简介

GPTBots.AI 是一个企业级的 AI Agent 无代码构建平台。平台致力于通过人工智能技术为企业提供高效和稳定的 AI 解决方案，推动业务增长与工作效率提升。平台以直观友好的设计界面为核心，用户仅需简单的拖放操作，无需任何编程基础，即可快速构建智能化 AI Agent，快速应用在企业业务场景中。

GPTBots 产品特点

无代码 AI 构建能力：用户无需编写任何代码，通过可视化的拖拽操作即可完成企业级 AI Agents 的构建，帮助快速适配各类复杂的业务场景。
端到端交付能力：从 AI 方案设计、部署、交付到运维为企业提供全流程解决方案，确保项目交付和在生产上发挥强大作用。
强大的产品能力：平台支持：自然语言实现数据库联表查询（Text2SQL）、数据生成动态交互图标（Data2Chart）、多模态输入/输出、高效精准的 RAG 系统、完善强大的 REST API 、模型部署和微调服务、 LLM 负载均衡、可视化构建 Tools、用户问题分类和情绪识别、系统业务告警通知、全面的运行数据分析等强大的功能和服务。
数据安全与合规：平台支持内容安全审核、信息匿名化、加密存储，ISO认证、 RBAC 等安全措施和机制，同时提供私有化服务，满足企业对数据安全与合规的严苛要求。
企业级 SLA 保障：提供高可用性和稳定性的企业级服务水平协议（SLA），确保平台的可靠性和持续性。专业的技术支持与服务，为企业用户提供强有力的服务保障。

GPTBots 产品核心功能模块简介

Agent

面向简单的业务场景，通过简单配置实现分钟级的创建 AI Agent,快速响应常见业务需求，帮助企业快速实现业务智能化。

FlowAgent

面向复杂业务场景，支持人工设计复杂的工作流程和逻辑，实现串联或并联多个专职专用LLM 以实现更加可控和高效 AI 响应，有效满足企业复杂业务的智能化。

知识库

支持 doc/docx、pdf、txt、markdown、csv、xls/xlsx、网页爬取、Q&A 等各类型知识数据；
针对不同类型数据，使用不同的数据解析与切分方案，提升数据质量和完整性；
支持稀疏向量+ 稠密向量混合搜索方案，以提升知识召回准确率；
支持知识文档进行切片维度的管理、编辑和更新
支持问题增强和 rerank 等增强技术，以提升召回率和准确性；

数据库

支持 MySQL、SQLite、PostgreSQL、SQL Server、Oracle、MongoDB、Redis、Elasticsearch 等数据库（即将支持）；
支持自然语言实现多数据表的联表查询，支持分布式查询和计算，提高查询效率和响应速度；
支持基于查询到的 Data 数据生成动态交互图表，提升用户体验和数据可视化效果；

Tools

支持可视化的方式创建 AI Tool,为 LLM 提供更多的能力；
GPTBots 提供了海量可用的官方 Tool，同时支持开发者自定义 Tool 来满足企业需求；
开发者通过自定义 Tools 可以实现与企业数据、服务能力无缝连接，同时保障企业数据安全；

模型

支持开箱即用主流商业大模型、开源大模型、专业领域模型和微调定制模型；
支持开发者添加和使用企业自有 key，保障企业数据安全并支持 Key 的负载均衡，提升 LLM 服务稳定性。
无论商业或开源模型，都可以基于知识库数据、用户对话数据快速生成模型微调语料数据用于模型微调。
无需再购入巨大精力在 LLM 部署、微调等工作，让开发者更专注企业核心业务；

持续训练

聊天记录支持质量评分、关键词、主题总结等，让开发者更容易洞察用户关注所在；
Agent 训练模式支持对「对话内容」进行实时修正，可持续训练 Agent 以实现更佳响应。

问题分类与情绪识别

支持对用户问题进行总结、归纳和分类，帮助开发者了解用户的高频问题，以针对性的优化和补充相关知识；
支持针对用户问题进行情绪识别(5级)，帮助开发者了解用户的情感状态，以优化 AI Agent 的交互体验。
支持基于用户问题分类进行告警通知，适用于某类型问题集中爆发时及时进行告警和通知。

运行数据分析洞察

支持：今日数据、效果、用量、用户、行为、健康、积分消耗、用量消耗等多个维度的数据统计和分析。
支持 AI Agent 维度的运行数据的统计、分析和洞察，帮助开发者了解 AI Agent 的运行状态和性能，及时发现和解决问题。
支持组织维度的运行数据的统计、分析和洞察，帮助开发者了解组织的业务运行状态和性能，及时发现和解决问题。

GPTBots 产品是如何解决 LLM 在企业落地难题？

LLM幻觉问题

LLM 产生幻觉主要跟模型底层架构和训练数据有关。幻觉会让企业的LLM应用变得不可靠、不可信，甚至可能有害。

准确的知识补充上下文；
Bot训练和LLM微调来修正模型；
为LLM设计反思机制和验证工具；
优化Prompt限定回答范围。

通用 LLM 缺少垂域知识

通用LLM由于缺乏垂域知识，无法给出正确响应。导致企业无法将 LLM 用于解决企业业务问题。另外单独针对各垂直场景训练模型成本过高。

知识库支持精准知识召回；
轻松导入非结构化知识数据；
支持连接和识别结构化数据；
插件打通企业内部垂域知识。

单个LLM无法解决企业业务场景的复杂任务

LLM 的复杂推理能力仍然薄弱，无法有效解决企业的复杂任务。而单点单线程的任务，无法满足企业实际业务场景所需。

把复杂问题拆解为多个分支；
Flow支持多个多版本LLM协同；
LLM具备长短记忆/插件/知识库等能力；
将外部反馈和信息融入LLM响应流程。

AI 应用在企业落地难

LLM 落地涉及合规、数据、算力、工程和算法。任一环节出现质量问题，LLM在应用场景上都大打折扣。尤其是涉及开源模型上的使用，硬件和人力均会导致成本急剧上升。

提供简单、高效的LLMOps平台；
解决知识数据载入和召回难题；
提供开箱即用的AI Bot构建能力；
丰富完善的API和SDK。

企业在 AI 领域人才储备不足

需要企业在 AI 领域的人才具备数据、算法、工程和业务等方面的能力。对于企业而言，AI 人才储备不足、培养慢和成本高。

近乎零门槛的使用GPTBots；
为产品运营人员Bot训练和微调LLM能力；
无需过多的 AI 专业领域知识，企业业务人员也可以训练和优化Bot；
开发人员通过API接口完成接入。