2024圖書館領域大模型創(chuàng)新應用需求調研報告（V0.9）

目 錄第一章前言 1第二章大模型行業(yè)應用調研 3大模型行業(yè)應用價值 3大模型行業(yè)應用服務 4大模型行業(yè)應用技術方案 6提示詞工程 6檢索生成增強 9智能體 10模型微調 13大模型行業(yè)應用案例 14醫(yī)藥健康 16金融保險 17文化教育 18第三章大模型對圖書館的影響 20圖書館大模型影響分析 20圖書館大模型應用策略 23圖書館大模型應用路徑 25圖書館大模型應用范式 27圖書館大模型技術架構 29第四章智慧圖書館中的大模型應用 31智慧服務中的大模型應用 32智慧業(yè)務中的大模型應用 36智慧管理中的大模型應用 38智慧空間中的大模型應用 41第五章圖書館典型大模型應用需求及場景舉例 44智慧咨詢服務 45需求分析 45場景舉例 45已有案例 46智慧資源發(fā)現(xiàn) 47需求分析 47場景舉例 47已有案例 49智慧閱讀推廣 49需求分析 49場景舉例 50已有案例 51智慧知識服務 52需求分析 52場景舉例 53已有案例 55智能采編輔助 56需求分析 56場景舉例 57已有案例 60數(shù)字資源智能加工 61需求分析 61場景舉例 61已有案例 62數(shù)字人文智慧研究與服務 63需求分析 63場景舉例 63已有案例 66館員智慧助手 67需求分析 67場景舉例 67已有案例 68第六章總結與展望 70附：云瀚應用商店AI應用列表 72第一章前言AI2023索優(yōu)化應用場景，構建應用生態(tài)體系。2024年，政府工作報告中明確提出深化人工智能研發(fā)應用，開展“人工智能+”各領域深度融合，以推動各行業(yè)應用創(chuàng)新，賦能百業(yè)智能化轉型升級。AI技術的興起，圖書館界也迎來了重要的轉型契機，步入了AI融入運營與服務中的復雜挑戰(zhàn)。為了有效應對變革，上海圖書館（科學技術情報研究所）聯(lián)合上海人工智能研究院、智慧圖書館技術應用聯(lián)盟于20239月發(fā)布了《圖書館大規(guī)模模型創(chuàng)新與應用白皮書》。白皮書從宏觀層AI2.0踐、生態(tài)建設提出了方向性、建設性的參考與建議。以助力圖書館更好地把握人工智能發(fā)展所帶來的機遇。AI資源發(fā)現(xiàn)、閱讀推廣、學術服務、采編輔助、資源加工、數(shù)字人文和管理決策，第二章大模型行業(yè)應用調研大模型行業(yè)應用價值2022月上線的生成式人工智能（AIGC，AI-GeneratedContent）應用+大算力”的橫空出（LargeLanguageModel,“大模型突破自然（NaturalLanguageProcessing，NLP）領域以小模型為主導的傳統(tǒng)發(fā)展Transformer深度神經(jīng)“涌現(xiàn)”的泛化推理能力2，使其具體信息結合語言數(shù)據(jù)進行預訓練和指令微調的超大型深度學習模型也是大語言模型的一種發(fā)展，通常稱為多模態(tài)大模型。也可以將上述兩者并稱為“大模型”大模型的“涌現(xiàn)能力”技術融合、應用支撐三大核心作用4。AI“練﹢微調”的范式，可以很好地適應不同下游任務，展現(xiàn)出它強大的通用性。技術融合方面，文本大模型融合語言、視覺、聽覺等多模態(tài)信息，通中國人工智能學會.中國人工智能系列白皮書——（2023版）,https:///index.php?s=/home/article/detail/id/3172.html,2023.趙鑫,李軍毅,周昆,唐天一,文繼榮.大語言模型,https://llmbook-zh.github.io/,2024.龍志勇,黃雯.大模型時代：ChatGPT開啟通用人工智能浪潮[M].中譯出版社,2023.海通國際.MaaSModelasaService模型即服務,/pdf/H3_AP202302081582885375_1.pdf,2023.性能上實現(xiàn)“1+1>2”1、2。2/AI應用“AI+”行業(yè)中將承擔“基礎設施”AIAI水供電一般流向終端，流向用戶和企業(yè)。大模型行業(yè)應用服務大模型應用落地場景按照架構層級，一般可分為：模型層、中間層和應用層5。AIGC技術基礎設施層。由于預訓練模型的高成本和技術投入，具有較高的進入門檻，不在本文討論范圍。第二層，為中間層，即垂直化、場景化、個性化的模型和應用工具。時兼具按需使用、高效經(jīng)濟的優(yōu)勢。隨著兼具大模型和多模態(tài)的AIGC模型加速成為新的技術平臺，模型即服務(ModelasaService，MaaS)OpenAI創(chuàng)始人山姆·奧特曼（SamAltman）“認為中間那一層會創(chuàng)造很多價值。夠做的關于數(shù)據(jù)飛輪的事?！钡谌龑樱瑸閼脤?，即面向終端用戶的文字、圖片、音視頻等內容生C端用戶的需求，將AIGC模型和用戶的需求無包括文本、音頻、圖像、視頻，每一種模態(tài)技術都有著獨特的應用場景和特點?！狝IGC生成內容6。2023CTO（MaaS）鏈路都會基于這一理念來做”API調用基礎大模型，為不同的業(yè)務場景，來構建、訓練和部署專屬模型。云平臺提供從數(shù)據(jù)、模型到應用服務的全周期管理和工具。AI產(chǎn)業(yè)的場景落地一直面臨碎片化、長尾場景數(shù)據(jù)較少導致模型訓練精度不夠等行業(yè)痛點。傳統(tǒng)“小模型”AI應用開發(fā)流程一般針對單一場景，獨此，AI應用在定制化需求、長尾需求下的開發(fā)效率較低，且模型精度、性能、可擴展性等指標質量也會受到影響。隨著大模型的出現(xiàn)，AI應用開發(fā)流程轉變?yōu)椋{用通用流程、結合行業(yè)經(jīng)驗、解決實際問題。MaasIaaSPaaSMaaSAIAI應用AI能力應用滲透到各行各業(yè)的場景業(yè)務中7。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.人工智能行業(yè)智能時代的生產(chǎn)力變革：AIGC產(chǎn)業(yè)應用實踐,https:///wp-content/uploads/2023/06/%E4%BA%BA%E5%B7%A5%E6%99%BA%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%9圖2.2：MaaS行業(yè)應用服務模式8AzureMaaSAzureOpenAI服務為例，就支持OpenAI、、CodexDALL-EAPI，來構建、TI平臺打造模型精選商店。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個解決方案，提供一整套模型服務工具鏈。傳統(tǒng)企業(yè)軟件服務商金蝶利用百GPT9。大模型行業(yè)應用技術方案10提示詞工程簡單來說，現(xiàn)階段基于Transformer架構的主流大模型，是根據(jù)輸入預測下（Promptengineering）優(yōu)化的方法來生成合適的任務提示。提示格式11。清晰地表達任務目標。在使用大模型時需要給出清晰明確的指令。具輸入/輸出數(shù)據(jù)和回復限制。一定的順序處理這些子任務，模型能夠逐步獲得最終的答案。（即少樣本示例間的語義映射關系，提升大模型解決復雜任務的能力。Markdown語法、XML標簽等。理任務時，則需要更高級的提示策略。其中被廣泛應用的就是思維鏈（ChainofThought，CoT）。為增強大模型在各類復雜推理任務上的表現(xiàn)，Wei等人12設計了思維鏈的提的推理過程，即“輸入，推理步驟，輸出”形式，也可稱為少樣本思維鏈提示（Few-Shotthinkstepbystep.”之類的誘導性指令，讓大模型先生成思維鏈再回答問題來提高準確（Zero-ShotCoT）13（Self-Consistency）(LeasttoMostpromptingLtM)（Tree-of-Thoughts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，更多相關工具見LearnPrompting19。13KojimaT,GuSS,ReidM,etal.LargeLanguageModelsareZero-ShotReasoners[J].arXiv,2022.檢索生成增強Generation，RAG）20成為一種高效的解決方案。RAGRAG系統(tǒng)流程分為索引、檢索和生成：索引：索引首先從不同格式的文件中提取原始數(shù)據(jù)，將其轉換為統(tǒng)一表示，并存儲到矢量數(shù)據(jù)庫中。檢索：檢索時，系統(tǒng)將用戶查詢轉換為向量表示。然后進行語義相似k個塊。生成：將原始問題和檢索到的信息塊被合并為提示，一并輸入大模型生成最終答案。具體來講，RAG系統(tǒng)涉及多個不同的組件，每個組件都需要精心設計和優(yōu)3種類型21RAG基礎上合理選擇擴展組件和優(yōu)化策略。RAGJinaReader22Scrapegraph-ai23Crawl4AI24等專門為大模型優(yōu)Unstructured25marker-api26OpenParse27RAGRAGRAGRAGFlow31RAGLangChain33及其衍生低代碼平臺Langflow34、Flowise35等；CohereRAGCommandRRAG開發(fā)工具包36。智能體智能體（Agent）簡單來說可看作能感知環(huán)境及需求、進行決策和執(zhí)行動作AgentAIAgent的核心思想是利用大模型的邏輯推理、工具應用、指令遵循等核心37，執(zhí)行復雜推理任務，豐富大模型在實際業(yè)務中的應用場景。20233月，微軟發(fā)布Microsoft365Copilot，4月開源項目AutoGPT38發(fā)布，6Lilian發(fā)布“LLMPoweredAutonomousAgents”39AIAgent的重要性逐漸成為業(yè)界共識40、41/Unstructured-IO/unstructured/VikParuchuri/marker/Filimoa/open-parse/devflowinc/trieve/run-llama/llama_index/deepset-ai/haystack/infiniflow/ragflow/weaviate/Verba/langchain-ai/langchain/logspace-ai/langflow/FlowiseAI/Flowise42。AIAgent利用特定功能的工具，甚至評估自身的表現(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（Execution）43。Transformer架構約束下的上下文窗口內的輸入信息。長期記憶類似于可以根據(jù)需要迅速查詢和檢索的外部向量存儲。行為，可分為無反饋規(guī)劃和有反饋規(guī)劃。類規(guī)劃器基于高效的搜索算法，提供更可靠的規(guī)劃能力。ReAct的推理-行動-“人在環(huán)中”改進，引入自我完善機制，通過迭代反饋和改進來提高模型的輸出效果。API方模型、大模型自身的內部知識等。最為知名的開發(fā)框架是angChinabAI4gntP4AutoGen46、MetaGPT47等；輕量級框架有crewAI48、Agently49、phidata50Flowise51、Dify52、Bisheng53、FastGPT54、coze55等。awesome-ai-agents56。AIAgent更具備實用性，將是大模型重要落地方向。但機器人流程自動化或低代碼平臺的自動化工作流類智能體成為當前可行的落地方案之一57FlowMind生成系統(tǒng)582個階段。第一階段為大模型設置上下文、APIs描述等背景信息，第二階段則是大模型Copilot則開放測試調用PowerAutomate，與本地系統(tǒng)集成執(zhí)行更加復雜的自動化任務59AIAgent的工60。/yoheinakajima/babyagi/reworkd/AgentGPT/microsoft/autogen/geekan/MetaGPT/joaomdmoura/crewAI/Maplemx/Agently/phidatahq/phidata/FlowiseAI/Flowise/langgenius/dify/dataelement/bisheng/labring/FastGPThttps:///home/e2b-dev/awesome-ai-agentshttps:///ideas/ai-agents-disrupting-automation/ZengZ,WatsonChoN,etal.FlowMind:AutomaticWorkflowGenerationwithLLMs[C]//Proceedingsofthe模型微調2.3.2一般進行參數(shù)高效微調（Parameter-efficientFine-tuning）。這種方法通過只訓練LoRa、適配器微調、前綴微調、提示微調等。測試與評估等。基礎模型選擇可參考各大模型評測榜單，如OpenLLMLeaderboard61，LMSYSChatbotArenaLeaderboard62，OpenCompass司南大模型評測63NLPNLP任務數(shù)據(jù)集，如機器翻譯、情感分析、文本分類等。這些數(shù)據(jù)集通常標注準確，能夠快速驗證模型在特定任務上的性能。感信息以及標準化對話格式。術、文本生成模型（GPT）或者基于規(guī)則的方法（如模板生成）來創(chuàng)建。盡題，并且可以根據(jù)需要生成特定類型的數(shù)據(jù)，具有很高的靈活性。RAGRAG在動態(tài)環(huán)境QA類的智能客服，而微調RAG還是微調，取決于應用環(huán)境中對數(shù)據(jù)動態(tài)、定制和計算能力的具體需求。更重要的一點是，提示詞工程、RAG、智能體和微調并不相互排AI應用的最佳方法。圖2.3.4：RAG與微調的方案選擇65大模型行業(yè)應用案例例如，谷歌的客服中心人工智能（CCAI）旨在幫助實現(xiàn)采用自然語言進行客戶服務交互，而NVIDIA的BioNeMo則可以加速新藥的研發(fā)。華為盤古氣象大模型也已應用于歐洲中期天氣預報中心。隨著生成式人工智能的不斷推廣和應用，其產(chǎn)生的深遠影響和潛在價值正在加速推動從實驗到消費者領域再到企業(yè)領域的應用。78％，在微軟、金山辦業(yè)的滲透率較低66。圖2.3大模型垂直應用行業(yè)部署與應用成熟度67在全球，已經(jīng)有金融行業(yè)如Stripe、Bloomberg;零售行業(yè)如可口可樂；生命Profluent、absciC3.aiAI應用到內容創(chuàng)AI的風潮68。大業(yè)應用可見相關文獻69、70、71、72、73、74、75、76、77。醫(yī)藥健康醫(yī)學方面，ChatDoctorLLaMA上微調的醫(yī)學領域大模型78。在相關研究中，研究團隊從在線醫(yī)療咨詢網(wǎng)站“HealthCareMagic”10萬條真iCliniq21700可以檢索相應的知識和promptChatDoctor15萬規(guī)模的單輪長文本心理咨/report?id=62A0騰訊研究院.向AI——行業(yè)大模型調研報告,/news/newsdetail/68815,2024.IDC&亞馬遜云科技.2024AI白皮書,https:///document/731681598/Idc-%E4%BA%9A%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.人民網(wǎng)財經(jīng)研究院.2024年中國AI大模型產(chǎn)業(yè)發(fā)展報告,/jiankang/nineteepdf,2024.深圳市人工智能行業(yè)協(xié)會.2024人工智能發(fā)展白皮書,/?d=hld&type=pdf&time=1716431584387&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.pdf,2024.北京市科學技術委員會等.北京市人工智能行業(yè)大模型創(chuàng)新應用白皮書(3年)///ywdt/gzdt/202311/t20231129_3321720.html,2023量子位智庫.2024AIGC應用全景報告，/s/5R1Y3M5DsFuWuv_bFH821Q,20詢指令與答案，回答數(shù)量超過50萬（指令數(shù)是當前的常見的心理咨詢數(shù)據(jù)集PsyQA6.7倍ChatGPT100萬輪次的多輪回（SoulChatCorpus-multi_turn）ChatGLM-6B作為初始化模型，20245Gemini模型家族的多AIMed-Gemini，通過自訓練微調和網(wǎng)絡搜索集成進行高級推理，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)合作伙伴關系；諾和諾德（NoNonordisk）AI視作加速藥2022AI金融保險OpenAI8220245MorganChase）發(fā)布了生成主題投資籃子的人工智能工具IndexGPT。IndexGPT使用OpenAI83和萬事達兩家金融服務企業(yè)均將最新的人工智能技術應用于欺詐檢測方面，預測交易是否合法。保險企業(yè)聯(lián)合健康（UnitedHealthGroup）正在使用人工智能和自然語言處理來式加強人工智能最新技術在企業(yè)內的應用84。文化教育文化教育領域中，LegibleOpenAIChatGPT集成到其專有的電子書店搜索引擎中，提供一個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、全面地響應和建議以及有關圖書內容的信息85Storybird10002023928日啟動“清華大學人工智能賦能教學試點課程工作方案”，AI智能助教系統(tǒng)使用GLM模型為技術智能評估和反饋，輔助學生進行深入思考862024年初發(fā)布基AI科研助手，幫助科研人員進行深入的科研成果調研并進行智能分析，通過對話方式深入探索文獻內容，生成研究文獻綜述87。國內外數(shù)據(jù)庫產(chǎn)商或學術搜索服務商也都推出了各類AIScopusAI88、ElsevierSciBiteChat89、CNKIAI學術研究助手90、SciSpace91、Elicit92、Aminer93ReadPaper94“”三大功能的星火科研助手95/s/l30sz3-fMmL8gnF4-fMA_Ahttps://beta.legible.ai/auth/signinhttps:///info/1176/109914.htm/a/ziyuan/dianziziyuan/AIkeyanzhushou/https:///products/scopus/scopus-ai大模型——96APP2024AI功能。前者20243月上線了基于云雀大語言模型開發(fā)的“古籍智能助手”“助手”助手”97LivdeoMultilingualAudioChatbotsforMuseumsandCulturalInstitutionsNLPAI//s/BbemRkm1HHIwdZ5wSLuMTg98/the-ai-revolution-hits-museums-how-chatbots-are-transforming-the-visitor-experience-e054df5b992f第三章大模型對圖書館的影響圖書館大模型影響分析生成式人工智能的發(fā)展可能對圖書館產(chǎn)生“廣泛而深刻”AI建設提供新的技術路徑和賦能支撐。IFLA202320AIAI素養(yǎng)等方面，對圖書館系統(tǒng)、用戶、館藏、特藏、元數(shù)據(jù)、設施、推廣、培訓、策劃團隊都有重要影響99。1003.1從大模型典型任務能力出發(fā)，分析其在圖書館中的作用和影響。通過99https:///g/ai/developing-a-library-strategic-response-to-artificial-intelligence/100上海圖書館(上?？茖W技術情報研究所)等.智慧圖書館大模型創(chuàng)新與應用白皮書,https:///download-category/whitepaper,2023.的效果與能力。表3.1大模型典型任務功能對圖書館的作用影響大模型典型任務功能作用與影響影響領域舉例文本生成自動生成各類文檔、報告、新聞稿等，輔助圖書館內容創(chuàng)作和信息發(fā)布?？捎糜趧?chuàng)作、學習與開發(fā)。學術研究、閱讀推廣等語義理解理解用戶查詢的深層含義，提供更精準的咨詢回復、搜索結果等信息服務。可用于問答式交互。信息檢索、交互問答信息抽取可探索對話式發(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)等任務推理理解并執(zhí)行復雜的用戶指令，自動化完成特定的圖書館服務任務。圖書館服務平臺、后端系統(tǒng)AI升級、機器流程自動化等機器翻譯將不同語言的文獻資料進行互譯，擴大服務范圍和讀者群體。可用于多語言文獻服務、跨語言閱讀。讀者服務、文獻服務、學術研究等識別分類對圖書館資源進行自動分類、自動標注、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)字人文研究等總結摘要自動生成文獻或報告的摘要，幫助用戶快速把握核心內容。資源發(fā)現(xiàn)、學術研究等模態(tài)轉換將文本信息轉換為圖像或視頻，增強信息的可訪問性和表達力。可用于多媒體檔案保存、內容制作、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)分析指標分析、數(shù)據(jù)挖掘。可在圖書館數(shù)據(jù)系統(tǒng)、數(shù)據(jù)中臺基礎上，構建AI數(shù)據(jù)分析能力，提升運營效率。業(yè)務分析、用戶行為分析、決策支持等知識圖譜構建可構建和維護知識圖譜，增強圖書館的知識管理和服務能力。數(shù)字人文、知識管理、學術研究、學科服務等大模型技術對圖書館的影響，主要源于生成式AI變革了技術服務模式和內容生產(chǎn)方式，從而帶來了三點重要改進。AI型能準確理解用戶需求，轉化為任務，調度資源，最終清晰呈現(xiàn)結果。AI能夠實現(xiàn)精準的語義理解和復雜的文本分析，自動化地生成和豐富元數(shù)AI的強大的內容生成和處理能力，圖書館能夠自動化執(zhí)行繁瑣的任務，從而釋AI現(xiàn)有數(shù)據(jù)知識生成豐富多樣的內容，包括多模態(tài)內容。性。AI改變知識集成方式。大模型技術通過自動化生成元數(shù)據(jù)、跨語言處理、知度、互聯(lián)互通的知識網(wǎng)絡，從而促進了知識的發(fā)現(xiàn)和創(chuàng)新。模式轉變，進一步提高圖書館資源加工的效率和質量。AI提升圖書館管理決策能力。大模型應用可以更好地對圖書館的各項業(yè)務數(shù)理決策更加科學、合理和有效。3.1大模型技術對圖書館的影響圖書館大模型應用策略AI的應用策略及應用方式。國際圖聯(lián)（IFLA）在其《圖書館對人工智能的戰(zhàn)略響應》中，提出了AI技術，提升服務效能，同時確AI能力構建負AIAI推廣人工智能素養(yǎng)以提升組織和社會的AI能力101。此外，美國國會圖書館（LibraryofAIAI系統(tǒng)中數(shù)據(jù)、模型和人員三個要素的重要性，并提出了“理解、實驗和實施”分階段的方法論，AI實踐102。AI的策略要點供圖書館進行參考：考慮館藏與數(shù)據(jù)價值AI技術的數(shù)據(jù)。高度重視數(shù)據(jù)治理，包括數(shù)據(jù)清操作性。進行概念驗證與服務轉化實施小規(guī)模的概念驗證項目，以測試生成式AI技術在圖書館服務中的可行性。對于技術挑戰(zhàn)（例如圖像分類等）開發(fā)或整合高效的AI算法，提升處理的精確度。成功的概念驗證項目應轉化為可持續(xù)的服務，以實現(xiàn)技術的長期價值。持續(xù)監(jiān)控與質量保證AI服務，確保服務質量?？紤]使用數(shù)據(jù)AI系統(tǒng)的穩(wěn)定性和可靠性。積極培訓與社區(qū)參與AI素養(yǎng)，并通過社區(qū)反饋優(yōu)化服務。支持并參與來自不同機構的獨特資源和專業(yè)知識。做好經(jīng)濟性與工具評估AI技術應用進行成本效益分析，確保所選工具和解決方案在預算內提供AI關注法律與倫理框架確保AI應用遵守所有相關的法律法規(guī)，特別是在數(shù)據(jù)保護、版權和知識產(chǎn)https:///g/ai/developing-a-library-strategic-response-to-artificial-intelligence//thesignal/2023/11/introducing-the-lc-labs-artificial-intelligence-planning-framework/AI歧視。圖書館大模型應用路徑場景AI技術應用于智慧圖書館中，以實現(xiàn)圖書館服務業(yè)務的智能化升級。本報告歸AI技術的六種方式路徑。AI圖書館無需進行任何開發(fā)工作，重點放在AIAI服務。該路徑無需系統(tǒng)開發(fā)、無需數(shù)據(jù)處理。AIAIAI產(chǎn)品的性能AI學術助手AI開發(fā)量低、幾乎無需數(shù)據(jù)處理。AI產(chǎn)品與服務AI產(chǎn)品的對接。該應用方式下，圖書館需要對運營數(shù)據(jù)、服務數(shù)據(jù)、資源AI產(chǎn)品與圖書館平臺服務無縫集成AIAI支持的結果展現(xiàn)、建議決策等。自主/AIAI原生應用。此類應用需要對圖書館資源數(shù)據(jù)進路徑開發(fā)工作量大，數(shù)據(jù)處理任務重。求。該路徑需要深度的數(shù)據(jù)準備和技術研發(fā)能力。3.3圖書館大模型應用的六種路徑舉例方式來應用人工智能。1，在推廣人工智能素養(yǎng)方面發(fā)揮領導作用，是當前最符合現(xiàn)有圖2-5AI應用時，MasS6103/blog/2023/01/23/sweden-library-ai-open-source/源和知識服務智能化104。AI服AI服務開始，逐步積累經(jīng)驗和技術能力。AIAI應用能夠切實解決問題、提升服務體驗的前提。此外，風險評估與管理是AI應用穩(wěn)健性的重要環(huán)節(jié)，圖書館需制定相應的風險管理策略，以應對潛在的技術風險和道德挑戰(zhàn)。為了適應技術的快速發(fā)展，圖書館還需制定長期的AI技術發(fā)展規(guī)劃，以保持其服務的前瞻性和競爭力。圖書館大模型應用范式AI應用策略方針的指導下，成功地運用AI技術，以此深入智慧圖書館的轉型。這一轉型主要體現(xiàn)在兩種AI技術進行重塑，提高了服務質量和流程效率；另一方面，圖書館開創(chuàng)開發(fā)AI原生應用，推動圖書館服務智能化跨越式發(fā)展。這正對應了《智慧圖書館大“智慧圖書館++智慧圖書館”同的應用范式105。AIAI技術得到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104https:///rmydb/202310/t20231017_512798.html105上海圖書館(上?？茖W技術情報研究所)等.智慧圖書館大模型創(chuàng)新與應用白皮書,https:///download-category/whitepaper,2023.AI原生應用：關于原生應用這一概念并沒有準確的定義，仍存在不同AI化服務和內容創(chuàng)新創(chuàng)造。典型的原生應用例如智能聊天機器人、AI寫作助手、AI原生應用如：AI5/AIAI應用，智慧圖書館中的大模型應用則逐漸由“+大模型”向“大模型+”范式轉變。當然，原生應用中還包括了AI應用領域。盡管當前尚未廣泛實AI發(fā)展機遇。圖3.4 圖書館“+大模型”與“大模型+”應用范式圖書館大模型技術架構高度擴展性和集成性，以滿足圖書館的發(fā)展和創(chuàng)新需求。足圖書館的發(fā)展和創(chuàng)新需求。3.5圖書館大模型技術架構GPUCPU設備，還要關注最新的硬件進展。例如，NVIDIATensorRTIntelOpenVINOAIAzureAWSKubernetes（K8S）可以用于實現(xiàn)資源的彈性伸縮和智能調度。的兼容性。MaaS模式涉及模型的全生命周期管理，從數(shù)據(jù)處理到特征工程，再API和開發(fā)工具，以便于開的管理辦法，如《生成式人工智能服務管理暫行辦法》。平臺層：平臺層的設計應支持與現(xiàn)有圖書館服務平臺、數(shù)字人文平臺API網(wǎng)關與各類信息化應用對接。模塊化的大模型應用Langchain、DifyFastGPT，提供了易于擴展和定制的能力。運維工LangSmithPromptLayerarize、fiddlerHelicone，以及防arthurshield，都是平臺層的重要組成部分，確保大模型應用的穩(wěn)定性和安全性。應用層：應用層的設計應包含應用框架和數(shù)據(jù)管理，提供應用級的基LangChainLlamaIndexMindsDB，可以幫助組織和檢索大量的結構化和非結chroma、MilvusWeaviate，對于處理和索引大規(guī)模Retool、Streamlitgradio，可以用于快速開發(fā)和部署基于大模型的應用程序。第四章智慧圖書館中的大模型應用圖書館應積極關注并推動生成式AI的創(chuàng)新應用和場景落地，尤其要關注大模型技術如何有效提升服務成效和服務質量。雖然大型模型技術仍在持續(xù)迭代，生成式AI技術也在不斷發(fā)展之中，但圖書館可以積極思考挖掘大模型技術在智慧圖書館中的應用潛力，提出需求期望，引導技術廠商開發(fā)實踐，把握住未來發(fā)展的主動權。106發(fā)展現(xiàn)狀，下文重點梳理智慧圖書館建設中，那些當前可實驗、實施或展望的AI應用。圖4.0智慧圖書館中的可實驗、實施或展望的大模型應用106上海圖書館(上?？茖W技術情報研究所)等.智慧圖書館大模型創(chuàng)新與應用白皮書,https:///download-category/whitepaper,2023.智慧服務中的大模型應用體現(xiàn)在如下幾個領域：一是智慧讀者服務的智能升級。通過自然語言處理技術提供智能問答服務、個性化推薦等，帶來讀者服務中的咨詢問答、檢索發(fā)現(xiàn)、資源推薦的智能升級。這些應用已經(jīng)開始由圖書館廠商開發(fā)并逐步推向市場。大模型將散落在信息海洋的特定知識片段連“學術助手”“AI助教”三是驅動圖書館創(chuàng)新服務。AI數(shù)字館員服務、AI閱讀產(chǎn)品創(chuàng)新體驗、AI知識服務等領域。針對智慧服務中上述重點領域，對大模型應用目標及應用建議等簡要梳理如下107。傳統(tǒng)服務賦能1:目標：使用大模型為讀者提供準確、實時的信息咨詢服務。模型能力：問答對話、搜索/信息抽取等詢、活動咨詢、用戶使用咨詢、使用故障解決等。技術方案：提示詞工程、RAG、智能體應用路徑AI領域2:智能檢索與發(fā)現(xiàn)注：本章中所呈現(xiàn)的目標設定、應用建議、模型能力、技術方案、應用路徑旨在提供參考，并非唯一確定的解決方案。目標：運用大模型幫助讀者快速、準確地發(fā)現(xiàn)和檢索到他們所需的信息和資源。模型能力：問答對話、搜索/信息抽取等建議：支持圖書館采購的所有紙質資源、電子數(shù)據(jù)庫、自建數(shù)據(jù)庫的智能檢索與發(fā)現(xiàn)。引入智慧增強功能，優(yōu)化檢索過程，借助自然語言處理和多輪對話系統(tǒng)，使讀者能夠以更直觀、更高效的方式來發(fā)現(xiàn)館藏的紙質和數(shù)字資源。技術方案：提示詞工程、RAG、智能體應用路徑：需整合開發(fā)的AI產(chǎn)品與服務領域3:個性化智能推薦目標：通過大模型技術，為讀者提供全新智能化的書籍和資源推薦。模型能力：問答對話、搜索/信息抽取、數(shù)據(jù)分析等技術方案：提示詞工程、RAG、智能體應用路徑：需整合開發(fā)的AI產(chǎn)品與服務領域4:智慧學術服務模型能力：問答對話、搜索/信息抽取、文本理解、機器翻譯、數(shù)據(jù)挖掘、數(shù)據(jù)分析、文本生成等AI相關功能。改進圖書館學科領域的特色專題服務，提供基于學科領域的數(shù)據(jù)分析、知識圖譜問答服務。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的AI產(chǎn)品工具、需整合開發(fā)的AI產(chǎn)品與服務領域5:智慧情報服務目標：運用大模型提供更加豐富、智慧的情報服務產(chǎn)品。模型能力：問答對話、搜索/信息抽取、文本理解、機器翻譯、數(shù)據(jù)挖掘、數(shù)據(jù)分析、文本生成等服務效率。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的AI產(chǎn)品工具、需整合開發(fā)的AI產(chǎn)品與服務領域6:智慧教學與學科服務服務的智能化水平，以實現(xiàn)個性化學習和研究支持。模型能力：問答對話、搜索/信息抽取、文本理解、機器翻譯、數(shù)據(jù)分析、文本生成等建議：AI學習助手，增強個性化學習路徑規(guī)劃、互動式學習體驗、學習效改進提供決策支持。技術方案：提示詞工程、RAG、智能體、模型微調應用路徑AIAIAI流程、自主/AI原生應用創(chuàng)新服務驅動領域7:虛擬人、數(shù)字人、AI數(shù)字館員用戶體驗感。模型能力：問答對話、搜索/信息抽取、語音識別與合成等建議：24/7在線咨詢服務，提供及時且準確的信息AIAIAgentAI數(shù)字館員升級。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的AI產(chǎn)品工具、需整合開發(fā)的AI產(chǎn)品與服務領域8:智慧創(chuàng)新閱讀與體驗目標：利用大模型為廣大讀者提供新穎、智慧的新型閱讀體驗服務。模型能力：問答對話、搜索/作等建議：AI閱讀工具輔助文獻閱讀外，可重點結合閱讀AIGCAIChatbot，融入AIAI等。技術方案：提示詞工程、RAG、智能體應用路徑AIAI產(chǎn)品與服務、自主AI原生應用領域9:數(shù)據(jù)與知識服務產(chǎn)品目標：發(fā)揮圖書館專有數(shù)據(jù)、基礎數(shù)據(jù)設施優(yōu)勢，構建全新AI數(shù)據(jù)服務、知識服務、模型語料提供等，提高知識的傳遞能力。模型能力：問答對話、搜索/信息抽取、文本圖像識別、知識圖譜理解與構建、內容生成等AI的AI解讀、AI碑帖識別、歷史人/AI創(chuàng)作體驗服務等。技術方案：提示詞工程、RAG、智能體、模型微調應用路徑AI產(chǎn)品與服務、自主/AI研發(fā)行業(yè)基礎大模型智慧業(yè)務中的大模型應用隨著AI技術的持續(xù)進步，智慧圖書館的業(yè)務流程中，將越來越多地體現(xiàn)人機共存和人機互補的理念，這將成為圖書館智慧業(yè)務中大模型應用的重要趨勢。一是自動化與智能化圖書館業(yè)務流程二是歷史文獻的數(shù)字化與深度利用針對智慧業(yè)務中的重點領域，對大模型應用目標及應用建議等簡要梳理如下。領域10:智能采編目標：利用大模型提高圖書館采訪和編目的效率和質量。據(jù)分析等技術方案：提示詞工程、RAG、智能體、模型微調應用路徑：集成定制開發(fā)的后端AI流程、自主/聯(lián)合開發(fā)的AI原生應用領域11:智能數(shù)字資源加工知識的持續(xù)傳承。元數(shù)據(jù)生成、格式遷移、數(shù)字恢復、數(shù)據(jù)分析挖掘等AI進行數(shù)字內容的格式遷移和規(guī)范化，以適應數(shù)字保存AI的質量108。技術方案：提示詞工程、RAG、智能體、模型微調應用路徑AlAI流程、自主AI原生應用領域12：古籍與數(shù)字人文智慧研究https:///news/webinar-ai-and-the-future-of-digital-preservation-call-for-proposals/字人文研究和服務的質量與效率。模型能力：語義分析、機器翻譯、文字識別、圖像識別與處理、知識圖譜構建、問答對話、搜索/信息抽取、數(shù)據(jù)分析等情感分析、時空分析、AI圖像修復、AI古籍修復等。嵌入數(shù)據(jù)分析工具、可視AI知識服務應用與產(chǎn)品。技術方案：提示詞工程、RAG、智能體、模型微調應用路徑AlAI流程、自主AI原生應用、參與研發(fā)行業(yè)基礎大模型領域13:智慧學術研究、情報研究目標：借助大模型協(xié)助館員進行學術學科研究、情報分析，提供一個集成AI功能工具的知識研究助手或研究環(huán)境。模型能力：文本分析與理解、搜索/信息抽取、信息整合、機器翻譯、數(shù)據(jù)分析與挖掘、知識圖譜構建等技術方案：提示詞工程、RAG、智能體應用路徑AIAlAI流程、自主/AI原生應用智慧管理中的大模型應用（包括業(yè)務管理支持，包括：一是提供館員知識庫的智慧升級。用大模型構建內部知識庫問答系統(tǒng)，實現(xiàn)館員間高效的知識共享和業(yè)務溝通。二是提供數(shù)據(jù)分析類的數(shù)智助手。用大模型加強圖書館在數(shù)據(jù)處理與分析方面的能力，提升圖書館智能決策水平。而提升操作效率。作效率。領域14:館員知識庫升級溝通，提高處理業(yè)務的效率和準確性。模型能力：文本分析與理解、搜索/信息抽取、問答對話等API調用現(xiàn)有應用系統(tǒng)的能力，能夠將返回的結果融入到回答中，為館員提供全方位且精準的信息支持，確保信息的準確性和可靠性。技術方案：提示詞工程、RAG應用路徑：直接集成應用的AI產(chǎn)品工具、集成定制開發(fā)的后端AI流程領域15:智慧分析與智能決策務質量與管理效率。展示等AI中臺。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的AI產(chǎn)品工具、集成定制開發(fā)的后端AI流程領域16:圖書館平臺管理副駕駛（Copilot）強決策支持能力。組成部分。技術方案：提示詞工程、RAG、智能體應用路徑：集成定制開發(fā)的后端AI流程、自主/聯(lián)合開發(fā)的AI原生應用領域17:智慧辦公與運營協(xié)助目標：為圖書館員工在宣傳、推廣、人事、財務等各自日常工作領域中提供AI效率工具。器翻譯、數(shù)據(jù)處理、數(shù)據(jù)分析等AI支持的培訓、財務、后勤。通過技術促進員工工作效率和工作質量的提升。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的AI產(chǎn)品工具、集成定制開發(fā)的后端AI流程智慧空間中的大模型應用109的應用，當前可嘗試領域的包括：一是通過智能化手段優(yōu)化實體空間服務無障礙服務、空間預約等，全面提升了圖書館空間的運營效率和用戶服務體驗，推動了圖書館服務的智能化轉型。AI技術拓展虛擬空間服務。通過虛擬助手、數(shù)字人、元宇宙交互服務，增強用戶互動性和體驗感。領域18:智慧預約服務目標：整合大模型技術，實現(xiàn)圖書館空間和資源的智能預約管理。模型能力：任務理解、資源優(yōu)化分配、自動化工作流程等醒服務，減少人工干預，提高預約流程的效率和用戶便利性。技術方案：提示詞工程、RAG、智能體應用路徑：需整合開發(fā)的AI產(chǎn)品與服務、集成定制開發(fā)的后端AI流程劉煒,趙冬梅.圖書館智慧空間建設：概念、演變、評價與設計[J].圖書情報工作,2022(01):122-130領域19:實體機器人常運營和服務。模型能力：語音識別、問答對話、搜索/信息抽取等AIOCR識別結果，補全漏字，準確分類圖書信息等。技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的Al產(chǎn)品工具、需整合開發(fā)的AI產(chǎn)品與服務領域20:無障礙智慧服務目標：通過大模型技術為視障讀者提供無障礙的圖書館服務。模型能力：語音識別、自然語言處理、文本到語音轉換、圖像識別與描述等（或機器人服務利用語音識別技術方案：提示詞工程、RAG、智能體應用路徑：直接集成應用的Al產(chǎn)品工具、需整合開發(fā)的AI產(chǎn)品與服務領域21:元宇宙空間智慧服務目標：利用生成式AI技術，在元宇宙空間中為讀者提供沉浸式和互動性的虛擬圖書館體驗。模型能力：自然語言交互、個性化推薦、情境感知、圖像與語音生成等建議：AI融入虛實融合的元宇宙空間服務中。在圖書館的虛擬鏡像或（或虛擬空間中的虛擬館員技術方案：提示詞工程、RAG、智能體應用路徑：需整合開發(fā)的AI產(chǎn)品與服務、自主/聯(lián)合開發(fā)的AI原生應用領域22:其他（樓宇控制、安防等）模型能力：圖像分析、行為分析、預測分析、情感識別、智能決策支持等于數(shù)據(jù)的資源優(yōu)化和策略制定，確保圖書館長期穩(wěn)定運行。技術方案：提示詞工程、RAG、智能體應用路徑Al第五章圖書館典型大模型應用需求及場景舉例AI20245月份發(fā)布的《行業(yè)大當前，圖書館行業(yè)大模型應用落地顯示出一定的特征：1，在圖書館服務端，大模型技術的應用實施顯示出較為迅速的進展。當前主要集中在提升用戶體驗（如智能數(shù)字館員）和增強學術服務上（AI手）。嘗試通過增強用戶互動和個性化服務，來提升服務質量。2，與服務端相比，后端業(yè)務生產(chǎn)流程的大模型技術應用落地進程較慢。行業(yè)當前正積極探索和嘗試如何通過大模型技術提高后端操作的自動化和智能化水平，以提高生產(chǎn)流程如采編、資源加工等環(huán)節(jié)的效率。3，圖書館正積極推進基于大模型技術的智能化工具助手，部分產(chǎn)品已達試用階段。AI館員的后臺工作效率，實現(xiàn)管理流程的優(yōu)化。參考咨詢、資源發(fā)現(xiàn)、閱讀推廣、學術服務、采編輔助、資源加工、數(shù)字人文、管理決策。通過深入分析這些領域的需求要素、潛在應用場景、當前案例情況，騰訊研究院.向AI——行業(yè)大模型調研報告,/news/newsdetail/68815,2024.5.0圖書館大模型典型應用場景智慧咨詢服務需求分析務熟練度也會影響問答的準確性，且回答風格缺乏統(tǒng)一標準。需求建議：AI大模型技術升級面向讀者的智慧參考咨詢服務，讀者可以故障排解；（5）可結合數(shù)字人、機器人技術，進行交互體驗服務。場景舉例場景1：問答式參考咨詢服務““”一部分簡單的故障，若不能處理則流轉至人工。場景2：智慧數(shù)字館員服務場景3：智慧機器人館員服務的技術難題，如自助打印機操作、電子資源訪問等。已有案例AI問答系統(tǒng)111，112/國家圖書館智能問答系統(tǒng)以“文心大模型”數(shù)字閱讀體驗，可進行語音問答、書籍查找，游戲互動等體驗。AI智慧館員——曉書113臺灣公共資訊圖書館與東海大學合作開發(fā)了一款名為“曉書”AI智ChatGPTDigital數(shù)字分身-海恒“小海豚數(shù)字館員”114能推進流程，并進行流程節(jié)點的判斷。云瀚應用-ChatBK博看智慧咨詢115該平臺能夠精準回答用戶問題，實現(xiàn)定制化的用戶服務。知識管理平臺供圖書館自行對私有知識進行上傳、編輯及預訓練學習。智慧資源發(fā)現(xiàn)需求分析眾多的資源和數(shù)據(jù)庫時，往往缺乏必要的了解和選擇指導。場景舉例場景4：啟發(fā)式資源檢索服務/s/AnTG-nWzSe7vB9HJt-Mg1Q/read/amp/story/7009/7841213/s/JS1h4PhsFJ37FjZwweMeZw/s/zyQC81uHqetvoU06fbFm3w啟發(fā)式文獻檢索服務區(qū)別于圖書館傳統(tǒng)基于關鍵詞搜索模式的文獻檢索模術數(shù)據(jù)庫進行搜索。例如讀者可以提出以下問題：“關于大模型、人工智能領域近1年的文章有多少篇？”“智慧圖書館研究最有影響力的文章是哪幾篇？”“因技術對于農業(yè)生產(chǎn)的幫助是什么？”系統(tǒng)為讀者提供簡明且可信賴的研究主題相關的啟發(fā)式追問，來啟發(fā)用戶多輪提問。AI相似文章推薦，并且提示有待進一步探索的問題。場景5：跨資源智能館藏檢索與推薦AI進展的數(shù)據(jù)庫”“圖書館有沒有時間簡史這本書？”“Nature期刊的最新發(fā)文有哪些？”讀者不同的問題需要查找的圖書館文獻資源可能是不同的，LLMAPI的調示。如由機器人服務，可以繼續(xù)進行導航指引。此外，在進行館藏資源推薦時，可以在獲得讀者信息的基礎上，根據(jù)讀者的歷史行為畫像，進一步分析做出精準推薦。大模型能列出推薦的書單和理由，AI總結。讀者如不滿意，可以追加描述，直到定位到滿意的書單。已有案例AI借書檢索服務116AI圖書檢索服務，用戶通過關鍵詞或描述性句子趣。AI導航助手117AI導航助手能根據(jù)提問，提供精準的數(shù)據(jù)庫資源介紹，并在每次問答之后，推薦3個相關數(shù)據(jù)庫鏈接供直接訪問。盧森堡國家圖書館針對數(shù)字化的期刊和報紙進行館藏語義搜索118盧森堡國家圖書館依托其豐富的數(shù)字化期刊和報紙資源，利用大模型技術開展語義搜索，從而實現(xiàn)對館藏內容的深入理解和高效檢索。智慧閱讀推廣需求分析“書本位”向“人本位”的轉型。閱讀推廣部門承擔著圖書及資源的策略性推薦、營銷傳播，多媒體制作與互動傳播等一系列復雜任務。然而，閱讀推廣工作中，“淺閱讀”116https://libraryview.me/2024/01/22/16742/#more-16742/s/sB-l6wnq9kad1gT65LjOQAhttps://chat.eluxemburgensia.lu/方合作。需求建議：AI等新技術手段，為讀者提供智能化、個性化、AI源推薦，提高推廣的針對性和吸引力。（2）AIAI浸式的虛擬閱讀場景，激發(fā)閱讀興趣。（4）AIGC技術，輔助館員高效生力，減輕館員工作負擔。場景舉例場景6：智能閱讀伙伴服務這項創(chuàng)新服務旨在為讀者提供基于圖書館資源的個性化閱讀推薦和智能化AI技術，打造圖書館品AI算法，根據(jù)讀者的閱讀興趣、偏好、水平等因素，自動將具有相似閱讀愛好的讀者組織到同一個虛擬閱讀社區(qū)中。場景7：元宇宙虛擬館員服務I驅動的智能虛擬館員將全程陪伴和引導讀AI虛擬館員的引導，讀者能夠在元宇宙中獲得全新的沉浸8AI工作站AIAIGC工具進行閱讀推廣活動與AIGCAIGCAI數(shù)字人物與虛擬環(huán)境，館員還能夠制作出引人入勝的音視頻材料。這些技術的應用將極大地減輕館員在視頻拍攝和制作方面的工作負擔。此外，AIGC還可以輔助館員進行內容加工與管理。AI可以自動標記和歸檔視頻、文檔，標已有案例ChatBook119ChatBook“辯論”NLB在線資源。StoryGen人工智能圖像生成服務120StoryGen打造出屬于自己的故事世界，為用戶帶來一場沉浸式的閱讀體驗。AIGC推廣視頻制作上海圖書館閱讀推廣部在“閱讀日歷”GPT-SoVITSHeygenrunway、suno等工具嘗試視頻、音樂創(chuàng)作用于閱讀推廣。AI為少兒讀者提供活動服務121、122StableDiffusionAIGC繪圖系統(tǒng)——AIAIGC培訓課程與活動。上海圖書館員工StableDiffusionAI創(chuàng)作作圖，并將所設計的圖片進行個性化印刷，完成自創(chuàng)繪本制作。ChatGPT高級數(shù)據(jù)分析實驗123通過優(yōu)化BiblioCommons的分類體系以更精準地匹配讀者的興趣，旨在增強個性化推薦功能的相關性，進而提升用戶在網(wǎng)頁端的閱讀體驗。智慧知識服務需求分析viewview/s/I3nXhVNZ1UhLNTCrHj3fIQ/s/izpIBoWF7aqCSNSC-7jjeg/articles/17867水平有待提升；用戶信息素養(yǎng)和媒介素養(yǎng)教育需求增長的挑戰(zhàn)。需求建議：knowledgeenvironmentPKE），PKE環(huán)境能建立商的智能學術研究工具，提供智能研究環(huán)境。（2）增強智慧教學與學科服務，AI學習助手為師生提供個性化和智能化的學習支持，包括個性化學習路徑規(guī)劃、互動學習體驗及學術研究輔助。AI助手的應用深化了教學和學習的互動AI平臺和虛擬環(huán)境提高學生、館員、公眾的信息素養(yǎng)和技術使用能力。場景舉例場景9：個人知識研究環(huán)境（PKE）服務場景圖書館可建立一個最大限度整合的學術資源的個人知識研究環(huán)境（或多個合作數(shù)據(jù)商究大綱，以及內容生成、審稿檢查等功能，覆蓋個人知識研究的全流程。PDF題、解釋學術概念，支持交互式問答，生成概念知識圖譜。持和參考，創(chuàng)建個性化學習路徑。薦相關資源到個人空間，展現(xiàn)摘要、概述等，自動發(fā)送更新內容到郵箱提醒。和寫作指導，根據(jù)用戶反饋優(yōu)化內容。邏輯等，提供修改建議和報告。場景10：智慧學科服務場景AI技術，為師生提供個性化、智能化的學習與研究支持服務。首先，AI助手可以扮演智能學習伙伴助手能夠深入了解學生的知識結構、學習偏好等，為其量身定制個性化的學習路徑和資源推薦。在學習過程中，AI助手還激發(fā)學習興趣。其次，AI助手可以擔任智能研究助理，快速響應師生的學術咨詢需求，提升研究效率?；趯Χ鄬W科知識的融合理解能力，AI助手能夠為復助手也可以為研究人員提供高效的輔助服務。此外，圖書館AI在智慧學科服務中的應用，場景11：AI素養(yǎng)教育場景AI素養(yǎng)教育方面扮演著重要角色。AIAI知識、AI技能、AI價值觀、倫理等方面的教育124。圖書館通過AI研發(fā)項目、推動跨學AI的理解、批AI技術的發(fā)展。高校圖書館通過提供整合提AIAIAI工具，還培養(yǎng)了批判性評蔡迎春,張靜蓓,虞晨琳,王健.[J].中國圖書館學報:1-17.AIAIAI工具和資源。圖書館應提供AIAI的深入理解和應用。已有案例Scopus科研助手125,126,127ScopusAIScopus多家圖書館上線星火科研助手服務128,129,130科技文獻大模型-星火科研助手是由中國科學院文獻情報中心與科大訊飛股（學院、中國科學院職務研究所……）等多家單位上線服務。AI學術研究助手服務131AICNKI推進的問答式增強檢索和生成式知識服務的AI用戶僅需以自然語言提問，即可直接快速獲得答案，并可連續(xù)追問。ClarivateofScienceAIProQuest研究助手132ClarivateWebofScienceProQuestWebofScienceWebofScienceProQuestProQuestOneLiteratureAI對話式發(fā)現(xiàn)工具，并計劃通過嚴格的測試和驗證，覆蓋各大重要學科領域。/s/W4wboh3jNw_6CJPesNkwlQ/s/stXqvG7Nt-rHRZXam5056A/s/AyOzoIsrzhqV--aMMiaBLg/s/hnNItmqaSqkZlfAEvFG8Rw129/article/2024/03/08/111017https:///library/xkhfw/kjwxdmx///news/clarivate-in-the-age-of-ai-innovation-rooted-in-academia/AI助教133GLMAI助教有效促進了學生的深入思考。AI助教使學生能夠快速理解復雜概念，并提供基礎知識的豐富支持，極大地助力了學生的新領域探索和自主學習過程。AletheaAI驅動的學習平臺和學術教練134Alethea是一款致力于推動學生對課程資料和學術文獻積極參與的學習工具，其核心目標在于促進學生的深入閱讀和學習。通過AI支持，Alethea幫助學生更好地理解所學知識。AI服務135AIAI公平、可及且支持各種用途。U-MGPTAI模型的訪問；U-MMaizeyU-MGPTToolkitAI方位需求。智能采編輔助需求分析但面對持續(xù)更新及變化的采訪標準，現(xiàn)行的采訪系統(tǒng)功能顯示出局限性。析過程中的工作負擔。/s/KVcJqhJQXZe57sjDDzl8Hg/products/books/alethea//computing/ai實現(xiàn)編目工作的高效率與高質量并行發(fā)展。需求建議：（1）在圖書館采訪系統(tǒng)中嵌入大模型支持，為圖書選書與采購提供動態(tài)、個性場景舉例場景12：基于動態(tài)需求的交互式采購建議prompt要求，自動生成符合金額、類型、出版社、聲譽等的要求的采購書單建議。例如“20萬元采購少兒文學圖書”，模型即刻篩選出滿足“1”AI（3）專讀者對象等對采訪基礎數(shù)據(jù)做盡量多維度的數(shù)據(jù)訓練來應對各種采訪需求。（4）電子書基識庫構建基礎，為專業(yè)采訪館員提供基于內容的電子書采購推薦服務。單的合理性和全面性，從而更好地融入圖書館的總體藏書規(guī)劃。理，提示哪些存量圖書應當增購或淘汰，從而確保藏書的時效性和多樣性。場景13：AI輔助自動編目流程基于大模型的自動化編目流程可以包含幾個階段：①基礎數(shù)據(jù)自動解析：系統(tǒng)接收到新書的基礎數(shù)據(jù)后，自動解析并填充必要的元數(shù)據(jù)字段，如題名、作者、ISBN等。（OCLC目系統(tǒng)）進行數(shù)據(jù)交換，嘗試匹配并同步已存在的書目信息。成初步的編目記錄。④智能分類號推薦：大模型根據(jù)書目的內容和主題提供一個或多個分類號推薦，供編目人員選擇和參考。⑤完整性后，完成編目流程的提交。14：智慧采訪數(shù)據(jù)處理與分析2以大大提高館員效率。例1：電子資源自動數(shù)據(jù)處理目前上海圖書館采編部門通過“數(shù)據(jù)庫使用成本”指標指導來年數(shù)據(jù)庫的購在計算過程中需要從百余個不同格式統(tǒng)計文（docxlscounter 據(jù)庫使用量制表與計算。這一過程重復度高、耗時大、人工成本高。（示例表）資源商電子資源名稱X年1月X年2月……X年12月總計數(shù)據(jù)來源下載量瀏覽量第二步，通過大模型提取合同要素，生成統(tǒng)一格式表格。字段包括例如：資源商、合同時間、合同服務核心內容、合同文本鏈接等。第三步，讓大模型自動生成需要的“數(shù)據(jù)庫使用成本”統(tǒng)計表，數(shù)據(jù)庫使用成本為合同期限內電子資源數(shù)據(jù)庫使用量。例2：采編訂單智能匹配及資金監(jiān)控詢與統(tǒng)計計算的過程耗時，是采編當前流程中的瓶頸模塊。AI技術，進行采訪訂單的智能規(guī)劃與自動匹配，并能夠對結算資金金額做到便捷性、靈活性的查詢監(jiān)控。（1）系統(tǒng)訂單生成后，根據(jù)訂單的金額和對代理商的要求，AI程序進行合同與包件的匹配，系統(tǒng)生成匹配方案的統(tǒng)計制表、制圖。大大提高工作效率和流程。已有案例ChatGPT進行圖書審查剔除13619部作品遭遇下架。AI自動編目137OCRAIAI動輸入時間，并提高了編目工作的準確性和效率。AI自動索引實驗研究138“AI自動索引”（AIforAutomatedIndexing）2021年啟動的項實驗。面向中圖法自動分類的大語言模型提示學習實踐與研究139ChatGPT大語言（SVM（RNNCNNLSTMAtt-LSTMBert等模型在各項評價指標上90.7%70%，顯著性遠超其他比較方案。俄克拉荷馬州立大學館員編目任務實驗研究140ChatGPT執(zhí)行三個常見的編目/元數(shù)據(jù)任務，分別1)C2)CSH，3)建議關鍵詞。數(shù)字資源智能加工需求分析技術的應用尚未達到理想的效能水平。圖AI的高效數(shù)據(jù)處理能力，以應對傳統(tǒng)手工操作的局限。場景舉例場景15：自動元數(shù)據(jù)描述與分類（知識圖譜AI進行資源描述，可以作為圖書館員的輔助工具，同時也需要專業(yè)人員的監(jiān)督和驗證，以確保生成的元數(shù)據(jù)和分類的準確性。場景16：圖像自動識別與標引圖像的摘要或詳細描述，幫助理解圖像的主題和內容。利用已有歷史圖片進行學習與訓練，實現(xiàn)利用模型自動識別不同歷史時期、已有案例利用ClaudeHaiku模型將國會圖書館掃描檔案轉為結構化文本141利用ClaudeHaiku對國會圖書館的“聯(lián)邦作家項目”掃描文檔進行快速、準確地識別，不僅能夠獲得歷史資料的轉錄，還能生成帶有元數(shù)據(jù)的結構化JSON輸出。包括題名、日期、關鍵詞等。埃默里大學利用ChatGPTAPI從印刷參考書目中提取元數(shù)據(jù)142埃默里大學在創(chuàng)建《非裔美國人報紙和期刊：國家目錄》在線版的過程中，利用ChatGPTAPI自動識別和提取關鍵元數(shù)據(jù)，包括標題、編輯姓名、出版日期和主題等，生成了結構化的輸出結果，顯著節(jié)省了人工處理所需的時間。漢王打造古漢語大模型，構建古籍文獻和輔助著錄與標引大模型方案143/AnthropicAI/status/1764653836881555867/2023/11/01/harnessing-the-power-of-the-chatgpt-api-for-metadata-extraction-from-print-bibliographies/北京市科學技術