大模型应用AI智能体行业案例（22页PPT）.pptxVIP

第十章AI智能体行业案例

（待更新）

10.1概述

10.2法律行业案例

10.3金融行业案例

10.4教育行业案例

10.5医疗行业案例

目录

10.1概述随着大模型技术的发展，如何利用AI智能体更好地赋能垂直行业是工业界和学术界共同关注的问题，我们结合法律、金融和教育等行业背景，搭建多种形式的智能体，并重点讨论在不同业务需求下的智能体设计决策。

10.1概述

10.2法律行业案例

10.3金融行业案例

10.4教育行业案例

10.5医疗行业案例

目录

10.2法律行业案例近年来，企业、高校和政府纷纷推出了法律行业大模型，包括阿里的通义法睿、某著名企业的Chat和最高人民法院的法信法律基座大模型等。这些法律大模型涵盖了法律咨询、文书生成、法律检索和合同审查等丰富的功能解决了传统法律工作中存在的效率低下和信息分析不足的问题。

10.2.1法律咨询智能体在法律相关功能中，法律咨询尤为重要，其核实价值主要体现在以下几个方面。首先，对法律知识的了解相对有限，而律师咨询助手能够有效解答常见法律问题，帮助公众提升法律意识。其次，在线咨询的便捷性使得用户可以随时随地获取法律建议，某省市了宝贵的时间和精力。此外，与传统的面对面咨询相比，在线咨询通常费用更低，适合预算有限的用户，具有较高的成本效益。然后，隐私保护也是一个关键因素，很多人对面对面咨询可能存在顾虑，而在线咨询提供了更高的隐私保障。本节将围绕法律咨询展开探讨，通过搭建单智能体并配置知识库，实现对特定法律问题的理解、法律条文的解释、解决方案的提供以及行动建议等功能，其最终效果如下图

10.2.2关键设计尽管直接采用专用的法律行业大模型通常能够实现更高的性能和更精确的回答，但其成本远高于基于通用模型构建的智能体方案。以通义法睿为例，其法律咨询功能的API调用费用为每次0.7元，而类似DeepSeek-V3等通用大模型的处理成本，即便考虑百万token的输入量，也仅在2元以内。因此，从成本效益和部署灵活性等角度出发，基于通用模型构建法律咨询助手的智能体在实际应用中具有很大的吸引力和推广价值。与此同时，大模型在生成内容时常会出现“幻觉问题”（即生成虚假的或不准确的信息）这对法律领域的应用提出了严峻的挑战。为了在降低成本的同时提高回答的可信度和准确性，我们采用（Retrieval-AugmentedGeneration）技术。具体而言，将首先将法律条文、判例和相关知识整理并添加到知识库中。随后，在用户咨询过程中，通过语义检索技术定位与问题相关的法律信息，并将检索到的内容作为上下文补充，最终交由大模型处理生成高质量的回复。这种方法不仅有效缓解了大模型幻觉问题的影响，还进一步提升了法律咨询助手的实用性和可控性，为其在实际场景中的广泛应用奠定了技术基础。为了简化设计，本节仅考虑2020年颁布的《民法典》（以下简称“民法典”），并设计一个面向民法典的法律咨询智能体。感兴趣的读者可以进一步收集更全面的法律法规和裁判文书最高人民法院提供超过1.5亿篇裁判文书，访问地址为

10.2.3智能体实现单智能体的关键技术包括提示词设计和知识库设计。对于面向民法典的法律咨询单智能体，核心提示词包括，1）智能体的人设（角色），即“一个专业的民法典咨询小助手”；2）智能体的技能，包括“解答民法典问题；分析民法典案例”；3）限制，包括要求拒绝回答无关问题并要求按格式回复。对于专业领域问答，一般还需要规定明确的回复格式，这可以通过少样本提示完成。我们使用的民法典原文件是PDF格式，将在扣子中被转换成文本格式（大模型无法直接处理Word和PDF等格式的文档，需要转换成纯文本格式）在智能体配置的“知识”中选择“文本”，添加已有的知识库，在创建知识库时，用户可以上传文档，并设置文档解析策略、过滤策略和分段策略等。对于简单应用，一般使用默认选项即可。用户还能看到原始文档和分段后的对照信息，并能编辑、删除、新增分段；这些分段文字将在服务器进行嵌入等操作，用于后续的搜索。在扣子的人设与回复逻辑面板，填入以下示例提示词，效果如下所示

10.1概述

10.2法律行业案例

10.3金融行业案例

10.4教育行业案例

10.5医疗行业案例

目录

10.3金融行业案例金融行业因其与数据的高度相关性，成为最早应用传统人工智能技术的领域之一。近些年，以技术驱动为特征的金融科技，依托人工智能、大数据分析和区块链等关键技术，极大地提升了金融行业的服务效率。作为一种新型生产方式，AI具有互补性、智能性、融合性、创造性等技术经济特征。金融行业中大模型广泛应用，包括摩根大通的AI投资顾问、招商银行的智能客服系统以及平安科技的风险管理平台等。这些金融大模型涵盖了客户服务、信用某省市场预测和合规监测