AI测试懂业务的 Ai 才是好助手

81—1 · 2023年04月11日 · 最后由 81—1 回复于 2023年04月19日 · 7147 次阅读

背景

在现代企业中，信息管理对企业的发展至关重要。企业内部的信息包括了业务规范、操作流程、行业信息等方面，但这些信息通常分散在各个部门和人员之中，难以有效地被整合和利用。为了解决这个问题，我们希望通过使用人工智能技术，构建一个内部信息问答 AI 接口，使得员工可以快速地获取所需的信息，提高工作效率。

实现功能

本文中，我们将介绍如何通过 OpenAI 的 embedding 功能，结合公司业务规范，实现一个内部信息问答 AI 接口。该接口具备以下功能：

可以针对公司内部的业务规范、操作流程等信息进行问答；
员工可以在内部的系统界面中方便地使用，提高工作效率。

技术架构

我们使用了 OpenAI 的 embedding 技术来实现这个内部信息问答 AI 接口。具体来说，我们首先需要将公司内部的需要共识的业务规范、操作流程等信息进行向量化处理。这个过程需要使用一个预训练好的语言模型，例如 GPT 的 ada 模型。然后，我们将员工提供的问题也进行向量化处理，然后使用一个相似度计算方法，比如余弦相似度，来计算员工提供的问题和每个信息的相似度，从而找到可能内容信息，再由更强大的 GTP-3.5 模型分析给出最佳答案。

整个技术架构如下图所示：

设计细节

向量化处理

首先，我们需要将公司内部的所有业务规范、操作流程等信息进行向量化。我们可以使用一个预训练好的语言模型，例如 text-embedding-ada-002，来实现这个向量化过程。具体来说，我们可以将每一条业务规范、操作流程等信息先根据语意进行分段拆分，在将每一段作为一个输入，然后使用 text-embedding-ada-002模型来生成一个对应的编码向量。

这个过程可以使用 OpenAI 的 API 来实现。我们需要调用 API 的 embeddings 方法，传入业务规范或操作流程等信息，以及一些其他参数，例如 model（选择预训练的语言模型）、input（输入的文本信息）。调用 embeddings 方法后，API 将返回一个编码向量，我们可以将这个编码向量保存在数据库中，以便后续的相似度计算。

以下是调用 embeddings 方法的示例代码：

import openai
openai.api_key = "YOUR_API_KEY"

def embedding_text(text, model):
    response = openai.Embedding.create(
    input=text,
    model=model
    )
    embeddings = response['data'][0]['embedding']
    return embeddings

# 使用 ada 编码一条业务规范
business_rule = "在订单完成前，顾客可以随时取消订单。"
model = "text-embedding-ada-002"
encoding = embedding_text(business_rule, model)
print(encoding)

相似度计算

一旦我们获得了业务规范、操作流程等信息的编码向量，我们就可以使用一个相似度计算方法，例如余弦相似度，来计算员工提供的问题和每个信息的相似度。具体来说，我们可以将员工提供的问题也进行编码，然后将问题的编码向量和每个信息的编码向量计算余弦相似度，得到一个相似度得分。得分最高的信息就是最佳答案。

以下是以我们已经在 pinecone 中定义了算法模型为余弦相似度的 index，调用的示例代码：

import pinecone

# initialize connection to pinecone (get API key at app.pinecone.io)
pinecone.init(
    api_key="YOUR_API_KEY",
    environment="YOUR_ENV"  # find next to API key in console
)

# check if 'openai' index already exists (only create index if not)
if 'openai' not in pinecone.list_indexes():
    pinecone.create_index('openai', dimension=len(embeds[0]))
# connect to index
index = pinecone.Index('openai')

res = index.query([xq], top_k=5, include_metadata=True)
for match in res['matches']:
    print(f"{match['score']:.2f}: {match['metadata']['text']}")

多类型数据管理

对于信息的分类，不同场景下的规范要求，是多样的。因此我们还需要在获取业务信息时加以区分。对于系统来说，我们可以通过提问数据的来源或场景查询不同的业务领域信息。
如下是个简易的嵌入信息管理后台，用来管理启用和新增我们的自定义数据：

可以看到我们以不同的用户 id、数据状态作为了数据匹配的范围控制。
在实现了内部信息问答 AI 接口后，我们可以考虑进一步扩展其功能。例如，我们可以使用自然语言生成技术来自动生成业务规范、操作流程等信息，集成到已有的软件系统中，以减轻员工的工作负担。
我们还可以将接口整合到公司已有的可对话系统中，以便员工可以直接在聊天窗口中提问，并且可以获得更加个性化的回答。