BISHENG 案例
公司全量智能知识库
客户要求将全公司各类文档(约几万份)全部放在一个统一问答应用中,这样用户在使用时无需选择知识库。有17个部门,问题和需求各异,文档来源丰富:各业务系统(项目管理、科研、市场营销、OA、财务共享待定、知网待定)、个人电脑、nas、个人网盘。
实施方案亮点:
文档归集、统一平台管理,用户统一协作、积分激励体系、专家问答体系。
权限系统打通,用户仅可查看并搜索有权限的文件。
不同知识类型分而治之,结合ETL4LLM模型与NL2SQL,提升数值问答效果。
其他应用:图像搜索、合同差异比对、采购历史价格分析。

BISHENG 案例
工程领域数据问答
这个项目是一个基于工程进度数据的智能问答与预警分析系统,支持用户通过自然语言或结构化查询方式,获取施工项目的进度产值、任务完成情况、质量巡检记录、关键路径变化等核心信息。系统内置进度规则库,能够自动识别如“关键任务变动”“计划与实际不符”“任务浮时异常”等常见问题,并给出明确预警。
在交互层面,系统可根据用户角色(如项目经理、安全员)生成定制化的月度报告,支持图文内容自动拼接和导出。同时具备“任务延期原因追溯”等高级能力,未来可结合微调大模型实现更复杂的问题归因与智能化分析,整体形式于一个垂类化的 Chat BI 工具,用于项目管理领域的数据问答与洞察分析。
BISHENG 案例
上市年报问答
客户要求将全公司各类文档(约几万份)全部放在一个统一问答应用中,这样用户在使用时无需选择知识库。有17个部门,问题和需求各异,文档来源丰富:各业务系统(项目管理、科研、市场营销、OA、财务共享待定、知网待定)、个人电脑、nas、个人网盘。
这个项目是一个基于大模型的上市公司年报问答系统,支持用户通过自然语言查询2019–2021年间的一万多份年报数据。系统将年报内容结构化入库,并结合意图识别、NL2SQL 和结果格式化三个阶段处理流程,实现对复杂财务问题的准确理解与响应,包括排名类、对比类、计算类问题等,适用于金融、投研、数据分析等场景。
技术上采用 GLM2-6B 模型,通过高质量财报问答数据进行微调训练,拆分为 Router、NL2SQL、Normalize 三类子任务,模型可端到端输出 SQL 并生成标准化答案。数据预处理与指标映射统一规范,查询结果支持单位换算、小数处理等格式优化,目前系统已集成至毕昇平台并上线演示环境,验证了“小模型+结构化数据+真实场景”的落地能力。

BISHENG 案例
智能客服
包含文本客服与语音客服两个渠道。通过智能化改造,提高客户服务效率以及智能客服机器人交互体验;降低客服团队压力和对人的依赖(管理、培训、合规成本)。
在本项目中,由于是面向外部客户的,直接让大模型生成会有可靠性问题,希望尽量能通过FAQ库解决客户问题(覆盖80%问题)。
最终用户提问往往存在残缺、质量低的问题,借助大模型能力实现多轮引导(进行了模型微调)然后进行FAQ查询。文档问答支持原文件溯源,提升可靠性。
其他场景:会话摘要、会话质检、脱敏、QA生成、工单信息抽取、客服辅助推荐。
BISHENG 案例
证券基金行业
BISHENG 案例
财报审核
BISHENG 案例
智慧商情分析系统
以平衡表和各类价格为核心,拉通供需两端,贯穿相关品类和国家数据。利用文擎励心实现自动化的数据实时采集和相关农产品产销指标的测算分析,利用毕昇Agent能力总结全网报告观点,根据大宗供需逻辑计算分析相关指标的回溯和预测,将决策时间从原本的T+7缩短为T+0。