某大型IT服务商旨在为其运营服务提供一个工具，戴文科技利用最新的AI大语言模型，结合丰富的客户服务经验、标准、文档等数据，为其一二级客户提供更快的服务识别和解决方案，提高整体效率。

为什么选择 Drupal

文档和知识都是内容类型，因此，选择成熟的内容管理系统（CMS）可以大大加快平台建设的速度。在CMS选型过程中，Drupal因其开源性、安全性和高度可定制性而被选择作为平台的CMS。

面临的挑战

该项目与网站建设等工作不同，作为一个应用平台，需要在需求分析、逻辑、技术使用等方面进行周密的规划。在选择人工智能大语言模型时，考虑到企业正在快速迭代模型，如何选择合适的大语言模型也需要深思熟虑。

解决方案

该平台是根据RAG（检索参数生成）原理设计和开发的，经过多次讨论，我们得出的结论是，单一的多语言模型并不是最佳选择，我们认为人工智能的未来应该涉及特定领域的小型模型，以提供更好的成本效率。因此，我们将这个平台定位为多模型平台。

它支持大型语言模型，例如 ChatGPT for Sass，还允许通过 Ollama 部署私有模型。对于矢量数据库，我们选择了Weaviate，从而创建了一个全面的知识库管理平台，拥有多个知识库、模型和文档库，可以针对各种场景进行自由配置和管理。此外，我们还计划与搜索引擎 API 集成，以获取更多实时信息。

设计

在我们的设计中，我们采用了极简的UI布局方式，适度使用图形来点缀某些细节。

此外，我们采用了基于主题的设计方法，保证了UI风格可以在一定程度上快速改变，方便客户针对不同的服务对象进行定制。

前端开发

Drupal本身已经构建了一套优秀的前端展示方法，大大加快了我们整体前端的开发速度。同时，它也带来了一定的局限性。虽然这些可以通过各种方法来解决，但是投资成本是必须要考虑的，这也是我们前端开发过程中需要多多沟通的一个细节。

后端开发

人工智能知识管理平台采用当前最稳定的Drupal V10版本作为底层开发框架，平台基于Drupal的数据结构建立组织部门管理、用户角色及权限管理、文件管理等业务系统，并为各部门配置相应的文件读写权限，保证部门数据管理的相互独立性。

为了提供成熟的AI知识获取体验，我们实现了Drupal AI模块，部署了集成的生成式AI应用开发框架，支持文档信息的组织，并以知识切片的形式存储相应的内容，用户可以通过AI对话获取相关知识，也可以利用内置的大语言模型获取更全面的数据信息。