大模型应用开发 / 系统课时
常见应用形态
常见应用形态
同样使用大模型,不同产品的交互方式、数据来源和执行边界可能完全不同。本课将区分六种常见应用形态,并通过任务特征判断应该做对话助手、知识问答、固定工作流,还是能够自主选择步骤的智能体。
学习目标
- 区分六种常见大模型应用形态
- 根据输入、输出和执行方式选择合适方案
- 避免把所有需求都设计成聊天机器人或智能体
六种应用形态
对话助手以多轮交流为核心。它需要保存必要的会话上下文,根据用户后续问题补充或修正答案,适合客服咨询、学习辅导和办公助手等需要持续互动的场景。
内容生成应用通常接收明确要求,一次生成文章、邮件、脚本、图片描述或营销文案。它更关注模板、风格、长度和审核流程,不一定需要多轮对话。
知识问答应用先检索指定知识,再依据检索结果回答。它适合企业制度、产品手册和技术文档查询,重点是知识范围、引用依据、数据更新和无答案时的处理方式。
信息抽取应用把非结构化内容转换为字段、标签或记录,例如从合同中提取甲乙方、金额和日期。它强调输出结构稳定、字段校验和批量处理,而不是语言表达是否自然。
工作流应用按照预先设计的步骤执行任务,例如先分类工单,再查询客户资料,最后生成回复草稿。步骤、分支和失败处理通常由程序明确控制,模型只处理其中适合语言理解的节点。
智能体能够根据目标和当前状态,自主选择工具、调整步骤并持续执行,适合路径难以预先完全确定的任务。它的灵活性更高,但成本、延迟和不可预测性也更高。
核心差异对比
| 应用形态 | 主要输入 | 主要输出 | 执行方式 | 典型场景 |
|---|---|---|---|---|
| 对话助手 | 连续自然语言消息 | 多轮回复 | 根据上下文持续交互 | 客服、辅导、办公问答 |
| 内容生成 | 主题、素材与格式要求 | 文案或其他内容 | 通常单次或少量修改 | 邮件、报告、营销文案 |
| 知识问答 | 问题与检索到的资料 | 有依据的回答 | 先检索,后生成 | 制度、手册、内部知识库 |
| 信息抽取 | 文档、图片或消息 | 结构化字段 | 按固定结构解析 | 合同录入、票据识别、分类 |
| 工作流 | 业务事件与规则 | 多步骤处理结果 | 程序预先定义步骤 | 工单处理、审核、内容生产 |
| 智能体 | 目标、环境状态与工具 | 动态执行结果 | 模型自主规划和选工具 | 开放式研究、复杂任务协作 |
这些形态并不互斥。一个知识问答产品可以使用聊天界面,一个工作流也可以在某个步骤调用信息抽取模型。分类的目的不是给产品贴标签,而是确定哪个机制承担主要职责。
如何选择应用形态
先看结果是否可以一次生成。输入明确、输出格式固定且不需要查询外部事实时,通常选择内容生成或信息抽取。前者输出面向人阅读的内容,后者输出供程序继续处理的数据。
如果答案必须依据指定资料,应选择知识问答,而不是仅靠提示词要求模型“不要编造”。知识问答的关键步骤是检索和引用,聊天界面只是可选的交互方式。
如果任务包含多个确定步骤和明确分支,优先使用工作流。程序控制执行顺序,可以稳定重试、记录状态并处理异常。只有当下一步无法提前确定,需要模型根据环境动态决策时,才考虑智能体。
当用户会不断追问、补充条件或改变目标时,可以增加对话助手能力。但多轮交互不代表整个系统都应由模型控制,权限、状态和业务规则仍应由应用程序管理。
组合应用示例
以“企业合同审核助手”为例,系统可以先用信息抽取识别合同主体、金额和期限,再从制度库中检索审核规则。随后,一个固定工作流检查必填字段、风险条款和审批条件,最后由内容生成能力形成审核摘要。
用户通过对话助手追问某项风险时,系统继续引用原合同和制度依据回答。只有在需要跨多个系统自主收集材料、反复调整计划时,才有必要加入智能体。这个组合比直接让一个智能体包办全部步骤更容易控制和验证。
容易选错的情况
界面像聊天窗口,不代表应用就是对话助手。若每次问题都独立检索企业文档,它的核心仍是知识问答。
步骤较多也不等于需要智能体。只要执行顺序和分支可以提前描述,固定工作流通常更稳定、更便宜,也更容易排查失败原因。
结构化输出同样不能只依赖模型生成。信息抽取结果应经过类型、枚举、必填项和业务规则校验,未通过的数据需要重试或转人工处理。
本课总结
- 应用形态应根据输入、输出、数据来源和执行方式判断,而不是根据界面名称判断
- 固定且可描述的多步骤任务优先使用工作流,只有路径难以预定义时才考虑智能体
- 多种形态可以组合,但应让每种机制只承担它最擅长的职责
下一课预告
下一课将进一步认识大模型请求中的提示词、上下文与输出结构,为设计第一个可控的大模型功能做好准备。