圖書館領(lǐng)域大模型創(chuàng)新應(yīng)用需求調(diào)研報(bào)告 2024V0.9發(fā)布修正版

圖書館領(lǐng)域大模型創(chuàng)新應(yīng)用需求（征求意見稿V0.9）漏與不足之處，因此我們對(duì)此表示歉意，并希望您如對(duì)報(bào)告有任何建議，歡迎將反饋意見發(fā)送至郵箱：cal第一章前言 1第二章大模型行業(yè)應(yīng)用調(diào)研 32.1大模型行業(yè)應(yīng)用價(jià)值 32.2大模型行業(yè)應(yīng)用服務(wù) 42.3大模型行業(yè)應(yīng)用技術(shù)方案 62.3.1提示詞工程 62.3.2檢索生成增強(qiáng) 92.3.3智能體 2.3.4模型微調(diào) 2.4大模型行業(yè)應(yīng)用案例 2.4.1醫(yī)藥健康 2.4.2金融保險(xiǎn) 2.4.3文化教育 第三章大模型對(duì)圖書館的影響 3.1圖書館大模型影響分析 3.2圖書館大模型應(yīng)用策略 3.3圖書館大模型應(yīng)用路徑 3.4圖書館大模型應(yīng)用范式 3.5圖書館大模型技術(shù)架構(gòu) 第四章智慧圖書館中的大模型應(yīng)用 4.1智慧服務(wù)中的大模型應(yīng)用 4.2智慧業(yè)務(wù)中的大模型應(yīng)用 4.3智慧管理中的大模型應(yīng)用 4.4智慧空間中的大模型應(yīng)用 41第五章圖書館典型大模型應(yīng)用需求及場(chǎng)景舉例 445.1智慧咨詢服務(wù) 455.1.1需求分析 455.1.2場(chǎng)景舉例 455.1.3已有案例 465.2智慧資源發(fā)現(xiàn) 475.2.1需求分析 475.2.2場(chǎng)景舉例 475.2.3已有案例 495.3智慧閱讀推廣 495.3.1需求分析 495.3.2場(chǎng)景舉例 5.3.3已有案例 5.4智慧知識(shí)服務(wù) 5.4.1需求分析 5.4.2場(chǎng)景舉例 25.4.3已有案例 5.5智能采編輔助 5.5.1需求分析 5.5.2場(chǎng)景舉例 5.5.3已有案例 5.6數(shù)字資源智能加工 5.6.1需求分析 5.6.2場(chǎng)景舉例 5.6.3已有案例 5.7數(shù)字人文智慧研究與服務(wù) 5.7.1需求分析 5.7.2場(chǎng)景舉例 5.7.3已有案例 5.8館員智慧助手 5.8.1需求分析 5.8.2場(chǎng)景舉例 5.8.3已有案例 第六章總結(jié)與展望 附：云瀚應(yīng)用商店AI應(yīng)用列表 721索優(yōu)化應(yīng)用場(chǎng)景，構(gòu)建應(yīng)用生態(tài)體系。2024年，政府工作報(bào)告中明確提出深化人工智能研發(fā)應(yīng)用，開展“人工智能+”行動(dòng)。國(guó)家鼓勵(lì)人工智能技術(shù)與經(jīng)濟(jì)社會(huì)各領(lǐng)域深度融合，以推動(dòng)各行業(yè)應(yīng)用創(chuàng)新，賦伴隨著新一代AI技術(shù)的興起，圖書館界也迎來了重要的轉(zhuǎn)型契機(jī)，步入了對(duì)將AI融入運(yùn)營(yíng)與服務(wù)中的復(fù)雜挑戰(zhàn)。為了有效應(yīng)科學(xué)技術(shù)情報(bào)研究所）聯(lián)合上海人工智能研究院、智慧圖書館技術(shù)應(yīng)用聯(lián)盟于2023年9月發(fā)布了《圖書館大規(guī)模模型創(chuàng)新與應(yīng)用白皮書》。白皮書從宏觀層智慧空間四個(gè)領(lǐng)域中，當(dāng)前可實(shí)驗(yàn)、實(shí)施或展望的AI應(yīng)用，并進(jìn)行總結(jié)。第五2誠(chéng)摯邀請(qǐng)各界人士進(jìn)行批評(píng)指正，我們將借助各方經(jīng)驗(yàn)對(duì)報(bào)告進(jìn)行修改和完善，32022年11月上線的生成式人工智能（AIGC，AI-GeneratedC科的任務(wù)處理能力，是人工智能技術(shù)極為關(guān)鍵的發(fā)展節(jié)點(diǎn)1語言處理（NaturalLanguageProces型深度學(xué)習(xí)模型，參數(shù)通常從數(shù)十億到超千億。底層基于Transformer深度神經(jīng)量數(shù)據(jù)訓(xùn)練架構(gòu)使得大語言模型具有了被稱為“涌現(xiàn)”的泛化推理能力2，使其具體信息結(jié)合語言數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練和指令微調(diào)的超大型深度學(xué)習(xí)模型也是大語言（1）能力泛化方面，大模型預(yù)先在海量通用數(shù)據(jù)上訓(xùn)練使其具備了通用任練﹢微調(diào)”的范式，可以很好地適應(yīng)不同下游任務(wù)（2）技術(shù)融合方面，文本大模型融合語言、視覺、聽覺等多模態(tài)信息，通s=/home/article/detail/id/3172.ht2趙鑫,李軍毅,周昆,唐天一,4為構(gòu)建大量應(yīng)用程序提供了機(jī)會(huì)，從而使大模型有機(jī)會(huì)成為下一代計(jì)算平臺(tái)/操作系統(tǒng)，有效支撐智能終端、系統(tǒng)、平臺(tái)等產(chǎn)品應(yīng)用落地，解決傳統(tǒng)AI（2）第二層，為中間層，即垂直化、場(chǎng)景化、個(gè)性化的模型和應(yīng)用工具。時(shí)兼具按需使用、高效經(jīng)濟(jì)的優(yōu)勢(shì)。隨著兼具大模型和多模態(tài)的AIGC模型加OpenAI創(chuàng)始人山姆·奧特曼（SamAltman）“認(rèn)為中間那一層會(huì)創(chuàng)造很多價(jià)值。5夠做的關(guān)于數(shù)據(jù)飛輪的事?！保?）第三層，為應(yīng)用層，即面向終端用戶的文字、圖片、音視頻等內(nèi)容生成服務(wù)。在應(yīng)用層，側(cè)重滿足C端用戶的需求，將AIGC模型和用戶的需求無2023中關(guān)村論壇人工智能大模型發(fā)展論壇，阿里云過API調(diào)用基礎(chǔ)大模型，為不同的業(yè)務(wù)場(chǎng)景，來構(gòu)建、訓(xùn)練和部署專屬模型。AI產(chǎn)業(yè)的場(chǎng)景落地一直面臨碎片化、長(zhǎng)尾場(chǎng)景數(shù)據(jù)較少導(dǎo)致模型訓(xùn)練精度不夠等行業(yè)痛點(diǎn)。傳統(tǒng)“小模型”范式的AI應(yīng)用開發(fā)流程一般針對(duì)單一場(chǎng)景，獨(dú)此，AI應(yīng)用在定制化需求、長(zhǎng)尾需求下的開發(fā)效率較低，且模型精度、性能、可擴(kuò)展性等指標(biāo)質(zhì)量也會(huì)受到影響。隨著大模型的出現(xiàn)，AI應(yīng)用開發(fā)流程轉(zhuǎn)變6橫琴粵澳深度合作區(qū)數(shù)鏈數(shù)字金融研究院,亞洲數(shù)據(jù)集團(tuán).人工智能行業(yè)智能時(shí)代的生產(chǎn)力變革：AIGC產(chǎn)業(yè)應(yīng)用實(shí)踐,/wp-coA%E8%83%BD%E8%A1%8C%E4%B8%9A%E6%99%BA%E8%83%BD%E6%97%B6%E4%BB%A3%E7%9A%84%E7%94%9F%E4%BA%A7%E5%8A%9B%E5%8F%98%E9%9D%A9%EF%BC%9AAIGC%E4%BA%A7%E4%B8%9A%E5%BA%94%E7%94%A8%E5%AE%9E%E8%B7%B5-DAFRIADG7艾瑞咨詢.2023年中國(guó)AIGC產(chǎn)業(yè)全景報(bào)6大廠，都已經(jīng)推出了MaaS服務(wù)。以微軟云的AzureOpenAI服務(wù)為例，就支持微調(diào)模型，為應(yīng)用提供支持。騰訊云從產(chǎn)業(yè)客戶需求場(chǎng)景出發(fā)，依托騰訊云TI平臺(tái)打造模型精選商店。騰訊云已聯(lián)合行業(yè)頭部企業(yè)，為十大行業(yè)輸出了超過50個(gè)解決方案，提供一整套模型服務(wù)工具鏈。傳統(tǒng)企業(yè)軟件服務(wù)商金蝶利用百簡(jiǎn)單來說，現(xiàn)階段基于Transformer架構(gòu)的主流大模型，是根據(jù)輸入預(yù)測(cè)下艾瑞咨詢.2023年中國(guó)AIGC產(chǎn)業(yè)全景報(bào)告,https://repo/news/news_f4b210趙鑫,李軍毅,周昆,唐天一,文繼榮.大語言模型，https:/7（1）清晰地表達(dá)任務(wù)目標(biāo)。在使用大模型時(shí)需要給出清晰明確的指令。具（2）分解為簡(jiǎn)單且詳細(xì)的子任務(wù)。將一個(gè)復(fù)雜任務(wù)分解為若干個(gè)相對(duì)獨(dú)立（3）提供少樣本示例。在提示中加入少量目標(biāo)任務(wù)的輸入輸出作為任務(wù)示可以幫助我們更有效地使用大模型完成特定任務(wù)。如Markdown語法、XML標(biāo)理任務(wù)時(shí)，則需要更高級(jí)的提示策略。其中被廣泛應(yīng)用的就是思維鏈（Chainof為增強(qiáng)大模型在各類復(fù)雜推理任務(wù)上的表現(xiàn)，Wei等人12設(shè)計(jì)了思維鏈的提8的推理過程，即“輸入，推理步驟，輸出”形式，也可稱為少樣本思維鏈提示stepbystep.”之類的誘導(dǎo)性指令，讓大模型先生成思維鏈再回答問題來提高準(zhǔn)確提示策略可閱讀相關(guān)綜述14。圖2.3.1：思維鏈提示樣例12常用的提示優(yōu)化工具有：PromptPerfect15、prompttools16、promptfoo17、FlowGPT18等，更多相關(guān)工具見LearnPrompting19。9（1）索引：索引首先從不同格式的文件中提取原始數(shù)據(jù)，將其轉(zhuǎn)換為統(tǒng)一（2）檢索：檢索時(shí)，系統(tǒng)將用戶查詢轉(zhuǎn)換為向量表示。然后進(jìn)行語義相似（3）生成：將原始問題和檢索到的信息塊被合并為提示，一并輸入大模型具體來講，RAG系統(tǒng)涉及多個(gè)不同的組件，每個(gè)組件都需要精心設(shè)計(jì)和優(yōu)則可以根據(jù)業(yè)務(wù)需求在原生RAG基礎(chǔ)上合理合開發(fā)框架LangChain33及其衍生低代碼平臺(tái)Langflow34、Flowise35等；Cohere更推出了專為RAG微調(diào)優(yōu)化的大模型Command智能體（Agent）簡(jiǎn)單來說可看作能感知環(huán)境及需求、進(jìn)行決策和執(zhí)行動(dòng)作的AIAgent的核心思想是利用大模型的邏輯推理、工具應(yīng)用、指令遵循等核心列執(zhí)行動(dòng)作（Action）的解決方案，進(jìn)而簡(jiǎn)化任務(wù)難度37，執(zhí)行復(fù)雜推理任務(wù)，豐富大模型在實(shí)際業(yè)務(wù)中的應(yīng)用場(chǎng)景。2023年3月，微軟發(fā)布Microsoft365Copilot，4月開源項(xiàng)目AutoGPT38發(fā)布，6月LilianWeng發(fā)布“LLMPowered41/2024/05/01/42。利用特定功能的工具，甚至評(píng)估自身的表現(xiàn)。核心組件一般包括記憶模塊（Memory）、規(guī)劃模塊（Planning）和執(zhí)行模塊（Executi（1）記憶模塊主要用于存儲(chǔ)智能體與環(huán)境的歷史交互記錄，包括短期記憶和長(zhǎng)期記憶。短期記憶相當(dāng)于Transformer架構(gòu)約束下的上下文窗口內(nèi)的輸入信（2）規(guī)劃模塊賦予智能體類似于人類的解決復(fù)雜任務(wù)的能力，即將復(fù)雜任改進(jìn)，引入自我完善機(jī)制，通過迭代反饋和改進(jìn)來（3）執(zhí)行模塊的目標(biāo)是將智能體的決策轉(zhuǎn)化為具體結(jié)果。它直接與環(huán)境互4243多智能體框架AutoGen46、MetaGPT47等；輕量級(jí)框架有crewAI48、Agently49、phidata50等；可視化工具有Flow更多相關(guān)內(nèi)容可見awesome-ai-agents補(bǔ)齊了大模型短板的AIAgent更具備實(shí)用性，將是大模型重要落地方向。行的落地方案之一57。如摩根大通推出的FlowMind生成系統(tǒng)58，工作流分成2個(gè)階段。第一階段為大模型設(shè)置上下文、APIs描述等背景信息，第二階段則是大模型識(shí)別用戶查詢意圖調(diào)用相應(yīng)的工具生成并執(zhí)行代碼。微軟Copilot則開放Agent的工作流程將推動(dòng)人工智能巨大的進(jìn)步——甚至可能超過下一代基礎(chǔ)模型”60。444546474849https://www.insightpart59/computing/artwith-power-automate-promising-to-banish-如2.3.2所述，大模型雖然在通用任務(wù)上有出色的表現(xiàn)，但在一些細(xì)分專業(yè)一般進(jìn)行參數(shù)高效微調(diào)（Parameter-efficientFine-t測(cè)試與評(píng)估等?；A(chǔ)模型選擇可參考各大模型評(píng)測(cè)榜單，如OpenLLMLeaderboard61，LMSYSChatbotA評(píng)測(cè)63等。訓(xùn)練數(shù)據(jù)集的構(gòu)建則是微調(diào)的重要一環(huán)。格式下三種方法64：證的NLP任務(wù)數(shù)據(jù)集，如機(jī)器翻譯、情感分析、文本分類等。這些數(shù)據(jù)集通常（2）基于日常對(duì)話數(shù)據(jù)構(gòu)建。這類方法使用來源于實(shí)際對(duì)話的數(shù)據(jù)，如社（3）基于合成數(shù)據(jù)構(gòu)建。合成數(shù)據(jù)是通過生成模型或規(guī)則程序生成的。這術(shù)、文本生成模型（如GPT）或者基于規(guī)則的方法（如模板生成）來創(chuàng)建。盡https://huggingface.co/space趙鑫,李軍毅,周昆,唐天一,文繼榮.大語言模型，https://llmbook-zh.github過擬合，泛化能力較弱。RAG最典型的應(yīng)用場(chǎng)景是QA類的智能客服，而微調(diào)域應(yīng)用。選擇RAG還是微調(diào)，取決于應(yīng)用環(huán)的具體需求。更重要的一點(diǎn)是，提示詞工程、RAG、智能體和微調(diào)并不相互排型的能力。各個(gè)技術(shù)方案的綜合應(yīng)用是實(shí)現(xiàn)貼合場(chǎng)景的高性能業(yè)務(wù)AI應(yīng)用圖2.3.4：RAG與微調(diào)的方案選擇65例如，谷歌的客服中心人工智能（CCAI）旨在幫助實(shí)現(xiàn)采用自然語言進(jìn)行客戶其產(chǎn)生的深遠(yuǎn)影響和潛在價(jià)值正在加速推動(dòng)從實(shí)驗(yàn)到消費(fèi)者領(lǐng)域再到企業(yè)領(lǐng)域應(yīng)用，從行業(yè)滲透率來看，金融業(yè)的滲透率最高，已達(dá)78％，在微軟、金山辦科學(xué)領(lǐng)域如Profluent、absci；能源行業(yè)如C3.ai開始將生成式AI應(yīng)用到內(nèi)容創(chuàng)建、知識(shí)發(fā)現(xiàn)、智能客服等場(chǎng)景，引領(lǐng)了行業(yè)企業(yè)采用新一代AI的風(fēng)潮68。大業(yè)應(yīng)用可見相關(guān)文獻(xiàn)69、70、71、72、73、74、75、76、77。關(guān)研究中，研究團(tuán)隊(duì)從在線醫(yī)療咨詢網(wǎng)站“HealthCareMagic”收集了約10萬條真對(duì)于醫(yī)療場(chǎng)景中的問答，研究團(tuán)隊(duì)收集并編譯了一個(gè)數(shù)據(jù)庫，其中包括大約700“靈心”的心理陪伴機(jī)器人，研究團(tuán)隊(duì)構(gòu)建了超過15萬規(guī)模的單輪長(zhǎng)文本心理咨68/repor9A%E9%A9%AC%E9%80%8A%E4%BA%91%E7%A7%91%E6%8A%80-2024%E7%94%9F%E6%88%90%E5%BC%8Fai%E7%99%BD%E7%9A%AE%E4%B9%A6,2024.71人民網(wǎng)財(cái)經(jīng)研究院.2024年中國(guó)AI大模型產(chǎn)業(yè)發(fā)展報(bào)告,72深圳市人工智能行業(yè)協(xié)會(huì).2024人工智能發(fā)展白皮書,/?d=hld&type=pd716431584387&id=7026569&name=%E3%80%8A2024%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%8F%91%E5%B1%95%E7%99%BD%E7%9A%AE%E4%B9%A6%E3%80%8B.cn/ywdt/gzdt/202311/t202311275https://www.blogness-report-uses-tools-and-bu77趙鑫,李軍毅,周昆,唐天一,詢指令與答案，回答數(shù)量超過50萬（指令數(shù)是當(dāng)前的常見的心理咨詢數(shù)據(jù)集有可以直接比較的基準(zhǔn)測(cè)試中都超過了GPT-4系列模型。諸多醫(yī)藥公司將人工智能視為核心戰(zhàn)略，如制藥巨頭禮來公司（EliLillyandCompany）宣布一系列人工智能藥物發(fā)現(xiàn)合作伙伴關(guān)系；諾和諾德（NoNonordisk）將AI視作加速藥Chase）發(fā)布了生成主題投資籃子的人工智能工具IndexGPT。IndexGPT使用保險(xiǎn)企業(yè)聯(lián)合健康（UnitedHealthGroup）正在使用人工智能和自然語言處理來81https://mp.weixi82/customer-stori83/news/artificial-intelligence/2024/搜索引擎中，提供一個(gè)全新的方式來訪問其目錄中的兩百萬本電子書。LibrarianAI可用任何語言流利地交談，提供快速、友好、全面地響應(yīng)和建議以工智能賦能教學(xué)試點(diǎn)課程工作方案”，AI智能助教系統(tǒng)使用GLM模型為技術(shù)智能評(píng)估和反饋，輔助學(xué)生進(jìn)行深入思考86。北京郵電大學(xué)于2024年初發(fā)布基于訊飛科技文獻(xiàn)領(lǐng)域大模型的AI科研助手，幫助科研人員進(jìn)行深入的科研成果調(diào)研并進(jìn)行智能分析，通過對(duì)話方式深入探索文獻(xiàn)內(nèi)容，生成研究文獻(xiàn)綜述87。國(guó)內(nèi)外數(shù)據(jù)庫產(chǎn)商或?qū)W術(shù)搜索服務(wù)商也都推出了各類AI應(yīng)用助手，如Scopus/news/fwcx/20電子書閱讀APP微信讀書和得到則在2024年上半年灰度上線了AI功能。前者遺產(chǎn)方面，字節(jié)跳動(dòng)和北京大學(xué)合作推出的識(shí)典古籍于2藝術(shù)名人進(jìn)行多語種的對(duì)話，為參觀者提供獨(dú)特的互動(dòng)體驗(yàn)98。98/the-ai-revolution-hits-museums-how-chatbo模型技術(shù)的能力與影響，有助于在圖書館中應(yīng)用最新的AI技術(shù)，為智慧圖書館以及提升公眾AI素養(yǎng)等方面，對(duì)圖書館系統(tǒng)、用報(bào)告從大模型的核心能力出發(fā)，考慮對(duì)圖書館行業(yè)表3.1從大模型典型任務(wù)能力出發(fā)，分析其在圖書館中的作用和影響。通過/g/ai/developing-a-li100上海圖書館(上海科學(xué)技術(shù)情報(bào)研究所)等.智慧圖書館大模型創(chuàng)新與應(yīng)用白皮書,/do表3.1大模型典型任務(wù)功能對(duì)圖書館的作用影響大模型典型任務(wù)功能作用與影響影響領(lǐng)域舉例文本生成自動(dòng)生成各類文檔、報(bào)告、新聞稿等，輔助圖書館內(nèi)容創(chuàng)作和信息發(fā)布?？捎糜趧?chuàng)作、學(xué)習(xí)與開發(fā)。學(xué)術(shù)研究、閱讀推廣等語義理解理解用戶查詢的深層含義，提供更精準(zhǔn)的咨詢回復(fù)、搜索結(jié)果等信息服務(wù)?？捎糜趩柎鹗浇换?。信息檢索、交互問答信息抽取可探索對(duì)話式發(fā)現(xiàn)，改變圖書館資源檢索、資源推薦模式。檢索推薦、資源發(fā)現(xiàn)等任務(wù)推理理解并執(zhí)行復(fù)雜的用戶指令，自動(dòng)化完成特定的圖書館服務(wù)任務(wù)。圖書館服務(wù)平臺(tái)、后端系統(tǒng)AI升級(jí)、機(jī)器流程自動(dòng)化等機(jī)器翻譯將不同語言的文獻(xiàn)資料進(jìn)行互譯，擴(kuò)大服務(wù)范圍和讀者群體?？捎糜诙嗾Z言文獻(xiàn)服務(wù)、跨語言閱讀。讀者服務(wù)、文獻(xiàn)服務(wù)、學(xué)術(shù)研究等識(shí)別分類對(duì)圖書館資源進(jìn)行自動(dòng)分類、自動(dòng)標(biāo)注、元數(shù)據(jù)創(chuàng)建，優(yōu)化資源組織和檢索效率。采編、數(shù)字資源加工與開發(fā)、數(shù)字人文研究等總結(jié)摘要自動(dòng)生成文獻(xiàn)或報(bào)告的摘要，幫助用戶快速把握核心內(nèi)容。資源發(fā)現(xiàn)、學(xué)術(shù)研究等模態(tài)轉(zhuǎn)換將文本信息轉(zhuǎn)換為圖像或視頻，增強(qiáng)信息的可訪問性和表達(dá)力?？捎糜诙嗝襟w檔案保存、內(nèi)容制作、信息可視化、閱讀障礙支持。閱讀推廣、數(shù)字人文等數(shù)據(jù)分析可進(jìn)行數(shù)據(jù)處理、格式轉(zhuǎn)換、報(bào)表分析、指標(biāo)分析、數(shù)據(jù)挖掘?？稍趫D書館數(shù)據(jù)系統(tǒng)、數(shù)據(jù)中臺(tái)基礎(chǔ)上，構(gòu)建AI數(shù)據(jù)分析能力，提升運(yùn)營(yíng)效率。業(yè)務(wù)分析、用戶行為分析、決策支持等知識(shí)圖譜構(gòu)建可構(gòu)建和維護(hù)知識(shí)圖譜，增強(qiáng)圖書館的知識(shí)管理和服務(wù)能力。數(shù)字人文、知識(shí)管理、學(xué)術(shù)研究、學(xué)科服務(wù)等大模型技術(shù)對(duì)圖書館的影響，主要源于生成式AI變革了技術(shù)服務(wù)模式和內(nèi)式AI變革了用戶與圖書館服務(wù)的互動(dòng)方式，實(shí)現(xiàn)了用戶界面的突破，AI的強(qiáng)大的內(nèi)容生成和處理能力，圖書館能夠自動(dòng)化執(zhí)行繁瑣的任務(wù)，從而釋放人力資源，提升工作效率和服務(wù)質(zhì)量。生成式AI技術(shù)實(shí)現(xiàn)了知識(shí)的高效模式現(xiàn)有數(shù)據(jù)知識(shí)生成豐富多樣的內(nèi)容，包括多模態(tài)圖3.1大模型技術(shù)對(duì)圖書館的影響用方式。國(guó)際圖聯(lián)（IFLA）在其《圖書館對(duì)人工智能三項(xiàng)策略建議，旨在指導(dǎo)圖書館如何有效利用AI技術(shù)，提升服務(wù)效能，同時(shí)確模型和人員三個(gè)要素的重要性，并提出了“理解、實(shí)驗(yàn)和實(shí)施”分階段的方法論，籍和特藏，明確可以優(yōu)先應(yīng)用AI技術(shù)的數(shù)據(jù)。高度重視數(shù)據(jù)治理，包括數(shù)據(jù)清性。對(duì)于技術(shù)挑戰(zhàn)（例如圖像分類等）開發(fā)或整合為中心的評(píng)估方法，通過科學(xué)地評(píng)估和測(cè)試，確保AI系統(tǒng)的穩(wěn)定性和可靠性。提升圖書館員工和用戶的AI素養(yǎng)，并通對(duì)AI技術(shù)應(yīng)用進(jìn)行成本效益分析，確保所選確保AI應(yīng)用遵守所有相關(guān)的法律法規(guī)，特/g/ai/developing-a-li/thesignal/2023/11/introducing-the-lc-labs-artifi權(quán)方面。建立倫理審查流程，確保AI應(yīng)用不會(huì)侵AI技術(shù)應(yīng)用于智慧圖書館中，以實(shí)現(xiàn)圖書館服務(wù)業(yè)務(wù)的智能化升級(jí)納了圖書館整合和應(yīng)用生成式AI技術(shù)的而是側(cè)重于通過館員組織培訓(xùn)、活動(dòng)等方式向用戶和社會(huì)提供AI和適用性，為圖書館直接所用。例如不少圖書館上AI產(chǎn)品的對(duì)接。該應(yīng)用方式下，圖書館需要對(duì)運(yùn)營(yíng)數(shù)據(jù)、服務(wù)數(shù)據(jù)等進(jìn)行一定程度的適配和優(yōu)化，以確保AI產(chǎn)品與圖書館平臺(tái)服服務(wù)數(shù)據(jù)、資源數(shù)據(jù)進(jìn)行分析、處理，提供AI支持的結(jié)果展現(xiàn)、建議決策等。服務(wù)平臺(tái)（LSP）副駕駛等。該方式面臨著較大的投入資源，開發(fā)新型前后端的AI原生應(yīng)圖3.3圖書館大模型應(yīng)用的六種路徑舉例103/blog/2023/01/23/sweden-li源和知識(shí)服務(wù)智能化104。資源的最優(yōu)配置和利用效率的最大化。對(duì)于技術(shù)基礎(chǔ)較弱或希望快務(wù)的圖書館，可以考慮從集成第三方AI服務(wù)開始，逐步積累經(jīng)驗(yàn)和技術(shù)能力。對(duì)于具有較強(qiáng)技術(shù)實(shí)力和研究背景的圖書館，可以考慮自主研發(fā)或保AI應(yīng)用能夠切實(shí)解決問題、提升服務(wù)體驗(yàn)的前提。此外，風(fēng)保障AI應(yīng)用穩(wěn)健性的重要環(huán)節(jié)，圖書館需制定相應(yīng)的風(fēng)險(xiǎn)管理在的技術(shù)風(fēng)險(xiǎn)和道德挑戰(zhàn)。為了適應(yīng)技術(shù)的快速發(fā)展，圖書館還需制定AI技術(shù)發(fā)展規(guī)劃，以保持其服務(wù)的前瞻性并實(shí)施生成式AI技術(shù)，以此深入智慧圖書館的轉(zhuǎn)型。這一轉(zhuǎn)型成AI技術(shù)進(jìn)行重塑，提高了服務(wù)質(zhì)量和流程效率；另一方面，AI原生應(yīng)用，推動(dòng)圖書館服務(wù)智能化跨越式發(fā)展。這正對(duì)應(yīng)了《智同的應(yīng)用范式105。AI輔助的采編流程、數(shù)字資源的加工與開發(fā)等，通過優(yōu)化現(xiàn)有工作流程，提升/rmydb/202310/t202105上海圖書館(上?？茖W(xué)技術(shù)情報(bào)研究所)等.智慧圖書館大模型創(chuàng)新與應(yīng)用白皮書,/do開發(fā)AI原生應(yīng)用：關(guān)于原生應(yīng)用這一概念并沒有準(zhǔn)確的定義，仍存在不同支撐的應(yīng)用。這一類應(yīng)用直接根植于生成式AI技術(shù)最核心的能力，如提供個(gè)性化服務(wù)和內(nèi)容創(chuàng)新創(chuàng)造。典型的原生應(yīng)用例如智能聊天機(jī)器人、AI寫作助手、AI原生應(yīng)用如：AI研究助手、個(gè)性化學(xué)術(shù)教練等，為用戶提供定制化圖書館個(gè)體的特色性。隨著AI技術(shù)的不斷發(fā)展，越來越多的原生應(yīng)用將被開發(fā)應(yīng)用，智慧圖書館中的大模型應(yīng)用則逐漸由“+大模型”向“大模型+”范式轉(zhuǎn)當(dāng)然，原生應(yīng)用中還包括了智未觸及的AI應(yīng)用領(lǐng)域。盡管當(dāng)前尚未廣泛實(shí)圖3.4圖書館“+大模型”與“大模型+”應(yīng)用范式圖3.5圖書館大模型技術(shù)架構(gòu)生成式AI技術(shù)也在不斷發(fā)展之中，但圖書館可以發(fā)展現(xiàn)狀，下文重點(diǎn)梳理智慧圖書館建設(shè)中，那些當(dāng)前可實(shí)驗(yàn)、實(shí)施或展望的圖4.0智慧圖書館中的可實(shí)驗(yàn)、實(shí)施或展望的大模型應(yīng)用106上海圖書館(上?？茖W(xué)技術(shù)情報(bào)研究所)等.智慧圖書館大模型創(chuàng)新與應(yīng)用白皮書,/do領(lǐng)域開辟新的前沿。這類應(yīng)用目前主要體現(xiàn)在結(jié)合107注：本章中所呈現(xiàn)的目標(biāo)設(shè)定、應(yīng)用建議、模型能力、技術(shù)方案、應(yīng)用路徑旨在提供參考，并非唯一據(jù)庫供應(yīng)商是否提供AI相關(guān)功能。改進(jìn)圖書館學(xué)度。引入AIAgent業(yè)務(wù)流編排，使得虛擬人具有設(shè)定專業(yè)能力從而向AI數(shù)字館人文知識(shí)服務(wù)、深度解析服務(wù)、藝術(shù)及文學(xué)作品溯源讀、AI碑帖識(shí)別、歷史人/物識(shí)別、人文換、機(jī)器翻譯等。采用AI進(jìn)行數(shù)字內(nèi)容的格式遷移和規(guī)范化，以適應(yīng)數(shù)字保存和物體識(shí)別技術(shù)，增強(qiáng)視覺材料的元數(shù)據(jù)標(biāo)記，提/news/webinar-ai-and-the-外部基礎(chǔ)數(shù)據(jù)，構(gòu)建、開發(fā)圖書館特色的歷史人模型能力：文本分析與理解、搜索/信息抽取、信息整合、機(jī)器翻譯、數(shù)據(jù)分析整合API調(diào)用現(xiàn)有應(yīng)用系統(tǒng)的能力，能夠?qū)⒎祷氐慕Y(jié)果融入到回答中，為館員制作和編輯圖像與視頻內(nèi)容；提供AI支持的二是利用AI技術(shù)拓展虛擬空間服務(wù)。通過虛擬助手、數(shù)字人、元宇宙交互主要集中在提升用戶體驗(yàn)（如智能數(shù)字館員）和增業(yè)當(dāng)前正積極探索和嘗試如何通過大模型技術(shù)提高后端用階段。通過開發(fā)如圖書館平臺(tái)副駕駛、館員AI助手等應(yīng)用，圖書館旨在提升圖5.0圖書館大模型典型應(yīng)用場(chǎng)景下的功能1）圖書館政策服務(wù)問答指導(dǎo)2）圖書館資源查詢與推薦3）故障排解5）可結(jié)合數(shù)字人、機(jī)器人技術(shù)，進(jìn)行交互體驗(yàn)服務(wù)。不限于圖書館開放時(shí)間、借閱規(guī)則、館藏資源位置等。利用自然語言處理技術(shù)，2.臺(tái)灣公共資訊圖書館打造了AI智慧館員——曉書113臺(tái)灣公共資訊圖書館與東海大學(xué)合作開發(fā)了一款名為“曉書”的生成式AI智夠全面解答讀者關(guān)于圖書、閱讀以及圖書館3.云瀚應(yīng)用-海恒“小海豚數(shù)字館員”1144.云瀚應(yīng)用-ChatBK博看智慧咨詢115術(shù)數(shù)據(jù)庫進(jìn)行搜索。例如讀者可以提出以下問題：“關(guān)因技術(shù)對(duì)于農(nóng)業(yè)生產(chǎn)的幫助是什么？”系統(tǒng)為讀者提供源中，為讀者推薦適合的文獻(xiàn)資源。讀者可能的提問方以了解最新AI進(jìn)展的數(shù)據(jù)庫”“圖書館有沒有時(shí)間簡(jiǎn)史這本書？最新發(fā)文有哪些？”讀者不同的問題需要查找的圖書館文獻(xiàn)資源可能是不同的，此外，在進(jìn)行館藏資源推薦時(shí)，可以在獲得讀的歷史行為畫像，進(jìn)一步分析做出精準(zhǔn)推薦。大模型能列出推薦的書單和理由，1.日本橫濱市立圖書館推出AI借書檢索服務(wù)1163.盧森堡國(guó)家圖書館針對(duì)數(shù)字化的期刊和報(bào)紙進(jìn)行館藏語義搜索1向“人本位”的轉(zhuǎn)型。閱讀推廣部門承擔(dān)著圖書及資源的策略性推薦、營(yíng)銷傳播，多媒體制作與互動(dòng)傳播等一系列復(fù)雜任務(wù)。然而，閱讀推廣工作中，“淺閱讀”源推薦，提高推廣的針對(duì)性和吸引力。（2）建立閱浸式的虛擬閱讀場(chǎng)景，激發(fā)閱讀興趣。（4）通過AI這項(xiàng)創(chuàng)新服務(wù)旨在為讀者提供基于圖書館資源閱讀輔助。圖書館可基于自身豐富的資源，結(jié)合生成味性和參與感。通過AI虛擬館員的引導(dǎo)，讀者能提供館員閱讀推廣AI工作站，館員可利用AIGC工具進(jìn)行閱讀推廣活動(dòng)與結(jié)合AI數(shù)字人物與虛擬環(huán)境，館員還能夠制作出技術(shù)的應(yīng)用將極大地減輕館員在視頻拍攝和制作方面的還可以輔助館員進(jìn)行內(nèi)容加工與管理。AI可以自動(dòng)標(biāo)1.新加坡國(guó)家圖書館管理局推出書籍聊天機(jī)器人ChatBook119買或借閱書籍的推薦，以鼓勵(lì)深入探索NL2.新加坡國(guó)家圖書館推出StoryGen打造出屬于自己的故事世界，為用戶帶來一3.上海圖書館進(jìn)行虛擬人閱讀推廣4.嘉興圖書館、上海圖書館利用生成式AI為少兒讀者提供活動(dòng)服務(wù)121、122系統(tǒng)——AI繪夢(mèng)大師，并同步開展關(guān)AIGC培訓(xùn)體驗(yàn)用生成式AI創(chuàng)作作圖，并將所設(shè)計(jì)的圖片119.sg/main/about-us/press-room-and-publications/120.sg/main/about-us123https://journal.cknowledgeenvironment簡(jiǎn)稱），商的智能學(xué)術(shù)研究工具，提供智能研究環(huán)境。（2）增強(qiáng)智慧教學(xué)與學(xué)科服務(wù)，通過AI學(xué)習(xí)助手為師生提供個(gè)性化和智能化的學(xué)習(xí)支持，包括規(guī)劃、互動(dòng)學(xué)習(xí)體驗(yàn)及學(xué)術(shù)研究輔助。AI助手的應(yīng)用深化了教學(xué)和平臺(tái)和虛擬環(huán)境提高學(xué)生、館員、公眾的信息素養(yǎng)和技術(shù)使用究大綱，以及內(nèi)容生成、審稿檢查等功能，覆蓋在智慧學(xué)科服務(wù)場(chǎng)景中，圖書館可以充分利用生個(gè)性化、智能化的學(xué)習(xí)與研究支持服務(wù)。首先，AI助于大模型的自然語言交互能力，AI助手能夠深入了解好等，為其量身定制個(gè)性化的學(xué)習(xí)路徑和資源推薦。在學(xué)激發(fā)學(xué)習(xí)興趣。其次，AI助手可以擔(dān)任智能研究助理詢需求，提升研究效率。基于對(duì)多學(xué)科知識(shí)的融合理解能文寫作等環(huán)節(jié)，AI助手也可以為研究人員提供高效的支持，促進(jìn)教育教學(xué)質(zhì)量的全面提升，推動(dòng)學(xué)科建升級(jí)信息素養(yǎng)課程、組織專題講座、嵌入式教學(xué)、判性思維和倫理意識(shí)，以積極適應(yīng)AI技術(shù)的發(fā)過系列講座和工作坊，學(xué)生不僅學(xué)習(xí)如何有效使用AI工具，還培養(yǎng)了批判性評(píng)線平臺(tái)，讓學(xué)生或用戶有機(jī)會(huì)接觸和使用最2.多家圖書館上線星火科研助手服務(wù)128,129,130科技文獻(xiàn)大模型-星火科研助手是由中國(guó)科學(xué)院文獻(xiàn)情報(bào)中心與科大訊飛股3.知網(wǎng)推出AI學(xué)術(shù)研究助手服務(wù)131知網(wǎng)AI學(xué)術(shù)研究助手是CNKI推進(jìn)的問答式增強(qiáng)檢索和生成式知識(shí)服務(wù)的場(chǎng)景實(shí)踐?；贏I技術(shù)驅(qū)動(dòng)的智能化服務(wù)，大幅簡(jiǎn)化繁復(fù)的檢索與研究流程，用戶僅需以自然語言提問，即可直接快速獲得Clarivate正將對(duì)話式發(fā)現(xiàn)探索功能融入WebofScie發(fā)現(xiàn)工具，并計(jì)劃通過嚴(yán)格的測(cè)試和驗(yàn)證，/news/c有效促進(jìn)了學(xué)生的深入思考。AI助教使學(xué)生能夠快速理解復(fù)雜概念，并提供基礎(chǔ)知識(shí)的豐富支持，極大地助力了學(xué)生的新領(lǐng)域7.密歇根大學(xué)推出定制生成式AI公平、可及且支持各種用途。U-MGPT提供流行的托管AI模Maizey則允許用戶根據(jù)自有數(shù)據(jù)集定制化體驗(yàn)，以發(fā)掘深層見但面對(duì)持續(xù)更新及變化的采訪標(biāo)準(zhǔn)，現(xiàn)行的采訪系統(tǒng)根據(jù)館員prompt要求，自動(dòng)生成符合金額、類型、出版社、聲譽(yù)等的要求根據(jù)預(yù)算、預(yù)采購(gòu)品種數(shù)、出版時(shí)間快速框定采訪范圍對(duì)采訪基礎(chǔ)數(shù)據(jù)做盡量多維度的數(shù)據(jù)訓(xùn)練來應(yīng)對(duì)各種采訪識(shí)庫構(gòu)建基礎(chǔ)，為專業(yè)采訪館員提供基于內(nèi)容的理，提示哪些存量圖書應(yīng)當(dāng)增購(gòu)或淘汰，從而確保藏①基礎(chǔ)數(shù)據(jù)自動(dòng)解析：系統(tǒng)接收到新書的基礎(chǔ)數(shù)據(jù)后，自動(dòng)解析并填充④智能分類號(hào)推薦：大模型根據(jù)書目的內(nèi)容和主題提供一個(gè)或多個(gè)分類⑤人工審核與提交：編目人員進(jìn)行最終的審核和驗(yàn)證，確保信息的準(zhǔn)確據(jù)庫使用量制表與計(jì)算。這一過程重復(fù)度高、耗（示例表）……在過程中嵌入AI技術(shù)，進(jìn)行采訪訂單的智能算資金金額做到便捷性、靈活性的查詢監(jiān)控。（1的金額和對(duì)代理商的要求，AI程序進(jìn)行合同與1.美國(guó)愛荷華州某圖書館利用ChatGPT進(jìn)行圖書審查剔除136自動(dòng)識(shí)別元數(shù)據(jù)并豐富書目記錄。該流程包括三個(gè)關(guān)鍵AI模型：第一個(gè)模型從“AI自動(dòng)索引”（AIforAutomatedIndexing）是德國(guó)圖書館2021年啟動(dòng)的項(xiàng)4.面向中圖法自動(dòng)分類的大語言模型提示學(xué)習(xí)實(shí)踐與研究139/bitstream/123138/18004initag/ondema/20231130_Machine-basedSubjectCatalogui139戎璐.面向圖書自動(dòng)分類的大語言模型提示學(xué)習(xí)研究5.俄克拉荷馬州立大學(xué)館員編目任務(wù)實(shí)驗(yàn)研俄克拉荷馬州立嘗試使用ChatGPT執(zhí)行三個(gè)常見的編目/元數(shù)據(jù)任務(wù)，分別務(wù)推廣。在這一連串的流程中，OCR技術(shù)的應(yīng)用尚未/articles/17867/bitstream/handle/11244/339626/oksd_bnhamer_reliability_and_usability_of_2023.pdf?s階段，利用生成式AI進(jìn)行資源描述，可以作利用已有歷史圖片進(jìn)行學(xué)習(xí)與訓(xùn)練，實(shí)現(xiàn)利用模型自動(dòng)識(shí)別不同歷史時(shí)期、1.利用ClaudeHaiku模型將國(guó)會(huì)圖書館掃描檔案轉(zhuǎn)利用ClaudeHaiku對(duì)國(guó)會(huì)圖書館的“聯(lián)邦作家項(xiàng)地識(shí)別，不僅能夠獲得歷史資料的轉(zhuǎn)錄，還能生成帶有元2.埃