作者：许亮背景介绍京东工业是2021独立出来成立的新事业群-京东工业事业群，包括工业品、工业服务、工业互联等四大板块业务。工业互联业务主要是搭建工业互联网平台，用于将实时现场工业数据汇入平台进行分析，做数据智能工作。目前支持业务有国家电网管理平台、综合能源、碳中和交易、电力交易等业务。本文重点介绍下京东云ClickHouse（JCHDB）在京东工业的综合能源领域的应用。工业互联网场景的数据主要有如

大模型在模型训练中，个人理解如果给它投入充分的产品文档，让其的思维方式更偏向相关产品的业务思维，在成熟后 应该是可以设计出具体需求 90% 的手工测试用例，节约出的相应时间可以用来编写自动化测试用例等工作。

RAG（Retrieval-Augmented Generation）技术是一种结合检索和生成的方法，用于提升大语言模型（LLM）在知识密集型任务中的性能。通过一个两阶段的过程提升LLMs的输出质量：•检索（Retrieval）阶段，可以从各种数据源检索相关信息；•生成（Generation）阶段，将检索到的文档与原始查询，形成提示模板，一起输入到生成模型中，产生最终的回答。这种方法使模型拥有了利

推荐系统是通过分析用户的行为数据和内容特征，向用户推荐其可能感兴趣的内容或商品的技术。推荐系统的目标是提高用户满意度和平台的转化率。常见的推荐系统类型包括协同过滤、基于内容的推荐、混合推荐系统等。大模型是指通过大规模数据训练得到的深度学习模型，具有强大的特征表示和推理能力。大模型在自然语言处理、计算机视觉、语音识别等领域取得了显著成果。某大型电商平台引入大模型，旨在提升商品推荐的精准度和用户满意度

又到月底了，对于财务人员小张来说，每个月末都是他最忙的时刻。整个集团有大大小小有数十个业务主体，每个主体都拥有上千上万名员工，小张和其他财务人员需要向各地的税务系统中填报所有员工的个人...

方案优点缺点适用场景方案1：将全部产品需求和研发设计文档给到大模型，自动生成用例用例内容相对准确不支持特大文档，容易超出token限制普通规模的需求及设计方案2：将全部产品需求和研发设计文档进行摘要后，将摘要信息给到大模型，自动生成用例进行摘要后无需担心token问题用例内容不准确，大部分都只能是概况性的点特大规模的需求及设计方案3：将全部产品需求和研发设计文档存入向量数据库，通过搜索相似内容，自

大语言模型（LLM）在自然语言处理和自然语言理解方面取得了重大突破。大模型与应用场景的结合有助于可以在降低成本的同时提高效率。在具体场景的落地中，通用领域的大模型缺乏具体的领域知识，需要对其进行微调，这将消耗大量的计算资源。当前，检索增强生成（RAG）作为大语言应用的一种模式，可以将大语言模型强大的理解能力和领域知识相结合，可以提高模型准确性和效率。RAG主要流程分为两步：1. 从知识库中检索出和

LangChain 作为一个大语言模型（LLM）集成框架，旨在简化使用大语言模型的开发过程，包括如下组件：LangChain框架优点：1.多模型支持：LangChain 支持多种流行的预训练语言模型，如 OpenAI GPT-3、Hugging Face Transformers 等，为用户提供了广泛的选择。2.易于集成：LangChain 提供了简单直观的API，可以轻松集成到现有的项目和工作流

图1：计算机有效工作的常用方法：程序员编写规则（程序），计算机遵循这些规则将输入数据转换为适当的答案。这一方法被称为符号主义人工智能，适合用来解决定义明确的逻辑问题，比如早期的PC小游戏：五子棋等，但是像图像分类、语音识别或自然语言翻译等更复杂、更模糊的任务，难以给出明确的规则。图2：机器学习把这个过程反了过来：机器读取输入数据和相应的答案，然后找出应有的规则。机器学习系统是训练出来的，而不

方案优点缺点适用场景方案1：将全部产品需求和研发设计文档给到大模型，自动生成用例用例内容相对准确不支持特大文档，容易超出token限制普通规模的需求及设计方案2：将全部产品需求和研发设计文档进行摘要后，将摘要信息给到大模型，自动生成用例进行摘要后无需担心token问题用例内容不准确，大部分都只能是概况性的点特大规模的需求及设计方案3：将全部产品需求和研发设计文档存入向量数据库，通过搜索相似内容，自