KidsGPT+在母婴领域的应用与创新-孩子王+陈剑

KidsGPT在母婴领域的应孩子王/AI大模型技术负责人01传统销售顾问vsAI智能育儿顾问（KidsGPT）•孩子王是一家以数据驱动、基于用户关系经营的创新型亲子家庭服务商。•商品在线/员工在线/用户在线/管理在线在线化在线化.门店数字化门店数字化.微信生态微信生态全面线上全面线上.全域AI全域AI智能化全渠道全渠道KidsGpt育儿顾问数据驱动：KidsGpt育儿顾问数据驱动：数字化画像实现“千人千面”7*24服务：以小时为单位进化，超7000名育儿顾问的超级大脑育儿方案：千人千面的个性化推荐情感链接：高纬度数字化体验、用户粘性基于经验：会员经营基于人的经验和知识，1500+个标签。育儿方案：个人的专业能力上02KidsGPT的应用场景人群阶段人群阶段备孕孕期新生儿期婴儿期幼儿期学龄前期学龄期0-6个月7-12个月1-3个月4-6岁7-14岁海姆立克科学试验站新妈妈学院父母学院三好学堂爬爬赛走走赛生日会夏/冬令营新妈妈学院抓周乐器早教周末去哪玩育儿顾问&育儿专家早孕反应小儿推拿运动童乐园胎教催乳月嫂产后康复待产焦虑摄影亲子游乐月子中心在线教育成长服务站理胎发才艺孕动营养保健零食辅食奶粉尿裤居家清洁0-6个月7-12个月1-3个月4-6岁7-14岁海姆立克科学试验站新妈妈学院父母学院三好学堂爬爬赛走走赛生日会夏/冬令营新妈妈学院抓周乐器早教周末去哪玩育儿顾问&育儿专家早孕反应小儿推拿运动童乐园胎教催乳月嫂产后康复待产焦虑摄影亲子游乐月子中心在线教育成长服务站理胎发才艺孕动营养保健零食辅食奶粉尿裤居家清洁喂养洗护童装童鞋车床椅寝居家纺图书文教孕产用品玩具文体育儿顾问陪伴+育儿专家咨询+同城社群互动年龄段孕育工具孕育互动体验孕产服务&成长服务商品品类情感情感陪伴安排任务情感陪伴安排任务智能推荐培训能力智能推荐培训能力智能客服指导经营智能客服指导经营会员互动辅助决策会员互动辅助决策互动活动推荐孕育通识主动关怀/互动活动推荐孕育通识主动关怀/服务商品推荐产品应用侧技术研发侧模型的训练效果。•算力成本比较高：token生成，今年下降98%•财务分析和预测•风险评估••财务分析和预测•风险评估•数据检查•产品需求分析•代码编写•活动策划•精准商品推荐•活动邀约R•分析简历•人员初筛•员工培训•训战培训•训战培训•商品洞察•采购/订货•智能广告投放•创意设计店业务垂直场景AI具体实践广告外投广告外投1批量生成广告图DAU成本节降SEO批量优化多语言SEO渠道流量提升社群营销社群推广多渠道分发社群GMV上升穿服饰生成穿服饰生成AI模特搜索高效翻译关键词和标题QA/评价QA/评价FeedFeed频道提升频道内容丰富性7/24在线服务消费者购物车生成个性化推送文案模型微调管理模型训练管理内容安全管理数据安全管理企业知识库管理场景管理记忆能力管理技能管理内容安全管理数据安全管理企业知识库管理场景管理记忆能力管理技能管理系统插件管理互联网插件管理03从零到一打造有情感温度AI智能体Step4:意图识别与多AgentStep6:Step4:意图识别与多AgentStep6:评测集与管理Step2:RAG优化，解决大模库Step3:检索与特征提取：库Step3:检索与特征提取：根据用户特征提取数据Step1:数据质量：数据质Step5:情感温度计算：衡生成式大模型可解释性差：而RAG可以帮助主大型语言模型，其对推荐结果生成解释（同时解决动态数据问题）库/PG向量数DB持久化库/PG向量数DB持久化ES11实时数据（动态）+企业级知识库（静态）—对专业知识信息进行整合，提升问问的准确度知识搜索引擎2—依托新AI搜索能力，用于提升推品的专业度多智能体系统3独立长问题独立长问题应用使用者应用使用者Step11：召回内容+独立问题投递到大语言模型求解Step6：Step11：召回内容+独立问题投递到大语言模型求解Step6：总结上下文并构建长问题Step12.基于问题+企业知识+企业业务系统，返回最佳答案Step7：基于全新问题计算对应向量Step10：将长问题及召回知识返回给应用Step0：上传文Step0：上传文档企业知识文档!Step9.1：!Step9.1：召回企业相关Step8Step8：对提问向量在库内搜索最相关知识企业知识块CHUNKCHUNKCHUNKCHUNKCHUNKCHUNKStep2：文本切块处理企业知识块CHUNKCHUNKCHUNKCHUNKCHUNKCHUNKStep3：对知识块进行向量化转换Step4：知识存入企业知识库模型内部产生的幻觉：需要适用更好的专属精调模型。修正预训练过程中产生的幻觉。Agent容易产生幻觉：检索的数据不完整；Prompt人设里面的要求，大模型不遵循指令；数据不一致导致模型混乱；模型上下文窗口限制8-32K;CHUNK1CHUNK1你是一个销售经理所有数CHUNK2分层索引：第一层索引，只存储摘要；第二层存储全量数据；多路召回：结合词频算法（如BM25）与向量检索。检索完成后，通过重排序算法（如Cross-Encoder）对结果进行相关性排序；过滤器：过滤不符合要求的数据。比如100元以下的奶瓶。数字检索：大模型的弱点之一。100-200元左右的奶瓶？250ml容量以上的奶瓶？最贵的奶瓶？动参SQL动参SQLSQLNL2SQL使用LLM动态生成SQLCHUNK1114422553366生成式大模型可解释性差：而RAG可以帮助主大型语言模型，其对推荐结果生成解释。 04展望与未来运用阶段运用阶段广商会客员库数销决告品员户工存据售策营销服培优治预支销售务训化理测持一阶段：AIGC提示词工程数字员工数字员工三阶段：三阶段：Fine企业私有模型大/小模型协同-行业赋能，对孩子王大模型底座进行训练、微调、优化。成为母垂行探索路径