本文介绍了企业智能知识问答助手的开发案例，通过关键词匹配、语义匹配和大语言模型的应用，问答准确率从不到30%提升到了80%以上。优化过程中采用了多种手段，如选择更佳的Embedding模型、合理拆分数据、多路召回扩大范围、微调Embedding模型等。同时，通过混合搜索和重排序提升搜索性能。优化数据质量的经验包括避免无内容页面、保持标题风格一致、使用markdown格式等。企业内部的智能知识问答系统提供了更智能、人性化的服务。

企业智能知识问答助手（Chatbot）在亚马逊云上构建的案例介绍了技术架构和需求演化。通过集成大语言模型（LLM），Chatbot能够进行更好的语义解析和上下文推理，提供更人类化的回复。基于LLM的企业知识大脑系统结合了传统NLP模型和LLM的优势，提供一站式的智能知识服务。该系统还包括Confluence数据搜索接入、多路召回和重排、多语言集成等功能。Chatbot通过持续优化和迭代，能够高效提供客户服务和支持，提升企业效率和价值。