如果只是汇报“成长系统”的成绩，完全可以等到那个时候。
今天临时预约一个会议，肯定是有决策要做的。
“让小姜总这么急，是什么想法啊？”她笑着说道。
姜亦心打开了刚刚整理出来的资料。
《使用大模型创建可复用的专家级技能》。
然后她把是怎么受到早期用户的启发，想到可以使用ai来制作领域专家的能力，然后在网上调查到的现状等等都讲了出来。
韩路一和苏念念对视了一眼，都能看出对方眼中的惊讶。
小姜真的是一个很敏锐的产品经理啊。
“网上很多人都有这方面的尝试了，但是我觉得主要受限于几个方面的原因，现在的ai还没有办法提供和真人专家一样级别的能力。”姜亦心说，“首先最主要的是，现在的大模型在设计之初都是被按照通才来培养的，但是当我们需要某个职业的能力的时候，我们需要的是他的专才，比如编程、法律、设计等等。”
韩路一点点头。
这确实是个问题，而且还是源智的应用方面正在面临的挑战——汤圆在国家电网的应用落地，需要的就是电力方面的专才。
“这个方向确实比较前沿，但是在学术界和工业界已经有一些探索了。”韩路一说道，“现在比较流行的是rag（retrieval-augntedgeneration，检索增强生成）技术，把模型里没有的相关资料放到数据库里，提前做好索引，等到有查询进来的时候，先把相关的内容在这个专用的数据库里搜出来，然后把搜到的内容一起送给大模型，让大模型根据这些内容来生成答案。”
通过给定数据来源的范围，和在提示词中严格的限制只能从给定的来源中生成回答，可以以最低的成本，在一定程度上把通用大模型变成一个领域专家。
“但是这其实是对模型能力不到位的一种妥协。”韩路一接着说，“用户问什么问题是没法预测的，语义理解不到位，就检索不到相关的信息，最后给出的答案就不准确。这就像给一个没学过这门课的人开卷考试，你问问题的时候，他得现翻答案，翻到了，答的就好；可是翻不到，你就别指望他能给出什么好答案了。”
韩路一讲的清晰到位，姜亦心和苏念念都听懂了。
确实，从这个方向上看，问题还是没得到解决。
姜亦心翻了一页资料，说道：“还有下一个问题。”
屏幕上写着这一