大模型在智能客服领域的落地 可以看到，目前 AIGC 智能客服的优势⾮常明显，随着 AIGC 智能客服技术的不断升级和完善，其在⾦融、电商、物流等领域的应用前景也是十分乐观的。

但在大模型掀起一场“新革命”革命之前，我们还需要为其铺好每一段路，不能操之过急。比如在智能客服产品领域中，对话通常是限定于特定业务领域和任务驱动的需求。但客户并不希望访客进来只是为了寻找⼀个超级智能、善解⼈意、会写会画的聊天机器⼈。对话内容必须在企业业务范畴内收敛，服务于客服和营销场景，解决和处理问题，不要浪费宝贵的资源。直接将 ChatGPT 这类大模型引⼊客服领域⽽不加控制，其结果难免会让人失望。 构建一款能够实际应用于业务中的大模型并非容易事，通常需要完成多项步骤，包括大模型选型、数据采集清洗、模型训练、模型测试与评估、模型微调、部署应用等。具体链路：

• 选择开源的通用大模型
• 收集领域数据，用领域数据继续训练开源大模型（学术上叫知识注入），得到领域大模型
• 整理领域任务的指令集合（可以半自动生成），用这些指令数据对领域大模型进行指令微调
• 筛选优质的真实场景的客服多轮对话数据，继续微调领域大模型（使领域大模型的对话能力增强）
• 收集一些安全相关的问题（例如涉及到政治、敏感话题、歧视等），人工给出符合安全要求的答案，继续微调大模型（对齐到人类的价值观、规范）
• 模型部署，对接智能客服系统进行应用