海外圖譜增強大模型公司Writer推出下一代企業級知識平臺：可解釋AI、內置GraphRAG技術等重大升級
文章摘要
海外圖譜增強大模型公司Writer宣布對其聊天應用進行重大升級，新增支持1000萬詞匯輸入的內置RAG技術、可解釋AI功能、專用模式等特性，旨在幫助企業構建更準確、透明且易用的生產級AI應用。
引言：企業生成式AI應用的挑戰與機遇
在數字化轉型的浪潮中，生成式AI正在重塑企業的工作方式。然而，許多企業在構建準確、可投入生產的AI應用時面臨著巨大挑戰。一項針對500名高管和AI專業人士的調查顯示，大多數內部生成式AI項目表現平庸或更糟，僅有17%的項目被評為優秀。
面對這一現狀，Writer通過其全棧平臺——包括自研LLM、基于圖的RAG技術、AI護欄和開發工具——幫助Vanguard、Intuit和Accenture等知名企業實現有影響力的投資回報。企業可以通過Writer快速構建和部署各種AI應用，包括文本生成應用、聊天應用等。
核心升級：重新定義企業級聊天應用
Writer最新發布的聊天應用升級包含了多項突破性功能，這些增強功能現已在AI Studio構建的聊天應用以及預構建聊天應用Ask Writer中提供。
1. 內置RAG技術：處理高達1000萬詞匯的文檔分析
傳統的LLM對企業產品和業務的理解有限。為了生成準確和有上下文的洞察和輸出，AI應用必須能夠訪問最重要的文件和文檔。Writer的最新升級允許用戶上傳高達1000萬詞匯的文件——相當于20,000頁的內容——并基于這些文檔進行問答、研究或生成輸出。
這一突破性功能基于Writer獨特的基于圖的檢索增強生成(RAG)技術實現，該技術同樣為Writer知識圖譜提供支持。RAG是一種用于問答的自然語言技術，當面對問題時，它會從大量上傳數據中檢索上下文相關的數據點，并將其傳遞給LLM以生成準確答案。
技術優勢驗證
在最近一份評估八種流行RAG方法的基準測試報告中，Writer RAG在RobustQA基準測試中以準確性排名第一。Commvault等領先企業已在使用Writer的RAG技術構建連接內部數據和知識的強大、準確的AI應用。
2. 企業級應用場景
通過將RAG直接構建到聊天應用中，Writer正在賦能企業處理強大的新用例。以下是Writer客戶已投入生產的幾個實際應用示例：
公司深度分析：審查財務文件和關鍵資源，快速獲得關于潛在客戶的洞察，如業務狀況、行業趨勢和競爭情報。
RFP回應：上傳關鍵文件和資源，輕松完成新的RFP請求。
反洗錢/了解客戶(AML/KYC)工作流程：分析客戶的財務報表、風險評估表格和開戶文件，完成定期客戶審查報告。
處理長篇報告和論文：攝取白皮書、科學研究、技術文檔等，進行總結、綜合或分析。
3. RAG vs 大上下文窗口：準確性的技術選擇
在處理長文檔的生成式AI實現中，一種常見的方法是使用具有較大上下文窗口的LLM。這種方法將用戶問題和整個文檔作為一個請求發送到LLM的上下文窗口中，LLM進行推理并生成響應。然而，研究表明，僅使用較大上下文窗口的LLM在執行高級任務時準確性往往會下降。
Writer的技術實驗驗證了這一點——在知識檢索任務方面，僅僅增加上下文窗口并不能達到企業客戶期望的質量或準確性標準。
Writer的RAG將數據處理成知識圖譜數據結構，映射數據點之間的語義關系。當面對問題時，它檢索數據點，由LLM生成答案。雖然LLM并非為知識檢索而構建，但RAG是專為此設計的。在處理大量文本語料庫且準確性至關重要的問答任務中，RAG是最優技術。
技術實現細節
Writer采用了與知識圖譜相同的創新基于圖的RAG技術，直接構建到聊天應用中。經過特殊訓練的LLM將上傳文件分解為數據點，映射數據點之間的語義關系，并將節點和邊存儲在圖結構中。當用戶詢問文件相關問題時，Writer從圖結構中檢索數據點并傳遞給LLM生成準確響應。
透明度革新：可解釋AI功能
隨著企業越來越依賴AI，他們對可解釋性的需求日益增長。用戶不愿盲目信任這些黑盒系統的輸出，而是希望了解技術如何得出答案。同樣，安全和合規團隊需要更多的AI透明度來正確評估和管理潛在風險。
可解釋AI對于與客戶建立信任和信心至關重要。在最新更新中，Writer現在展示其思考過程，或者說是制定響應所采取的步驟。
問題分解與來源引用
當用戶提出寬泛、模糊或復雜的問題時，Writer的聊天應用不僅提供總體答案，還將原始問題分解為子問題，并為每個問題提供答案，顯示來自貢獻來源的具體摘錄。可解釋AI不僅提供透明度，而且通過查看AI制定答案所采取的步驟，用戶獲得關于其提示效果的反饋循環，可以進一步完善問題以獲得更好的答案。
用戶體驗升級：專用模式設計
流行的AI聊天應用支持廣泛的請求，但迄今為止，它們依賴一個簡單、開放式的界面來接收提示。從與客戶的合作中，Writer發現為完成所有任務提供相同界面，而不提供任何指導或限制，并不會產生最佳結果。這給客戶帶來了不當負擔，要求他們在提示指令中始終保持精確和具體。
通過此次升級，Writer引入了"模式"——專為特定類型任務設計的專用用戶體驗：
通用模式：提供來自Writer構建LLM的即時協助，用于構思、生成文本或獲得一般知識的快速答案。
文檔模式：幫助用戶基于上傳的幾個特定文件進行深度研究或起草內容。
知識圖譜模式：將聊天應用連接到關鍵公司數據源，用戶可以基于大量信息語料庫提問和生成內容。
Writer相信，這些模式將使用戶更容易表達他們試圖完成的任務，從而獲得更高質量的輸出和答案。
額外定制功能
此外，Writer還集成了多項額外功能，使聊天應用更加可定制和易用：
- 語音：基于團隊語音配置文件，以特定語調和風格重寫響應
- 自定義指令：提供針對格式化、風格、注意事項等的具體指令。無需每次提示時添加這些詳細信息，自定義指令會自動應用
- 聽寫：使用語音命令發出請求
技術影響與市場意義
Writer的這次重大升級標志著企業級AI應用發展的重要里程碑。通過內置RAG、思考過程展示、專用模式和新的定制功能，Writer聊天應用現在可以幫助用戶提取更有價值的洞察，進行更深入的研究，并更輕松地生成更高質量的輸出。
對企業的價值
- 準確性提升：基于圖的RAG技術在知識檢索任務中表現卓越，為企業提供更可靠的AI支持
- 透明度增強：可解釋AI功能幫助企業理解AI決策過程，滿足合規和風險管理需求
- 效率優化：專用模式減少了用戶學習成本，提高了任務執行效率
- 規模化能力：支持1000萬詞匯的文檔處理能力滿足大型企業的實際需求
對行業的啟示
Writer的技術升級反映了企業級AI應用發展的幾個重要趨勢：
- 從通用型向專業化發展
- 從黑盒模型向可解釋AI轉變
- 從孤立應用向企業數據整合演進
- 從技術驅動向用戶體驗導向轉型
未來展望與發展方向
Writer承諾將繼續在其全棧生成式AI平臺上進行創新，期待看到這些最新改進如何幫助客戶提高生產力和成功率。
技術發展趨勢
基于當前的技術升級，我們可以預見企業級AI應用的幾個發展方向：
- 多模態整合：未來可能集成圖像、音頻等多種數據類型的處理能力
- 實時學習：支持基于用戶反饋的實時模型優化
- 跨語言支持：擴展對不同語言和文化背景的支持
- 行業專業化：針對特定行業開發專業化的AI應用模塊
市場競爭格局
在企業級AI應用市場中，Writer的這次升級展現了其在技術創新和用戶體驗方面的競爭優勢。與傳統的通用型AI助手相比，Writer更專注于企業級應用的特定需求，這種差異化策略可能會在激烈的市場競爭中占據有利地位。
結論
Writer的最新聊天應用升級代表了企業級AI應用發展的重要進步。通過整合先進的RAG技術、可解釋AI功能和專用模式設計，Writer不僅解決了企業在AI應用中面臨的技術挑戰，更重要的是提供了一個可信、透明、高效的AI工作平臺。
對于專業用戶和投資者而言，Writer的技術升級展現了幾個關鍵價值：技術創新能力、市場需求理解、產品execution能力。這些因素的結合使Writer在競爭激烈的企業級AI市場中具備了強大的競爭優勢。
隨著企業數字化轉型的深入和AI技術的不斷成熟，像Writer這樣專注于企業級應用、注重技術實用性和用戶體驗的平臺將在市場中占據越來越重要的地位。
本文轉載自?????????知識圖譜科技?????????，作者：Wolfgang
