大模型进入「实用」时代！腾讯助力「销冠」量产，5 分钟创建智能助手

今年年初，英伟达 CEO 黄仁勋因为一句“别再学计算机”被推上热搜。其实翻回原话，他真正想说的是：过去人人都觉得编程是必备技能，但时代正在翻转——我们的工作就是创造技术，让编程语言变乘人类语言。换句话说，编程的终极目标是“不再编程”。

这个愿景由来已久，大模型的出现让它离现实近了一大步。但现阶段，直接把一个大模型扔给个人或企业，效果往往不尽如人意。你不会指望一个连 Prompt 都没写过的人用大模型搭一整个网站，也不能指望一家没配置 AI 人才的公司靠一个模型就变成“智囊”。说白了，现在的大模型离“开箱即用”还有一段路要走。

不过，在 5 月 17 日的腾讯云生成式 AI 产业应用峰会上，我们看到了能缩短这段距离的产品。比如一站式 AI 智能体创作与分发开放平台——

，能调用腾讯官方插件和知识库；还有帮助一线业务人员用好大模型解决实际难题的、、等。

为这些产品提供底座的

也在持续升级，部分中文能力已追平 GPT-4，支持 16 秒视频生成。目前，混元 hunyuan-pro、hunyuan-standard、hunyuan-lite 等不同尺寸模型已通过腾讯云面向企业和开发者全量开放。其中 hunyuan-standard 支持 256K 上下文，长文档理解和处理能力更强了。

在这波新品中，知识引擎是一款很有代表性的 PaaS 产品——

。这类平台的出现，打破了“人人都得掌握大模型复杂用法”的壁垒，让大模型真正贴近产业。

<iframe allowfullscreen="" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3462168314812596229"></iframe>

利用知识引擎，企业用户只需要输入模型选择、角色设定、知识库管理等基本信息，5 分钟就可以搭建出一款知识应用。

量产「销冠」、5 分钟创建智能助手
知识引擎是怎么做到的？

如果你在视频号上关注过“李蠕蠕”的“销冠”系列，一定对那种通过判断顾客心理来推销产品的套路印象深刻。批量复制这样的“销冠”是每家公司都想要的。腾讯云知识引擎正好能帮忙。它采用

，帮企业轻松搭建融合私有领域知识库的问答助手。员工能以问答形式快速获取公司知识、学习老员工经验，业务能力迅速提升。

某公司利用腾讯云知识引擎构建了一个“保险经纪人销售助理”，通过生成保险产品知识和安抚话术辅助经纪人。问答准确率从传统机器人的 57% 提升至 85%，人均提效 50%。

这个过程之所以轻松，是因为知识引擎封装了一系列好用的模型和工具。

腾讯云大模型知识引擎聚焦全技术链路优化：用户提问时，先通过 RAG 从企业知识库中检索相关文档片段，再按规则重组后输给大模型生成回答。相当于带着“课本”去考试，大幅度降低幻觉，内容更安全可靠。

整合 OCR 大模型，文档识别准确率提升 30%

企业导入知识库的第一步，就是解析文档。文档排版千变万化，图文混排、结构化表格、公式、流程图、阅读顺序保持……每个都是坑。腾讯云知识引擎集成了 OCR 解析大模型，分三步搞定：

• 第一步，版面分析——用自研算法定位图像中所有版面元素（段落、表格、图片、标题等）的位置、顺序和类型；

• 第二步，通过文本识别、表格识别等垂类算法精准提取不同元素的内容；

• 第三步，按人的阅读顺序整合成 Markdown 格式输出，保证信息连贯易读。

表格和公式是比较棘手的场景——比如没有框线的表格。OCR 大模型通过融合行列关系特征和元素特征来预测表格的行列间隔线，即使没有框线也能推理出结构。它还能识别跨页合并表格、多行表，对科研论文中的复杂公式解析效果也不错。国内能跟 Google MP 模型掰手腕的，确实不多。

整体来看，

。对文档结构的深入理解，是后续信息归纳、总结、对比分析和数值计算的基础。

提出业内首个语义切分大模型，回答完整性提升 20%

文档解析出来就能直接检索了吗？中间还有一步关键操作：知识切分。难点在于准确识别哪些信息属于一个完整块，比如跨页的流程图、表格。传统切分方法靠规则，但不同内容需要不同规则，越来越复杂，难以维护。

腾讯云推出了

。它不需要你告诉它怎么切，而是自己理解文章的一级、二级、三级段落结构，端到端完成切分。这得益于预训练中获得的语义理解和长上下文关联能力，加上巧妙设置的 prompt 和微调数据，让模型既能适应长文本切分，又有较快的推理速度。

准确的切分让检索系统基于更合理、语义更完整的文本块进行搜索，

。

自研长文本 Embedding 模型，上万行超大表格也能检索

文档充分解析、恰当切分之后，检索就能顺利进行了。但海量多模态数据中如何找到最相关的信息，依然是个挑战。腾讯云知识引擎从两个方向优化：一是自研的长文档 Embedding 模型，把检索最大长度从 512 提升到 4K，支持更复杂的长文本检索。在 C-MTEB 榜单上，该模型在 8 个中文任务上达到效果最优。

二是支持向量关键词检索、表格文字混合检索等多种策略，不止限于文本检索，还能应对大型复杂表格。甚至上万行、上百列的超大表格，知识引擎也能从容处理。

这些检索到的信息是大模型回答的重要依据，大大提升了生成文本的质量和可靠性。

整合多模态、多行业大模型，应对多样提问

检索完成后，大模型拿到包含答案线索的 Prompt 来回答用户问题。有些问题非常专业，涉及行业术语和规范。比如一个“教案助手”必须知道教案包含哪些内容、怎么编写。为此，腾讯云在通用大模型基础上，

，降低了特定行业的落地成本。

河南省数字教育发展有限公司基于腾讯知识引擎打造的智慧教育平台，面向全省上万所中小学打造教师助理和学生助手，百科+教学辅助场景端到端知识准确率高于 90%。

用户的提问还可能非常多元——文字、图片、文档、表格甚至复杂的流程图。知识引擎集成了

的能力，支持数据表、数据图、操作图等图文交错的多轮问答，能应对真实场景。

问答过程中难免遇到 bad case。但知识引擎背后有腾讯云 TI 平台支撑——一整套数据处理、模型精调工具，能把 bad case 转化为训练数据，还有 100 多种任务类型的精调配比数据可供选择。这在同类知识引擎产品中并不多见。

多个开箱即用平台齐发，瞄准“产业实用”

除了知识引擎，这次腾讯云还发布了其他开箱即用的平台：腾讯元器、图像创作引擎、视频创作引擎。

腾讯元器是一个智能体创作和分发平台，主打“低门槛”。通过提示词、插件、工作流、AI 辅助创建，每个人都能在几分钟内通过打字、点选构建专属智能体。平台预集成了腾讯生态特色插件和知识库资源，还开放第三方能力。创建后可以发布到 QQ、微信或 APP 上，优质智能体有机会获得流量扶持。

图像创作引擎支持图像风格化、AI 写真、线稿生图等，大幅缩短素材创作周期。

视频创作引擎支持视频风格化、运动笔刷、画布拓展，还能一键转译视频语言，帮助企业投放海外市场。

<iframe allowfullscreen="" frameborder="0" src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3462169257490808834"></iframe>

这些引擎和知识引擎共同组成大模型时代的原生工具链，体现了腾讯云“产业实用”的核心战略。简单说就是：如何让用户以最低的成本、最小的必要输入，获得最佳的大模型应用实践。

这一价值主张在知识引擎等产品中体现得很充分。从整体看，它覆盖了工具层、模型层和应用层，不只是模型本身，还包含了从数据处理、模型训练、应用开发到部署运维的完整链条。从细节看，它没有限制底层大模型，而是以实用为判断标准，提供混元大模型、精调行业大模型、客户定制大模型，甚至基于第三方大模型精调的知识引擎专用模型，帮助企业控制成本。接入方式也很简单——开箱即用的应用模板，或可被集成的原子能力 API，门槛几乎降到了零。

就像腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生所说：“大模型的打造只是起点，把技术落地到产业场景，创造价值才是目标。”我们也期待看到更多这类“产业实用”的大模型应用产品出现。