大语言模型（LLM）具有令人印象深刻的自然语言理解和生成能力， 2022年11月底OpenAI发布了ChatGPT，一跃成为人工智能AI领域的现象级应用。但由于LLM的训练数据集主要来源于互联网数据，企业私域信息并未被LLM所训练，当客户查询关于企业的业务信息的时候，LLM会出现幻觉，无法进行正确回应。因此，企业界（尤其是中小型企业）具有强烈的愿望能够打通企业数据和LLM的互联网数据，构建企业专属GPT，利用LLM的能力服务企业目标客户。
在企业中，GPT 构造器的角色通常面向以下几个方面职责。
数据收集与处理：负责收集和整理大量的文本数据，这些数据将用于训练 GPT 模型。本文中主要的数据来自于FAQ，文档和网页。
模型训练：使用收集到的数据对 GPT 模型进行训练，这可能涉及到选择合适的模型架构、超参数调整、训练过程的监控和优化等。在使用向量表示的时候，会对文档通过数据工程进行分块，并进行向量化。
模型评估与优化：在模型训练完成后，需要评估模型的准确定和性能，并根据评估结果对模型进行优化和调整，并进行RLHF。
应用集成：将训练好的 GPT 模型集成到企业的产品或服务中，例如用于构建聊天机器人、消息通道、文本生成工具、语言理解系统等。
模型迭代：随着技术的发展和业务需求的变化，负责对 GPT 模型进行迭代更新，以保持其在企业应用中的有效性和竞争力，同时会对其问答知识进行训练，确保业务的持续更新。
知识管理：负责管理 GPT 模型训练和使用过程中产生的知识，确保知识的合规性和安全性。
企业GPT构造器的具体角色和职责可能会根据企业的规模、业务需求和资源配备而有所不同。在一些企业中，这些任务可能由专门的AI团队承担，而在其他企业中，可能由数据科学家或软件工程师负责。在这当中，企业GPT构造器的IT基础形态各异。本文介绍一款基于多租户架构的企业GPT构造器，其总体设计思路如下图所示。
企业租户管理员作为信息生产者，负责企业GPT的喂养工作。企业业务部门如销售部、市场部等作为信息消费者，使用企业GPT服务为客户提供服务。系统主要分为企业GPT的喂养和服务两部分，接下来以这两点结合笔者的实战进行介绍。
在企业GPT喂养工作中，租户管理员负责输入企业官网及其他相关网站，系统通过抓取技术进行文本采集；支持上传对应的文档，通过表单识别进行文本采集；并支持问题/答案的直接输入。这些喂养的网页和文档将进行分块和向量化处理，以向量的方式存储于向量数据库中。
官网作为租户（尤其是中小型企业）最重要的权威信息发布渠道，跟企业业务紧密结合。因此企业GPT构建器采用网站抓取技术，能够提取官网多级目录，并列出目录由租户决定喂养哪些URL的信息。
虽然企业官网网页数据结构化不强，但是对于中小型企业来说不需要进行手动处理即可作为喂养素材，整体上是一种比较经济的处理方式。
企业官网抓取
企业文档包括了行业规范、洞见及趋势，企业产品/服务功能描述、非功能描述、特性和优势、操作手册、交付方式、商业合作模式、应用范围、主要应用案例等，这些企业文档能够帮助客户了解企业相关业务。
系统支持word、pdf、ppt、markdown及txt等文件。文档相对网页更加结构化，更加能够聚合信息，对于规模稍大的企业来说文档资源也比较丰富，应该算比网页更加优质的素材。为了提升喂养文档质量，文档尽量做到主题明确、描述清晰，内聚地表达业务内容。尽量避免在一些多级标题的场景下，小标题会被切分成单独的chunk，与正文分割开。
企业文档喂养
企业问题/答复（FAQ）对可以进行输入，并作为单独的向量存放在向量数据库中。
作为最优质的企业信息，问题/答复对向量将更加容易被向量检索到，能够在答复客户时作为第一优先级答案。
基于中小型企业的特点，企业GPT构造器喂养流程分为：
// 预处理：针对企业文档，对于部分图片方式的文档，需要使用 OCR 功能进行预先识别，并对文档进行边界框中文本的位置、文本内容、表、选择标记（也称为复选框或单选按钮）和文档结构分析。
// 格式化：经过预处理的文本将进行格式化，格式化的步骤如下：
检索时额外检索同一标题树下的chunk，随后做拼接。如果一次构建的知识块过长，则将此知识块文本按照400-500个token长度，并在其后根据标点符号和换行符等来切分段落来切分。
// 向量化：通过大数据模型（LLM）的向量化（Embedding）接口，对经过格式化的文本分块进行处理，以OpenAI的Embedding接口为例，其对格式化后的文本进行向量化，本文案例选择的是text-embedding-ada-002模型。
// 向量存储：将向量化后的企业知识存入到向量数据库中，包含了来源ID、类型、分块向量、原始文本内容等，并进行多租户数据隔离。
企业GPT喂养流程
企业通过使用 GPT模型来获得多种自然语言处理（NLP）服务，这些服务可以帮助企业提高效率、改善客户体验、提供7*24小时服务等。以下简要介绍企业可以通过 GPT 获得的部分服务。
在企业信息向量化存储之后，还需要对企业交互式消息公众号进行设计，我们可以配置chatbot的头像logo，名称，服务介绍，服务电话，主页，服务邮箱等信息。
同时我们需要对企业GPT机器人做角色定义。设置AI创造力因子（Temperature）来确定AI答复的确定性或者创造性。并应用提示工程对其角色进行清晰明确的描述，以便AI模型理解我们的需求，提示工程通常有三个主要元素组成：任务、指令、角色，可以通过调整Temperature参数来控制生成文本的多样性，较高值会导致更加随机和多样化的文本生成，而较低值则会导致更加保守和确定性的文本生成。并通过少样本示例实现企业希望扮演的角色目标，下图是一个Prompt的设计例子。
企业GPT Prompt设置
通过交互式消息，企业GPT可以对外提供消息服务，其提供服务的流程如下图所示。
企业GPT通过交互式消息为客户提供服务
企业的目标客户通过交互式消息或者Web插件，访问企业GPT，步骤如下：
Step1：根据设定的业务场景（预配置交互流程）及企业角色（提示工程），如市场营销、客户服务、办公助手等，企业客户访问企业GPT。
Step2：企业GPT通过构造LLM对客户问题文本进行向量化。
Step3：使用向量搜索，在向量数据库中搜索离客户问题向量最相似的Top K（K可以设置）文本内容并返回，判断的标准为问题向量和喂养分块向量之间的距离（向量之间的欧氏距离或者余弦距离）。
Step4：企业GPT判断Top K向量同客户问题向量的相似度。
Step5：将匹配度得分>N分（N可以配置）的相关设置的Prompt、文本内容、当前及会话历史问答，统一送到会话LLM，会话LLM根据这些信息进行组织推理。在某些场景下需要做上下文回溯，虽然能够准确地检索内容，但是这部分内容并不全，检索时额外检索最相关chunk的相邻chunk，随后做拼接。
Step6：组装好的答案和参考文档信息通过交互式消息返回客户端。
系统本身支持多种交互式消息，下图是多种交互式消息的展示例子。
在实际项目执行过程中，部分面向客户的答复需要严谨，因此对机器人的答复进行训练和增强。
多种交互式消息通道的企业GPT展示
用户问题与回复的答案将会自动被填入文本框内。可以进行编辑，并以“Q&A”的格式训练至知识库内。可以选择训练至一个已有的“Q&A”知识文档内，也可以创建一个新的“Q&A”知识文档来储存本次训练的知识。
企业GPT在构造之后，可以通过交互式消息通道或者Web插件为企业的各个部门客户提供服务，且不限于下列场景例子。
Scene1. 品牌营销
配合交互式消息的主动触达功能，可以向客户发送促销信息，通过企业GPT，能够为客户解答促销信息的内容，也可以自动答复企业官网/社媒账号，引导客户直接访问购买，也可以为客户提供政策咨询服务。
品牌营销场景
Scene2. 客户服务
可以通过交互式消息发送客户物流信息，待客户接收商品之后，在喂养相关商品的产品使用手册周，客户可以通过企业GPT，客户可以咨询企业人工座席工作时间，企业GPT能够告诉客户如何使用商品，帮助客户排除商品的使用故障等。
客户服务场景
Scene3. 助手服务
在喂养了企业的财务、人事等相关政策文档后，企业员工可以不用阅读繁琐的各类文档，通过企业GPT，以对话的方式咨询财务系统发票问题，人事政策问题等内容，大大提升新员工培训效率及员工获得感。
企业助手场景
助手服务还可以广泛应用于企业业务支撑，如对销售人员的专业知识支持，运维人员的设备知识支持等。
浩鲸科技企业GPT构造器能够快速地帮助企业构建自己的GPT，目前已成功实战了HETU产品线hetuGPT、NuriGPT、MRGPT以及wctGPT。
其中，印尼N电商是一家通过互利联盟营销社区为品牌所有者、经销商、有影响力者和消费者提供创新和全新在线购物体验的技术公司。作为一家电商，其经营的电子产品种类繁多，客服人员无法对所有电子产品的参数、操作方式了如指掌，因而常常在答复客户询问产品的时候，需要打开大量的文档进行查询， NuriGPT有效地解决了这个痛点，N电商客服团队负责人Arnold说：
“HETU 企业GPT帮助N电商构建了企业级NuriGPT来支持电商业务，知识喂养的方式很方便，只需要上传文档，客服人员就可以快速的从各种电子产品文档中检索出产品参数、操作方式、常见故障解决方法，其ChatGPT的自然语言交互体验非常好，并自动支持多语言的转换，帮助客服人员快速解决客户的问题，大大降低客服人员的工作负载。”