的管理办法，如《生成式人工智能服务管理暂行办法》。平台层：平台层的设计应支持与现有图书馆服务平台、数字人文平台API网关与各类信息化应用对接。模块化的大模型应用Langchain、DifyFastGPT，提供了易于扩展和定制的能力。运维工LangSmithPromptLayerarize、fiddlerHelicone，以及防arthurshield，都是平台层的重要组成部分，确保大模型应用的稳定性和安全性。应用层：应用层的设计应包含应用框架和数据管理，提供应用级的基LangChainLlamaIndexMindsDB，可以帮助组织和检索大量的结构化和非结chroma、MilvusWeaviate，对于处理和索引大规模Retool、Streamlitgradio，可以用于快速开发和部署基于大模型的应用程序。第四章智慧图书馆中的大模型应用图书馆应积极关注并推动生成式AI的创新应用和场景落地，尤其要关注大模型技术如何有效提升服务成效和服务质量。虽然大型模型技术仍在持续迭代，生成式AI技术也在不断发展之中，但图书馆可以积极思考挖掘大模型技术在智慧图书馆中的应用潜力，提出需求期望，引导技术厂商开发实践，把握住未来发展的主动权。106发展现状，下文重点梳理智慧图书馆建设中，那些当前可实验、实施或展望的AI应用。图4.0智慧图书馆中的可实验、实施或展望的大模型应用106上海图书馆(上海科学技术情报研究所)等.智慧图书馆大模型创新与应用白皮书,https:///download-category/whitepaper,2023.智慧服务中的大模型应用体现在如下几个领域：一是智慧读者服务的智能升级。通过自然语言处理技术提供智能问答服务、个性化推荐等，带来读者服务中的咨询问答、检索发现、资源推荐的智能升级。这些应用已经开始由图书馆厂商开发并逐步推向市场。大模型将散落在信息海洋的特定知识片段连“学术助手”“AI助教”三是驱动图书馆创新服务。AI数字馆员服务、AI阅读产品创新体验、AI知识服务等领域。针对智慧服务中上述重点领域，对大模型应用目标及应用建议等简要梳理如下107。传统服务赋能1:目标：使用大模型为读者提供准确、实时的信息咨询服务。模型能力：问答对话、搜索/信息抽取等询、活动咨询、用户使用咨询、使用故障解决等。技术方案：提示词工程、RAG、智能体应用路径AI领域2:智能检索与发现注：本章中所呈现的目标设定、应用建议、模型能力、技术方案、应用路径旨在提供参考，并非唯一确定的解决方案。目标：运用大模型帮助读者快速、准确地发现和检索到他们所需的信息和资源。模型能力：问答对话、搜索/信息抽取等建议：支持图书馆采购的所有纸质资源、电子数据库、自建数据库的智能检索与发现。引入智慧增强功能，优化检索过程，借助自然语言处理和多轮对话系统，使读者能够以更直观、更高效的方式来发现馆藏的纸质和数字资源。技术方案：提示词工程、RAG、智能体应用路径：需整合开发的AI产品与服务领域3:个性化智能推荐目标：通过大模型技术，为读者提供全新智能化的书籍和资源推荐。模型能力：问答对话、搜索/信息抽取、数据分析等技术方案：提示词工程、RAG、智能体应用路径：需整合开发的AI产品与服务领域4:智慧学术服务模型能力：问答对话、搜索/信息抽取、文本理解、机器翻译、数据挖掘、数据分析、文本生成等AI相关功能。改进图书馆学科领域的特色专题服务，提供基于学科领域的数据分析、知识图谱问答服务。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的AI产品工具、需整合开发的AI产品与服务领域5:智慧情报服务目标：运用大模型提供更加丰富、智慧的情报服务产品。模型能力：问答对话、搜索/信息抽取、文本理解、机器翻译、数据挖掘、数据分析、文本生成等服务效率。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的AI产品工具、需整合开发的AI产品与服务领域6:智慧教学与学科服务服务的智能化水平，以实现个性化学习和研究支持。模型能力：问答对话、搜索/信息抽取、文本理解、机器翻译、数据分析、文本生成等建议：AI学习助手，增强个性化学习路径规划、互动式学习体验、学习效改进提供决策支持。技术方案：提示词工程、RAG、智能体、模型微调应用路径AIAIAI流程、自主/AI原生应用创新服务驱动领域7:虚拟人、数字人、AI数字馆员用户体验感。模型能力：问答对话、搜索/信息抽取、语音识别与合成等建议：24/7在线咨询服务，提供及时且准确的信息AIAIAgentAI数字馆员升级。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的AI产品工具、需整合开发的AI产品与服务领域8:智慧创新阅读与体验目标：利用大模型为广大读者提供新颖、智慧的新型阅读体验服务。模型能力：问答对话、搜索/作等建议：AI阅读工具辅助文献阅读外，可重点结合阅读AIGCAIChatbot，融入AIAI等。技术方案：提示词工程、RAG、智能体应用路径AIAI产品与服务、自主AI原生应用领域9:数据与知识服务产品目标：发挥图书馆专有数据、基础数据设施优势，构建全新AI数据服务、知识服务、模型语料提供等，提高知识的传递能力。模型能力：问答对话、搜索/信息抽取、文本图像识别、知识图谱理解与构建、内容生成等AI的AI解读、AI碑帖识别、历史人/AI创作体验服务等。技术方案：提示词工程、RAG、智能体、模型微调应用路径AI产品与服务、自主/AI研发行业基础大模型智慧业务中的大模型应用随着AI技术的持续进步，智慧图书馆的业务流程中，将越来越多地体现人机共存和人机互补的理念，这将成为图书馆智慧业务中大模型应用的重要趋势。一是自动化与智能化图书馆业务流程二是历史文献的数字化与深度利用针对智慧业务中的重点领域，对大模型应用目标及应用建议等简要梳理如下。领域10:智能采编目标：利用大模型提高图书馆采访和编目的效率和质量。据分析等技术方案：提示词工程、RAG、智能体、模型微调应用路径：集成定制开发的后端AI流程、自主/联合开发的AI原生应用领域11:智能数字资源加工知识的持续传承。元数据生成、格式迁移、数字恢复、数据分析挖掘等AI进行数字内容的格式迁移和规范化，以适应数字保存AI的质量108。技术方案：提示词工程、RAG、智能体、模型微调应用路径AlAI流程、自主AI原生应用领域12：古籍与数字人文智慧研究https:///news/webinar-ai-and-the-future-of-digital-preservation-call-for-proposals/字人文研究和服务的质量与效率。模型能力：语义分析、机器翻译、文字识别、图像识别与处理、知识图谱构建、问答对话、搜索/信息抽取、数据分析等情感分析、时空分析、AI图像修复、AI古籍修复等。嵌入数据分析工具、可视AI知识服务应用与产品。技术方案：提示词工程、RAG、智能体、模型微调应用路径AlAI流程、自主AI原生应用、参与研发行业基础大模型领域13:智慧学术研究、情报研究目标：借助大模型协助馆员进行学术学科研究、情报分析，提供一个集成AI功能工具的知识研究助手或研究环境。模型能力：文本分析与理解、搜索/信息抽取、信息整合、机器翻译、数据分析与挖掘、知识图谱构建等技术方案：提示词工程、RAG、智能体应用路径AIAlAI流程、自主/AI原生应用智慧管理中的大模型应用（包括业务管理支持，包括：一是提供馆员知识库的智慧升级。用大模型构建内部知识库问答系统，实现馆员间高效的知识共享和业务沟通。二是提供数据分析类的数智助手。用大模型加强图书馆在数据处理与分析方面的能力，提升图书馆智能决策水平。而提升操作效率。作效率。领域14:馆员知识库升级沟通，提高处理业务的效率和准确性。模型能力：文本分析与理解、搜索/信息抽取、问答对话等API调用现有应用系统的能力，能够将返回的结果融入到回答中，为馆员提供全方位且精准的信息支持，确保信息的准确性和可靠性。技术方案：提示词工程、RAG应用路径：直接集成应用的AI产品工具、集成定制开发的后端AI流程领域15:智慧分析与智能决策务质量与管理效率。展示等AI中台。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的AI产品工具、集成定制开发的后端AI流程领域16:图书馆平台管理副驾驶（Copilot）强决策支持能力。组成部分。技术方案：提示词工程、RAG、智能体应用路径：集成定制开发的后端AI流程、自主/联合开发的AI原生应用领域17:智慧办公与运营协助目标：为图书馆员工在宣传、推广、人事、财务等各自日常工作领域中提供AI效率工具。器翻译、数据处理、数据分析等AI支持的培训、财务、后勤。通过技术促进员工工作效率和工作质量的提升。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的AI产品工具、集成定制开发的后端AI流程智慧空间中的大模型应用109的应用，当前可尝试领域的包括：一是通过智能化手段优化实体空间服务无障碍服务、空间预约等，全面提升了图书馆空间的运营效率和用户服务体验，推动了图书馆服务的智能化转型。AI技术拓展虚拟空间服务。通过虚拟助手、数字人、元宇宙交互服务，增强用户互动性和体验感。领域18:智慧预约服务目标：整合大模型技术，实现图书馆空间和资源的智能预约管理。模型能力：任务理解、资源优化分配、自动化工作流程等醒服务，减少人工干预，提高预约流程的效率和用户便利性。技术方案：提示词工程、RAG、智能体应用路径：需整合开发的AI产品与服务、集成定制开发的后端AI流程刘炜,赵冬梅.图书馆智慧空间建设：概念、演变、评价与设计[J].图书情报工作,2022(01):122-130领域19:实体机器人常运营和服务。模型能力：语音识别、问答对话、搜索/信息抽取等AIOCR识别结果，补全漏字，准确分类图书信息等。技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的Al产品工具、需整合开发的AI产品与服务领域20:无障碍智慧服务目标：通过大模型技术为视障读者提供无障碍的图书馆服务。模型能力：语音识别、自然语言处理、文本到语音转换、图像识别与描述等（或机器人服务利用语音识别技术方案：提示词工程、RAG、智能体应用路径：直接集成应用的Al产品工具、需整合开发的AI产品与服务领域21:元宇宙空间智慧服务目标：利用生成式AI技术，在元宇宙空间中为读者提供沉浸式和互动性的虚拟图书馆体验。模型能力：自然语言交互、个性化推荐、情境感知、图像与语音生成等建议：AI融入虚实融合的元宇宙空间服务中。在图书馆的虚拟镜像或（或虚拟空间中的虚拟馆员技术方案：提示词工程、RAG、智能体应用路径：需整合开发的AI产品与服务、自主/联合开发的AI原生应用领域22:其他（楼宇控制、安防等）模型能力：图像分析、行为分析、预测分析、情感识别、智能决策支持等于数据的资源优化和策略制定，确保图书馆长期稳定运行。技术方案：提示词工程、RAG、智能体应用路径Al第五章图书馆典型大模型应用需求及场景举例AI20245月份发布的《行业大当前，图书馆行业大模型应用落地显示出一定的特征：1，在图书馆服务端，大模型技术的应用实施显示出较为迅速的进展。当前主要集中在提升用户体验（如智能数字馆员）和增强学术服务上（AI手）。尝试通过增强用户互动和个性化服务，来提升服务质量。2，与服务端相比，后端业务生产流程的大模型技术应用落地进程较慢。行业当前正积极探索和尝试如何通过大模型技术提高后端操作的自动化和智能化水平，以提高生产流程如采编、资源加工等环节的效率。3，图书馆正积极推进基于大模型技术的智能化工具助手，部分产品已达试用阶段。AI馆员的后台工作效率，实现管理流程的优化。参考咨询、资源发现、阅读推广、学术服务、采编辅助、资源加工、数字人文、管理决策。通过深入分析这些领域的需求要素、潜在应用场景、当前案例情况，腾讯研究院.向AI——行业大模型调研报告,/news/newsdetail/68815,2024.5.0图书馆大模型典型应用场景智慧咨询服务需求分析务熟练度也会影响问答的准确性，且回答风格缺乏统一标准。需求建议：AI大模型技术升级面向读者的智慧参考咨询服务，读者可以故障排解；（5）可结合数字人、机器人技术，进行交互体验服务。场景举例场景1：问答式参考咨询服务““”一部分简单的故障，若不能处理则流转至人工。场景2：智慧数字馆员服务场景3：智慧机器人馆员服务的技术难题，如自助打印机操作、电子资源访问等。已有案例AI问答系统111，112/国家图书馆智能问答系统以“文心大模型”数字阅读体验，可进行语音问答、书籍查找，游戏互动等体验。AI智慧馆员——晓书113台湾公共资讯图书馆与东海大学合作开发了一款名为“晓书”AI智ChatGPTDigital数字分身-海恒“小海豚数字馆员”114能推进流程，并进行流程节点的判断。云瀚应用-ChatBK博看智慧咨询115该平台能够精准回答用户问题，实现定制化的用户服务。知识管理平台供图书馆自行对私有知识进行上传、编辑及预训练学习。智慧资源发现需求分析众多的资源和数据库时，往往缺乏必要的了解和选择指导。场景举例场景4：启发式资源检索服务/s/AnTG-nWzSe7vB9HJt-Mg1Q/read/amp/story/7009/7841213/s/JS1h4PhsFJ37FjZwweMeZw/s/zyQC81uHqetvoU06fbFm3w启发式文献检索服务区别于图书馆传统基于关键词搜索模式的文献检索模术数据库进行搜索。例如读者可以提出以下问题：“关于大模型、人工智能领域近1年的文章有多少篇？”“智慧图书馆研究最有影响力的文章是哪几篇？”“因技术对于农业生产的帮助是什么？”系统为读者提供简明且可信赖的研究主题相关的启发式追问，来启发用户多轮提问。AI相似文章推荐，并且提示有待进一步探索的问题。场景5：跨资源智能馆藏检索与推荐AI进展的数据库”“图书馆有没有时间简史这本书？”“Nature期刊的最新发文有哪些？”读者不同的问题需要查找的图书馆文献资源可能是不同的，LLMAPI的调示。如由机器人服务，可以继续进行导航指引。此外，在进行馆藏资源推荐时，可以在获得读者信息的基础上，根据读者的历史行为画像，进一步分析做出精准推荐。大模型能列出推荐的书单和理由，AI总结。读者如不满意，可以追加描述，直到定位到满意的书单。已有案例AI借书检索服务116AI图书检索服务，用户通过关键词或描述性句子趣。AI导航助手117AI导航助手能根据提问，提供精准的数据库资源介绍，并在每次问答之后，推荐3个相关数据库链接供直接访问。卢森堡国家图书馆针对数字化的期刊和报纸进行馆藏语义搜索118卢森堡国家图书馆依托其丰富的数字化期刊和报纸资源，利用大模型技术开展语义搜索，从而实现对馆藏内容的深入理解和高效检索。智慧阅读推广需求分析“书本位”向“人本位”的转型。阅读推广部门承担着图书及资源的策略性推荐、营销传播，多媒体制作与互动传播等一系列复杂任务。然而，阅读推广工作中，“浅阅读”116https://libraryview.me/2024/01/22/16742/#more-16742/s/sB-l6wnq9kad1gT65LjOQAhttps://chat.eluxemburgensia.lu/方合作。需求建议：AI等新技术手段，为读者提供智能化、个性化、AI源推荐，提高推广的针对性和吸引力。（2）AIAI浸式的虚拟阅读场景，激发阅读兴趣。（4）AIGC技术，辅助馆员高效生力，减轻馆员工作负担。场景举例场景6：智能阅读伙伴服务这项创新服务旨在为读者提供基于图书馆资源的个性化阅读推荐和智能化AI技术，打造图书馆品AI算法，根据读者的阅读兴趣、偏好、水平等因素，自动将具有相似阅读爱好的读者组织到同一个虚拟阅读社区中。场景7：元宇宙虚拟馆员服务I驱动的智能虚拟馆员将全程陪伴和引导读AI虚拟馆员的引导，读者能够在元宇宙中获得全新的沉浸8AI工作站AIAIGC工具进行阅读推广活动与AIGCAIGCAI数字人物与虚拟环境，馆员还能够制作出引人入胜的音视频材料。这些技术的应用将极大地减轻馆员在视频拍摄和制作方面的工作负担。此外，AIGC还可以辅助馆员进行内容加工与管理。AI可以自动标记和归档视频、文档，标已有案例ChatBook119ChatBook“辩论”NLB在线资源。StoryGen人工智能图像生成服务120StoryGen打造出属于自己的故事世界，为用户带来一场沉浸式的阅读体验。AIGC推广视频制作上海图书馆阅读推广部在“阅读日历”GPT-SoVITSHeygenrunway、suno等工具尝试视频、音乐创作用于阅读推广。AI为少儿读者提供活动服务121、122StableDiffusionAIGC绘图系统——AIAIGC培训课程与活动。上海图书馆员工StableDiffusionAI创作作图，并将所设计的图片进行个性化印刷，完成自创绘本制作。ChatGPT高级数据分析实验123通过优化BiblioCommons的分类体系以更精准地匹配读者的兴趣，旨在增强个性化推荐功能的相关性，进而提升用户在网页端的阅读体验。智慧知识服务需求分析viewview/s/I3nXhVNZ1UhLNTCrHj3fIQ/s/izpIBoWF7aqCSNSC-7jjeg/articles/17867水平有待提升；用户信息素养和媒介素养教育需求增长的挑战。需求建议：knowledgeenvironmentPKE），PKE环境能建立商的智能学术研究工具，提供智能研究环境。（2）增强智慧教学与学科服务，AI学习助手为师生提供个性化和智能化的学习支持，包括个性化学习路径规划、互动学习体验及学术研究辅助。AI助手的应用深化了教学和学习的互动AI平台和虚拟环境提高学生、馆员、公众的信息素养和技术使用能力。场景举例场景9：个人知识研究环境（PKE）服务场景图书馆可建立一个最大限度整合的学术资源的个人知识研究环境（或多个合作数据商究大纲，以及内容生成、审稿检查等功能，覆盖个人知识研究的全流程。PDF题、解释学术概念，支持交互式问答，生成概念知识图谱。持和参考，创建个性化学习路径。荐相关资源到个人空间，展现摘要、概述等，自动发送更新内容到邮箱提醒。和写作指导，根据用户反馈优化内容。逻辑等，提供修改建议和报告。场景10：智慧学科服务场景AI技术，为师生提供个性化、智能化的学习与研究支持服务。首先，AI助手可以扮演智能学习伙伴助手能够深入了解学生的知识结构、学习偏好等，为其量身定制个性化的学习路径和资源推荐。在学习过程中，AI助手还激发学习兴趣。其次，AI助手可以担任智能研究助理，快速响应师生的学术咨询需求，提升研究效率。基于对多学科知识的融合理解能力，AI助手能够为复助手也可以为研究人员提供高效的辅助服务。此外，图书馆AI在智慧学科服务中的应用，场景11：AI素养教育场景AI素养教育方面扮演着重要角色。AIAI知识、AI技能、AI价值观、伦理等方面的教育124。图书馆通过AI研发项目、推动跨学AI的理解、批AI技术的发展。高校图书馆通过提供整合提AIAIAI工具，还培养了批判性评蔡迎春,张静蓓,虞晨琳,王健.[J].中国图书馆学报:1-17.AIAIAI工具和资源。图书馆应提供AIAI的深入理解和应用。已有案例Scopus科研助手125,126,127ScopusAIScopus多家图书馆上线星火科研助手服务128,129,130科技文献大模型-星火科研助手是由中国科学院文献情报中心与科大讯飞股（学院、中国科学院职务研究所……）等多家单位上线服务。AI学术研究助手服务131AICNKI推进的问答式增强检索和生成式知识服务的AI用户仅需以自然语言提问，即可直接快速获得答案，并可连续追问。ClarivateofScienceAIProQuest研究助手132ClarivateWebofScienceProQuestWebofScienceWebofScienceProQuestProQuestOneLiteratureAI对话式发现工具，并计划通过严格的测试和验证，覆盖各大重要学科领域。/s/W4wboh3jNw_6CJPesNkwlQ/s/stXqvG7Nt-rHRZXam5056A/s/AyOzoIsrzhqV--aMMiaBLg/s/hnNItmqaSqkZlfAEvFG8Rw129/article/2024/03/08/111017https:///library/xkhfw/kjwxdmx///news/clarivate-in-the-age-of-ai-innovation-rooted-in-academia/AI助教133GLMAI助教有效促进了学生的深入思考。AI助教使学生能够快速理解复杂概念，并提供基础知识的丰富支持，极大地助力了学生的新领域探索和自主学习过程。AletheaAI驱动的学习平台和学术教练134Alethea是一款致力于推动学生对课程资料和学术文献积极参与的学习工具，其核心目标在于促进学生的深入阅读和学习。通过AI支持，Alethea帮助学生更好地理解所学知识。AI服务135AIAI公平、可及且支持各种用途。U-MGPTAI模型的访问；U-MMaizeyU-MGPTToolkitAI方位需求。智能采编辅助需求分析但面对持续更新及变化的采访标准，现行的采访系统功能显示出局限性。析过程中的工作负担。/s/KVcJqhJQXZe57sjDDzl8Hg/products/books/alethea//computing/ai实现编目工作的高效率与高质量并行发展。需求建议：（1）在图书馆采访系统中嵌入大模型支持，为图书选书与采购提供动态、个性场景举例场景12：基于动态需求的交互式采购建议prompt要求，自动生成符合金额、类型、出版社、声誉等的要求的采购书单建议。例如“20万元采购少儿文学图书”，模型即刻筛选出满足“1”AI（3）专读者对象等对采访基础数据做尽量多维度的数据训练来应对各种采访需求。（4）电子书基识库构建基础，为专业采访馆员提供基于内容的电子书采购推荐服务。单的合理性和全面性，从而更好地融入图书馆的总体藏书规划。理，提示哪些存量图书应当增购或淘汰，从而确保藏书的时效性和多样性。场景13：AI辅助自动编目流程基于大模型的自动化编目流程可以包含几个阶段：①基础数据自动解析：系统接收到新书的基础数据后，自动解析并填充必要的元数据字段，如题名、作者、ISBN等。（OCLC目系统）进行数据交换，尝试匹配并同步已存在的书目信息。成初步的编目记录。④智能分类号推荐：大模型根据书目的内容和主题提供一个或多个分类号推荐，供编目人员选择和参考。⑤完整性后，完成编目流程的提交。14：智慧采访数据处理与分析2以大大提高馆员效率。例1：电子资源自动数据处理目前上海图书馆采编部门通过“数据库使用成本”指标指导来年数据库的购在计算过程中需要从百余个不同格式统计文（docxlscounter 据库使用量制表与计算。这一过程重复度高、耗时大、人工成本高。（示例表）资源商电子资源名称X年1月X年2月……X年12月总计数据来源下载量浏览量第二步，通过大模型提取合同要素，生成统一格式表格。字段包括例如：资源商、合同时间、合同服务核心内容、合同文本链接等。第三步，让大模型自动生成需要的“数据库使用成本”统计表，数据库使用成本为合同期限内电子资源数据库使用量。例2：采编订单智能匹配及资金监控询与统计计算的过程耗时，是采编当前流程中的瓶颈模块。AI技术，进行采访订单的智能规划与自动匹配，并能够对结算资金金额做到便捷性、灵活性的查询监控。（1）系统订单生成后，根据订单的金额和对代理商的要求，AI程序进行合同与包件的匹配，系统生成匹配方案的统计制表、制图。大大提高工作效率和流程。已有案例ChatGPT进行图书审查剔除13619部作品遭遇下架。AI自动编目137OCRAIAI动输入时间，并提高了编目工作的准确性和效率。AI自动索引实验研究138“AI自动索引”（AIforAutomatedIndexing）2021年启动的项实验。面向中图法自动分类的大语言模型提示学习实践与研究139ChatGPT大语言（SVM（RNNCNNLSTMAtt-LSTMBert等模型在各项评价指标上90.7%70%，显著性远超其他比较方案。俄克拉荷马州立大学馆员编目任务实验研究140ChatGPT执行三个常见的编目/元数据任务，分别1)C2)CSH，3)建议关键词。数字资源智能加工需求分析技术的应用尚未达到理想的效能水平。图AI的高效数据处理能力，以应对传统手工操作的局限。场景举例场景15：自动元数据描述与分类（知识图谱AI进行资源描述，可以作为图书馆员的辅助工具，同时也需要专业人员的监督和验证，以确保生成的元数据和分类的准确性。场景16：图像自动识别与标引图像的摘要或详细描述，帮助理解图像的主题和内容。利用已有历史图片进行学习与训练，实现利用模型自动识别不同历史时期、已有案例利用ClaudeHaiku模型将国会图书馆扫描档案转为结构化文本141利用ClaudeHaiku对国会图书馆的“联邦作家项目”扫描文档进行快速、准确地识别，不仅能够获得历史资料的转录，还能生成带有元数据的结构化JSON输出。包括题名、日期、关键词等。埃默里大学利用ChatGPTAPI从印刷参考书目中提取元数据142埃默里大学在创建《非裔美国人报纸和期刊：国家目录》在线版的过程中，利用ChatGPTAPI自动识别和提取关键元数据，包括标题、编辑姓名、出版日期和主题等，生成了结构化的输出结果，显著节省了人工处理所需的时间。汉王打造古汉语大模型，构建古籍文献和辅助著录与标引大模型方案143/AnthropicAI/status/1764653836881555867/2023/11/01/harnessing-the-power-of-the-chatgpt-api-for-metadata-extraction-from-print-bibliographies/北京市科学技术