共计 1675 个字符，预计需要花费 5 分钟才能阅读完成。
2024 年 7 月 9 日下午 1:00，
一家领先的企业级 AI 平台 [Writer](https://writer.com/)，在[VB Transform](https://transform24.venturebeat.com/) 上宣布，为其人工智能聊天应用推出了一系列强大的增强功能。这些全面改进包括基于图形的先进检索增强生成（RAG）和新工具，用于提高 AI 透明度，将从明天开始在 Writer 的整个生态系统中上线。
无论是使用 Writer 现成的“Ask Writer”应用程序的用户，还是利用 AI Studio 平台构建定制解决方案的开发者，都将立即获得这些新功能。这一广泛的推出标志着在使复杂 AI 技术对各种规模企业更加易用和有效方面迈出了重要一步。
升级的核心在于数据处理能力的显著扩展。改进后的聊天应用现在可以处理和分析多达 1000 万字的公司特定信息，使组织在与 AI 系统交互时能够以前所未有的规模利用其专有数据。
“我们知道企业需要分析非常长的文件，处理长篇研究论文或文档。这对他们来说是一个巨大的用例，”Writer 的产品营销负责人 Deanna Dong 在接受 VentureBeat 采访时说。“我们使用 RAG 来实际进行知识检索。与其给大型语言模型（LLM）整个图书馆，我们实际上会去做一些研究，拉取所有正确的笔记，只给 LLM 提供正确的资源笔记。”
关键创新之一是 Writer 的基于图形的 RAG 方法，它映射数据点之间的语义关系，而不是依赖更简单的向量检索。据 Dong 称，这允许更智能和有针对性的信息检索：“我们将数据分解成更小的数据点，并实际映射这些数据点之间的语义关系，”她说。“因此，关于安全的一个片段与关于架构的这个小片段相链接，这是一种更关系化的方式，我们映射数据。”
这一基于图形的 RAG 系统支撑了一个新的“思维过程”功能，该功能提供了前所未有的透明度，展示了 AI 如何得出其响应。该系统向用户展示了 AI 采取的步骤，包括它如何将查询分解为子问题以及它参考的具体数据源。“我们正在展示它采取的步骤，”Dong 解释说。“我们正在处理可能是一个广泛的问题或不是非常具体的问题，我们实际上将其分解为 AI 假设你在问的子问题。”
Writer 的 CEO May Habib 在最近接受 VentureBeat 采访时强调了这些进步的重要性。“RAG 并不容易，”她说。“如果你与 CIO、AI 副总裁交谈，任何试图自己构建它并关心准确性的人，这并不容易。在基准测试方面，最近对包括 Writer 知识图在内的八种不同 RAG 方法的基准测试中，我们以准确性排名第一。”
升级还引入了专门的“模式”——针对不同类型任务（如一般知识查询、文档分析和使用知识图）的专用界面。这旨在通过提供更定制的提示和流程来简化用户体验并提高输出质量。“我们观察到客户在使用一个适合所有人的聊天界面完成每项任务时遇到困难，”Dong 解释说。“他们可能无法准确提示，并且无法获得正确的结果，他们忘记了说，‘嘿，我实际上在看这个文件，’或‘实际上需要使用我们的内部数据来回答这个问题。’因此他们感到困惑。”
行业分析师认为 Writer 的创新可能对企业 AI 采用产生变革性影响。大量数据摄取、复杂的 RAG 和可解释的 AI 的结合解决了许多企业对广泛部署基于 LLM 的工具犹豫不决的几个关键障碍。新功能将自动在 Writer 的预构建“Ask Writer”聊天应用程序以及在 Writer 平台上构建的任何定制聊天应用中可用。这种广泛的可用性可能会加速 AI 在各种企业功能中的集成。“所有这些功能——模式、思维过程，你知道，内置 RAG 的能力——将使这一整套相当复杂的技术对最终用户非常可用，”Dong 说。“CIO 可能会对内置 RAG 感到惊叹，但最终用户——比如运营团队、人力资源团队——他们不需要理解任何这些。他们真正得到的是准确性、透明度、可用性。”
随着企业努力负责任和有效地利用 AI，Writer 的最新创新提供了一个引人注目的愿景，即更透明、准确和用户友好的 LLM 应用。未来几个月将揭示这种方法是否确实能够弥合 AI 巨大潜力与企业部署的实际现实之间的差距。
