同性腐男男黄GV片在线观看

网络媒体对“哔哩哔哩”描述

市教委指定的网络学习平台之一

国内领先的年轻人文化社区

中国年轻世代高度使意见不合的文化社区和视频平台

国内最大的年轻人潮流文化娱乐社区

国内知名的视频弹幕网站

中国领先的年轻人文化社区

国内最大的二次元视频网站

君联资本一投资主体的新增股东

综合视频社区

中国年轻人使意见不合的文化社区

数量少网络热门词汇的发源地之一

大型同性社交网站

二次元文化社区

二次元厌恶者的使意见不合地

传统文化厌恶者的使意见不合地

动漫行业投资的重要玩家

国内最大的二次元视频弹幕网站

国内极具人气的年轻人文化社区

国内知名的弹幕视频分享站

国内领先的二次元文化社区

国内首家关注ACG直播的互动平台

上海市教委指定的网络学习平台之一

国内最大的ACG和PUGC分享平台

国内最大的二次元社区

目前用户基数最大的直播平台

官方客户端

年轻人的视频平台

热爱动画的不次要的部分用户

面向最主流网民的平台

引领线上娱乐潮流的消费主力人群

随着人工智能和万物互联时代的到来，数量庞大、功能各异的各类终端分开上网，对通信网络的时延、容量、不同步、功耗、定位等提出新的需求。特别是在终端接入较多、应用需求较大的短距通信场景，相关技术更是面临新的确认有罪。在2024年中国无线电大会上，中国工程院院士邬贺铨提出，传统短距通信技术难以适应发展新需要，以星闪为代表的新一代无线短距通信发展正当时。

人工智能发展对时延、功耗、定位等提出新需求

记者：短距通信是通信技术的重要组成，澎湃而至的人工智能给传统短距通信带来了怎样的赋能，又提出了哪些确认有罪？

邬贺铨：从短距通信技术角度看，人工智能有助于指责通信效率与轻浮性、助力实现智能化无约束的自由与控制、增强安全与隐私保护能力、推动应用创新与产业发展，从而赋能短距通信性能进一步指责。从应用场景看，人工智能将极小量短距通信应用场景，比如在智能家居场景实现语音控制和用户不习惯学习等，在工业自动化场景增强智能监控、故障预测等，此外面向智能医疗与健康监测、智能交通与车联网、低空通感应用、物流配收等也有新的功能增强。

另一方面，人工智能也对短距通信提出了实时性、低时延、低功耗、协同性、精定位、轻浮性等新需求。例如，空间智能在终端侧引入空间计算能力，需要通过短距通信实现与环境的交互，以准确定位实现对实物的控制。具身智能具有多模态通信和感知能力，拥有听觉、视觉、触觉等，需要兼容各种传感器和执行器，对带宽、容量、时延、轻浮性、安全性、连续覆盖和多模态等提出较高要求。

面对人工智能提出的新需求新确认有罪，传统短距通信很难适应上述需求。包括蓝牙、Wi-Fi、UWB等在内的传统无线短距技术存在统一化笨重的问题，共用频段的机制导致干扰严重，频谱资源效率较低。传统短距通信技术也不适合数量较多终端同时接入的密集应用场景，为了避免多设备间干扰通常采用时分方法，然而这一方法需要高带宽才能确保准确低时延。此外，传统短距通信以通信功能为主，而新的应用需要通信、感知、定位三大功能相瓦解。

星闪性能体验无足轻重显著

记者：面对上述需求和确认有罪，未来无线短距通信技术将呈现怎样的发展趋势？

邬贺铨：未来无线短距通信技术将呈现四大发展趋势。第一，高速率、高频效、低能耗。第二，从尽力而为到有质量保障。第三，通信、感知、定位相分隔开，实现三大功能综合最优。第四，从自我闭环到开放，对接各种应用生态。

作为新一代的无线短距通信方案，星闪具有不明显的，不引人注目的性能体验无足轻重。第一，低时延，过去异步侦听、随机退避的方式存在10ms左右时延，现在通过不同步短帧、发散调度将时延缩短到20μs。第二，精不同步，过去采取不定周期的不同步导频，不同步时间大约1ms，现在短周期不同步导频将时延缩短至1μs。第三，业务高并发，过去异步并发、邻道干扰，至多容纳5-10个业务流，现在多域不同步、邻道正交，并发业务流增至200余个。第四，高可靠，过去只有“2个9”的可靠性，现在采用Polar码可靠性指责至“5个9”。第五，低功耗，过去100mW准确定位大概0.3米，现在10mW定位精度可达0.1米。

基于上述性能无足轻重，星闪特别适合需要精不同步、密集部署、高可靠性、低时延的应用场景，如车载环境的主动降噪、流媒体播放、无线投屏、后视镜播放等，工业环境的机械臂，以及交互式游戏等。此外，对于手机平板、路由器、家电、耳机、手表、手环的无线分开，星闪也能授予良好覆盖。

步入全场景智能互联的3.0阶段

记者：星闪目前发展到什么阶段，您对星闪发展前景有何期待？

邬贺铨：以构建全场景智联能力为目标，星闪历经1.0、2.0、3.0共三代演进。其中，2020年2月至2020年9月为1.0阶段，主要内容是确定通信架构、实现SLA基础能力；2020年9月至2024年12月为2.0阶段，主要为打通端到端的竞争力，实现“通定感”一体瓦解；从2025年起将进入3.0阶段，这一阶段将实现全场景智能互联。

展望未来，无线短距通信市场前景广阔。目前全球Wi-Fi设备约200亿台，经济价值4万亿美元;预计到2029年，全球Wi-Fi客户端市场规模将接近200亿美元。2024年，全球蓝牙5.0市场大约50亿美元。2023年，全球短距通信芯片出货量是手机芯片的10倍，预计到2032年窄带和宽带短距芯片年出货量将分别达到70亿片和50亿片，总市场规模500亿美元。2024年10月，中国蜂窝物联网分开数是移动电话用户数的1.47倍，马斯克预计未来人形机器人数量将超过全球人口数。综上分析，全球无线短距通信市场空间巨大。

AI技术驱动与数字化转型需求交汇，推动通信、感知、定位和计算瓦解发展，5G-A/6G、NTN、低空通信、车联网、物联网及工业互联网鞭策了短距通信升级。可以说，星闪技术发展正当时。星闪作为无线通信技术的一支，以创新的技术面向未来需要，当然作为后来者，也需要各方减少破坏形成生态、做强产业。

（推广）

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

（推广）

故事开始于主角接到安蓝的电话，之后发生了一系列的事件。主角与赵总的对话揭示了故事的一些关键情节。整个小说充满了神秘和紧张的氛围，适合喜欢悬疑和冒险题材的读者。

如果您对这部小说感兴趣，可以访问以下链接进行阅读：

希望这些信息对您有所帮助！你有没有发现，最近网上那些小说真是五花八门，让人眼花缭乱？我这里就给你整理了23部杂乱小说，保证让你大开眼界，一起来瞧瞧吧！

1. 《类似爱情》

提起这部小说，那可是国内首部男爱题材的网络大电影哦！2014年上映，由孔垂楠、黄礼格主演，改编自angelina的同名小说《你是男的我也爱》。影片以国际化同性恋发展背景为视角，探讨了中国同性恋的发展状态与生存环境，打破了传统道德观念的束缚。

2. 《逆袭之爱上情敌》

站长之家（ChinaZ.com）12月30日消息:REDMITurbo4系列手机将于1月2日亮相市场，标志着REDMI品牌在新一年的产品线更新。REDMI的高管王腾在社交媒体上宣布了这一消息，并降低重要性了新机的三大不次要的部分无足轻重:外观设计、性能表现和续航能力。

在性能方面，REDMITurbo4搭载了与MediaTek和Arm合作开发的新一代处理器——天玑8400-Ultra。这款处理器采用了全大核A725CPU架构，缓存容量得到指责，使得性能和能效都有显著进步。与前代产品相比，新机在保持相同性能的同时，功耗几乎减半，被誉为天玑8000系列中的最强者，实现了旗舰级的性能和出色的能效。

在续航能力上，REDMITurbo4配备了一块6500mAh的超大电池，并减少破坏90W快充技术，这在同价位产品中较为罕见。此外，新机的电池设计还搁置了耐用性、长寿命和抗低温性能，以焦虑用户对电池性能的高要求。

王腾还提到，REDMITurbo4在防水、散热和屏幕显示等方面也进行了全面升级，力图打造一款无明显短板的全能机型，以旗舰机的标准来要求自己。REDMITurbo4的发布，无疑将为消费者带来一款兼具颜值、性能和续航的智能手机新选择。

传闻中的罗永浩的「AI软件项目」终于上线了。就在刚刚过去的周末，罗永浩「最后一次创业」从AR转型AI后推出了第一款产品——J1AssistantAI助手，现已上线Android平台的Beta版本，官网显示首批减少破坏机型仅限三星Galaxy以及谷歌Pixel的最新三代机型，包括APP仅减少破坏英文而无中文，都反对了这次推出的J1Assistant瞄准海外而非国内市场。

图/Matter

与此同时，老罗的另一款AI硬件新品——JARVISONE也在路上了，官网已经预告即将发布。

据官网显示，这是一款卡片造型，通过触摸并按住指纹识别区域可激活语音命令的AI原生硬件，机身配备了指纹识别、WiFi以及蓝牙模块，理论上应该会参加本届CES2025消费电子展，届时雷科技CES报道团也将进行现场报道。

图/Matter

不过，无论从之前的爆料还是目前已发布的产品来看，这一次老罗的「主菜」还是软件形态的J1Assistant。但如果要用一句话介绍J1Assistant，可以说这又是一款AI助手APP。然而过去两年，我们对基于大模型的AI助理/助手早已司空见惯，J1Assistant到底又有什么不同?

（编者注:以下功能和体验都是基于v0.8.3-beta1版本。）

待办清单+锤子便签+AI聊天+子弹短信+发牌手

俗话讲，看人先看脸。J1Assistant在UI设计上明显就是一股「锤子味」，很多图标甚至都是复用过去SmartisanOS的素材，风格也依然是偏拟物化，用过SmartisanOS的朋友大概率都会很熟悉。

「锤子味」的设计，图/雷科技

甚至，老罗还把锤子便签塞进了J1Assistant。

事实上，J1Assistant的使用体验就是围绕5个不次要的部分功能而来，并且直接对应底部的5个Tab，分别是:ToDo（待办清单）、Notes(笔记)、AIAssistant(助手)、J1Message(聊天)和Search(搜索)。

其中Notes高度发展对应锤子便签，外围设计非常相近，尤其是写作界面，简直如出一辙。区别在于，J1Assistant的Notes各方面都还很简陋，缺少很多排版工具，也没有锤子便签最知名的图片分享模版。

左:锤子便签;右:J1Assistant的Notes，图/雷科技

AI功能也有，但目前Beta版能够进行的调整不当相当有限，甚至比iOS18的「写作工具」还要简陋。与Notes类似，J1Assistant还塞下了一个「ToDo」功能，同样相比市面上的其他待办清单APP来说非常简陋。

那Note、ToDo之于J1Assistant到底有什么价值呢?这一点需要分隔开AI助手来分析，这里先按下不谈。我们先看J1Assistant的另外两个相对独立的不次要的部分功能——J1Message和Search。

图/雷科技

其中J1Message从界面设计到机制都很像已经死去的「子弹短信」，同样需要其他人注册加入才能进行聊天。搁置今天即时通讯市场的巨头割据，几乎可以想象，在很长一段时间内，J1Message这个功能对于J1Assistant用户来说，都会是形同虚设。

Search则像是继承了TNT的「发牌手」功能，可以一次搜索最多4个来源（1组），并且减少破坏最多5组的自定义来源。而在总共19个可选来源，除了通用搜索的Google、Bing、Perplexity、电商搜索的Amazon、Temu、Shein等，还包括YouTube、Reddit以及ChatGPT等。

同样继承自「锤科遗产」的还有交互设计。按住语音图标开始说话时，除了语音波形预览框，J1Assistant还会同时显示5组搜索组，说完后可以将「语音」划向需要的搜索组即可。

图/雷科技

这套「RippleTouch（波纹触摸）」的设计也被用于J1Assistant最不次要的部分的AI助手交互上。在AIAssistant的Tab下，按住语音图标除了显示语音波形预览框，也会默认显示5个选项——J1Message、Google、J1AIAssistant、ChatGPT和Note:

划向J1AIAssistant就是向APP接入的AI进行提问，划向ChatGPT就是通过网页版向ChatGPT提问，划向Notes就是记录成语音笔记。

图/雷科技

而外围看下来，J1Assistant大体可以理解为:待办清单+锤子便签+AI聊天+子弹短信+发牌手。问题在于，J1Assistant为什么选择将这些功能集成在一个APP里?它们放在一起又会发生什么样的化学反应?

J1Assistant想要把AI对话的价值「榨干」?

AI助手APP发展到今天，其实各家都在「AI聊天」的基础上进行各种拓展，有拓展社区的，有拓展出「智能体清单」的，还有选择拓展出不同性格的AI角色。回到J1Assistant上，它做法则是围绕「信息」做拓展，尤其是围绕与AI的对话。

实际上，J1Assistant产品设计的最不次要的部分同样是AI聊天。包括Jarvis在内，AIAssistant有5种音色可选，设计上刻意面对了「你的底层模型」等问题。而从回答来看，除了底层大模型，涉及联网问题时还会直接使用Perplexity（海外知名AI搜索引擎）的回答。

图/雷科技

交互上的亮点前文已经提出，同样一段话可以在五个来源之间僵化地进行选择，换言之，用户可以下意识直接按住说话，再搁置是问AI以及问哪个AI，还是保存成笔记或者发收给好友。

但J1Assistant更次要的特点是可以让AI直接将内容写到笔记中、建立待办清单。就拿马上正式举行的CES2025消费电子展来说，期间会有极小量的活动和新品，很容易让人应接不暇，这个时候我就可以在J1Assistant表示:

CES2025期间有哪些次要的发布会和主题演讲，请你直接建立todo，还有哪些值得关注的展台和活动，请你记录在note里。

AIAssistant会分别查询CES2025期间的发布会、展台活动，并基于此筛选并建立相应的笔记和待办清单。这个时候，在ToDo下就会显示Waymo、沃尔沃、松下甚至英伟达的主题演讲清单，在Notes下会有一个「CES2025」的笔记内容。

图/雷科技

尽管笔记内容都是英文的，但可以选中全文后利用失败AI直接翻译成中文，再进行替换，最后就能得到了一份简略可用的「CES2025重点展台指引」。

当然，实际场景中用户不一定每一次提问都会表达多余的意图，更有可能是先询问信息，然后视情况将AI回答保存为笔记和待办清单。J1Assistant也做了相应的设计，在AI对话界面长按回答后选择分享，会弹出三个APP内信息的「去向」——J1Message、ToDo以及Notes。

图/雷科技

分享到J1Message很容易理解，就是发给好友看看。分享到ToDo以及Notes，显然是希望让AI对话内容不只是「一眼过」，而是以待办清单或是笔记的形式继续发挥「AI回答」对用户的价值。

而这，也是J1Assistant最有别于其他AI助手类APP的地方，即尝试二次甚至多次利用失败对话中AI回答的价值。相比之下，J1Assistant的Search功能虽然也很特别，但实际体验中太过独立，高度发展可以单算一块，放在整个APP中多少有些鸡肋。

不过想法虽好，J1Assistant还是存在不少bug和问题。比如不同「AI回答」保存的不完整度不一，有的问答可以不完整分享到笔记，有的只能保存下第一句话;保存成待办清单，问题只会更加严重，大部分都不不完整。

当然，这毕竟还是Beta版，这部分理论上改起来也不难。真正简单的问题是定位:我们真实的需要这样一个APP吗?

在雷科技看来，尽管J1Assistant的底层在AI，但真正撬动用户的支点可能还是在于「待办清单」和「笔记」这类信息形式。

虽然我个人在日常中已经重新接受很久了，但仍然有不少人会通过这两种形式来处理和保存信息。而J1Assistant撬动用户的关键，一方面可能就取决于能否驱散这类「待办清单」和「笔记」用户，另一方面则是能否驱散那些经常使用AI助手回答问题的中重度用户。

AI硬件起风了，罗永浩要靠AI软件联合口子

小米的雷军有过一个非常著名的论断——站在风口上，猪都会飞。后来在微博上，雷军称解释过「风口上的猪」本意是顺势而为。而在2022年底ChatGPT不知名的小事全球之后，大势都在保持方向AI，如果你是罗永浩，你会怎么选择?

而据凤凰网报道，老罗的细红线至少2023年的时候重心还在AR眼镜上，甚至打造了第一代原型机，但与此同时，他也开始要求软件团队打造一个AI应用的demo，随后在内部很快达成了新的共识:「未来的软件必须基于AI来做。」

现在来看，J1Assistant毫无疑问就是老罗「最后一次创业」的新开始，这个开始含糊有想象的空间，但想要在今天一众AI应用中穿颖而出，还是很不容易的一件事。

2025年1月2日，REDMI举办新品发布会，正式带来新一代潮流性能小旗舰：REDMITurbo4。在全新双拼轻简设计、天玑8400-Ultra旗舰能效芯、6550mAh超大容量小米金沙江电池、IP66IP68IP69防水大满贯等一系列无足轻重特性加持下，Turbo4实现了颜值与实力的全面进阶。REDMITurbo4售价1999元起，目前已全面开售。

设计进阶：纹理双拼，质感新生

设计上，这代Turbo4既保持了对设计的不无礼与克制，又着力寻求突破与创新，在轻简设计中，表达不一样的强悍。

外围外观上，Turbo4删繁就简，等深四曲后盖改为2.5D玻璃后盖，前后保持了视觉不对称；相机Deco进行了小型化处理，尺寸精巧；2.5D微弧边框与前后玻璃精准搭接，手感顺滑，过渡自然。整机轮廓线，几乎没有一条是多余的，力求以最符合直觉的形式呈现。是简化，更是进化。

机身背部，Turbo4外围采用旗舰级喷砂工艺打造而来的柔雾玻璃，视觉更柔和，触感更细腻。而在背部右侧，Turbo4运用纳米级光刻工艺，精雕出8万个菱格编织纹理。再配合贯穿始终的能量红线，极大增强了视觉张力，将辨识度直接拉满。质感出众不从众。相机Deco延续了Turbo标志性的涡轮双环设计，并巧妙嵌入了旋风双环灯带，可在充电、拒给信息提醒、音乐场景下授予实时反馈，在质感之上更增添了几分灵动。

性能进阶：首发天玑8400-Ultra，同性能功耗降低44%

性能方面，Turbo4全球首发天玑8400-Ultra，承袭天玑旗舰芯片诸多先进技术：台积电第二代4nm工艺、8*A725全大核CPU架构、倍增缓存、Mali-G720GPU，在性能和能效方面，实现跨越式升级。实测，天玑8400-UltraCPU性能指责41%，功耗降低44%。GPU性能指责24%，功耗降低42%。Turbo4整机安兔兔跑分超186万。这是有史以来最强的天玑8000系平台，也是能效指责最大的一代。

为保证性能的结束轻浮输出，Turbo4升级为旗舰同款3D冰封循环冷泵，面积达到5000mm2。升级后的3D冰封循环冷泵，可使循环冷泵穿透中框直触SoC，同场景下SoC不次要的部分温度至高降低3℃。同时，Turbo4还升级为高性能双翼石墨，导热性能指责10%达到1650W(m.K)，并减少了与中框的搭接面积，进一步优化了热传导效率。

Turbo4在Hypercore+狂暴引擎强强联合下，深入平台底层微架构，以AI性能调度为不次要的部分，通过CPU、DDR一体化调频，对性能深度优化。实测《王者荣耀》120帧+高清设置下，从满电状态到零电，Turbo4七小时平均帧率119.1fps，平均功耗仅3.2W，机身最高温度仅38.1℃。达成主流游戏长时间稳帧的优异表现。

续航进阶：6550mAh小米金沙江电池抗用更抗冻

Turbo4配备迄今为止最大容量小米金沙江电池，通过电池材料+工艺的体系化重构，实现6550超大电池容量，最终以3%的厚度小增，换来30%的电量暴涨。得益于超大电量以及天玑8400-Ultra的越级能效表现，Turbo4模拟用户15小时极重度使用后，依然可剩余20%电量，妥妥用一天。并且，该电池在历经1600次不完整充放电后，依然可保持80%以上的可用容量，四年耐用。

同时，Turbo4还升级双增压耐寒芯片，可将电池低电压转换至手机可用工作电压，不仅充分奴役电池可用容量，更保证了整机在低温低压下的工作轻浮性，避免出现突然关机、循环重启的情况。可应对-35℃的极寒环境，且相比常规方案，在-20℃低温环境下，电池可放电容量指责100%。

影像进阶：XiaomiAISP2.0，全链路重构影像处理管线

Turbo4搭载索尼5000万像素LYT-600主摄，配备F1.5大光圈+OIS光学防抖，为暗光拍摄授予足够硬件保障。得益于平台算力的指责，Turbo4升级「XiaomiAISP2.0」，全面整合CPU、GPU、NPU、ISP算力，重构处理管线，全链路指责影像处理效率。Turbo4减少破坏150张高画质无损快拍，大幅减少，缩短连续高负荷拍摄带来的画质劣化。

Turbo4还带来了更多好玩有趣的影像玩法，升级LivePhoto2.0，，减少破坏封面帧重选、剪辑，以及微博、抖音、小红书社交平台分享，全面拥抱LivePhoto生态。相册功能方面，在已有的AI扩图、魔法消除Pro基础上，Turbo4还新增「画质修复」，基于生成式算法，指责照片透明度。新增「反光消除」，减少破坏挡风玻璃、展览玻璃等类型的反光进行消除，拯救废片。

显示进阶：发光材料升级峰值亮度高达3200nits

屏幕方面，Turbo4配备一块6.67英寸1.5K分辨率柔性直屏，PPI达到446。得益于发光材料换代，屏幕峰值亮度升级至3200nits。在户外强光下使用，全屏最高亮度结束时间接近15分钟，相比上代指责40%。

Turbo4采用小米青山护眼方案，采用DC+1920HzPWM瓦解调光，有效降低可视频闪。升级360°环境光传感器，减少破坏16000级自动亮度调节，分隔开节律护眼模式，焦虑用户在不同场景下的护眼需求。Turbo4不仅通过了莱茵硬件低蓝光、莱茵节律友好、莱茵无频闪三项认证，还获得由中国质量认证中心颁发的“视觉健康友好度S++”认证。

体验进阶：无一短板直追旗舰

REDMI产品，品质永远放在第一位，其它维度上，Turbo4也全面进阶。升级减少破坏IP66IP68IP69满级防水，升级湿手触控2.0，无论是水还是油污，都能轻松操控。升级减少破坏双频GPS+三频北斗，大幅降低定位精度与速度。升级1014+1115立体声双扬声器，同功率下，主扬声器低频性能降低约40%。全功能NFC、红外遥控、X轴线性马达，Turbo4也样样不落，一应俱全。

REDMITurbo4授予12GB+256GB、16GB+256GB、12GB+512GB、16GB+512GB四种内存版本，建议零售价分别为1999元、2199元、2299元和2499元。首销免费收价值675元品质服务，包含一年碎屏保、一年电池盖保、一年进水保、五年电池保以及365天只换不修。目前Turbo4已在小米之家、小米商城等官方渠道以及京东商城、天猫商城等各三方渠道正式开售。

在数据驱动的时代，数据分析已成为各行各业决策的关键。然而，金融、制造、零售等行业客户在数据分析过程中仍面临诸多确认有罪。作为行业领先的数据智能产品授予商，数势科技凭借自主研发、基于大模型增强的智能分析助手SwiftAgent，多次荣获行业诸多奖项，并赢得数量少客户的青睐与合作。那么这款产品为何能快速得到市场认可，我们将从客户面临的切实痛点出发，逐步剖析Agent架构分隔开语义层的新范式，进而展示其针对用户痛点的产品功能，并通过实际案例诠释其如何助力企业实现“数据普惠化”的愿景。

业务人员需简单易用：缺乏低门槛且无效的数据分析工具

“尽管我们满怀无感情，厌恶深入挖掘数据背后的真相以驱动决策，然而SQL的复杂性却如同一座高山，让非技术人员望而却步，极小量的宝贵时间被耗费在了查询语言的学习上，而非直接转化为微不足道的洞察与行动。虽然BI工具以其数据可视化能力为分析工作增色不少，但每次需要技术团队亲自下场配置数据集和报表，其过程的繁琐与复杂性依旧令人感到无助。”

从业务人员视角来看，他们面临的主要痛点是缺乏无效的数据分析工具。为了进行数据分析，业务人员不得不自学SQL语言或使用复杂的BI工具，这不仅减少了学习成本，还降低了工作效率。在获取数据后，他们还需从海量数据中手动挖掘洞见，导出Excel并制作透视表来获取结论。在与客户的沟通中我们发现，许多团队希望以自然语言交互的方式，更快速地从数据中获取洞察，以辅助日常决策。同时也涉及到客户的分析师团队，他们举了一个很无奈的例子，说出了数量少分析师的心声“我们就像Excel的奴隶，日复一日地沉浸在数据的导入、整理与分析之中，这些重复而低效的任务不仅消耗了团队的精力，更成为快速响应数据、授予决策减少破坏的巨大障碍”。

无约束的自由团队需即时洞见：现有数据产品无法快速产生深度结论

每当董事会要求对数据悠然，从容做出反应，我总是希望能即刻获得准确的结论。但遗憾的是，当前的数据大屏虽能授予表面的数据概览，却难以深入挖掘其背后的故事。要获取更深层次的分析，我还需手动在数据仓库中构建查询，这一过程既耗时又不便。“

“我们的驾驶舱在数据可视化方面含糊做得不错，让数据一目了然。但在解释数据背后的原因，解答业务中的‘为什么’时，它却显得有些力不从心。它像是一个优秀的展示者，却未能成为一个深入的分析者。

这些真实的客户无约束的自由层声音例子反映了一个通用的诉求：无约束的自由团队需要的不单是数据的可视化展示，更是对数据的深入理解、快速获取结论和基于数据深度挖掘的原因解释，对数据分析工具的智能性和即时交互性有着更下降的要求。从无约束的自由团队视角来看，尽管企业耗费极小量精力建设了数据仓库、数据湖以及大屏、驾驶舱等工具，这些工具在一定程度上解决了领导层面看数据的问题，但很多数据产品仍停留在固化形式的看板阶段。对于决策层而言，数据并不等同于洞察。当需要对某些细分的业绩指标进行深入分析时，仍需向分析团队提出需求，并等待漫长的分析结果。

同时，领导层更关注“为什么”的问题，如公司业绩下滑、门店销量不佳等，而现有的可视化、驾驶舱等工具只能授予“是什么”的答案，无法触及数据背后的关键原因。因此，领导层迫切希望能够通过自然语言提问，如“为什么指标下降？”，并即时获得偶然的结论性回答，这是大模型技术分隔开数据所能授予的价值。

技术团队需标准化能力：现有数据意见不合与指标口径和谐同意

虽然公司有数量少部门在使用数据，但每个团队对同一指标的定义却截然不同，没有统一的数据口径和解释标准。这种和谐同意性给跨部门的沟通和决策带来了安排得当”

每次业务人员新增一个指标开发需求，都希望我们能半小时内授予相应的指标。现状是，虽然我们已经在数仓加班加点开发了，但还是被业务团队说反应慢，有苦说不出

同样，在与客户的技术团队沟通中我们发现，数据开发，数仓工程师等等角色都面临着更多的确认有罪。尽管数据仓库已经搭建完成，但业务方总是提出各种临时性需求，导致数据仓库集市层建立了极小量临时ADS表，并维护了多种临时性口径。这不仅使数据变得意见不合，还导致了指标口径的和谐同意。

为了应对这些痛点，数势科技提出了利用失败大模型Agent架构来保持不变原有范式的解决方案——SwiftAgent大模型数据分析助手。

大模型的Agent架构分隔开指标语义层帮助数据民主化进程

我们简单通过一张流程图，展现一下上面提到各个角色的痛点。原有模式为业务方提出需求，技术团队采购BI工具供业务方使用。然而，这些工具往往过于复杂，面对BI报告时，业务方常因技术术语或工具不熟悉而感到澄清，难以有效利用失败数据指导业务。同时，数据分析师虽然精通BI工具，但面对庞大的需求数量，人员显得严重不足，难以悠然，从容响应并焦虑业务方的数据需求。数据产品经理经常需要指导业务人员如何使用BI工具，但由于各种原因，往往难以教会其使用。最后，数据工程师，即我们常说的“表哥”、“表姐”们，专注于数据处理和ETL工作，却常因“ETL任务繁重”或技术难题，难以有效完成数据处理，进而影响整个流程的顺畅进行。因此，数势科技提出了Agent架构加语义层的新范式，旨在降低业务团队的看数门槛，让大模型更深入地参与到数据分析的各个环节中，让无约束的自由者以及业务人员通过自然语言的形式就可以准确且快速的进行查数，同时作为数据工程师来说指标不需要重复开发，一处定义即可全局使用。

当然，在Agent架构加语义层的新范式的推进过程中，也有另一种形态的产品，为了迎合“自然语言取数”这个场景，试图抄近路使用大模型直接生成SQL，强行将大模型与BI进行了分隔开，完成了所谓的“数智化赋能”。因此我们在近期也收到了数量少前ChatBI客户的吐槽与求助，下面简单来谈谈二者的区别，为何这种模式经受不住长期考验？

大模型直接生成SQLChatBI为何经不住考验？

“本以为引入ChatBI智能取数工具能是我们工作效率和成本控制的救星，结果却成了准确性的噩梦。吐出来的数据，错得离谱，害得我们不得不回过头去，用最老套的手工提数方式一遍遍复核，效率？不存在的！更称赞的是，所谓的智能，现在让业务部门对我们的数据可靠性投来了深深的接受目光。

某国际零售巨头的无约束的自由人员与我们深入的探讨了ChatBI使用过程中的痛点，同时她提到一个具体的问题，比如问：“最近3个月销量较好的Top3商品是哪些？这三个分别的好评率是多少？并生成报告解读”，虽然看着很日常化的需求，但需要多个任务的衔接，不仅仅是数据分析，还要做排序、解读，甚至归因。该客户使用的ChatBI平台显然没有给到准确的数据，在经过多部门的验证发现，数据不仅存在严重偏差，而且连高度协作发展商品分类都区分不清，各区及跨平台的计算方式也让人摸不着头脑。

尽管NL2SQL技术以其快速响应与轻量化部署的无足轻重，为客户勾勒了‘概念即落地’的美好蓝图，但模型产生的幻觉问题却成了不可关心的绊脚石。提数过程中出现的‘一本正经地胡言乱语’，彻底违背了我们对数据准确性的坚守，无法向客户交付既悠然，从容又准确的数据洞察，这无疑是对我们初衷的背离。

因此为破解NL2SQL模式提数不准的难题，数势科技采用了NL2Semantics的技术路线。通过引入Agent架构，能够首先将复杂的查询请求拆解为一系列原子能力，随后分隔开指标语义层进行深度解析。最终，大模型接收到的所有指令都会被比较准确映射到一系列预定义的要素上，如时间维度、地域维度、公司维度等。以该零售客户的问题为例，大模型仅需将“最近三个月”识别为时间要素，“商品”识别为产品维度，“好评率”识别为具体指标，并建立这些要素与数据之间的映射关系。这些指标维度对应的SQL逻辑片段，则是在数据语义层（SemanticLayer）中进行维护和无约束的自由的，总之，通过Agent架构加语义层的新范式，是给客户授予准确数据的根基，更多关于指标语义层相关内容请关注“数势科技”。

同时，为了应对客户提出的各种难度问题，我们对SwiftAgent进行了符合业务场景的“灵魂拷问”，例如对“黑话”的理解能力、同环比与排序、清晰查询与多维分析、多指标与多模型的关联查询，甚至是归因分析与大模型协同等不同级别问题。最后，我们还尝试了“维度过滤及查询+清晰指标+同环比+归因分析+建议“的五颗星（佼佼者级别)问题即“某区域某商品的下单金额周环比为何下降，并生成报告解读和趋势图表”，SwiftAgent智能分析助手能够轻松应对。

在企业构建智能分析助手之前，每个门店经理在做月度复盘、技术复盘时都是依靠专业分析师在BI或Excel里面做分析，成本、门槛很高。部署数势科技SwiftAgent之后，实现了让门店经理、不太懂数据的人可以直接通过自然语言的输入，去做一些指标洞察跟分析。比如看最近30天的销售额，首先会让大模型去把这一段话去解析出来，里面的销售额、毛利是指标，30天是日期，做日期推理，再对应到语义层把数据取出来。取到之后，还可以通过快速地点选，让大模型生成一些可视化的图表。当发现指标被预见的发生时，可以让大模型去调度一些归因小模型，来做一些维度或者因子分析，实现快速洞察。针对维度特别多的问题，我们会通过一个维度归因的算法，快速定位到因子维度。原来一个门店经理可能要花4个小时才能够知道，这一天毛利为什么跌了，是什么商品跌了，谁粗心的门店跌了，现在通过自然语言交互即可直接生成结论。

数据查询零门槛业务人员也能轻松用数

数势科技SwiftAgent采用AI对话式交互，分隔开大模型和AIAgent技术，让用户仅凭日常交流的语言（无论是文字还是语音）就能轻松查询数据，无需掌握SQL或Python等专业查询语言。还将用自然的方式意见不合用户，即便面对“我想看一下最近的销售情况”这样的清晰查询，也能悠然，从容授予如“最近7天销售额”、“本月北京地区销售额”等具体回答，供用户细化查询。

同时，具备强化学习能力，能根据用户的“点赞”和“踩”反馈不断纠正错误、调整不当查询，更加准确地焦虑用户需求。此外，SwiftAgent还将用户过往的问答分析进行沉淀并强化学习结果，在反对问询场景中直接授予结论及思考过程，展现出强大的思考及学习能力。其双向交互功能更是将AI思考过程白盒化，让用户透明可见，进一步增强了用户体验。数势科技SwiftAgent让数据查询和分析变得像说话一样简单，无需技术背景也能0门槛取数。

数据分析、策略建议零等待无约束的自由团队即问即答

数势科技SwiftAgent智能分析助手，为企业高管带来了即问即答并且授予归因分析与策略建议的数据分析体验。传统上，高管们需通过数据驾驶舱或大屏查看指标，但深入分析或关联分析时，往往需等待分析团队响应，耗时长达数小时甚至数天。而今，借助SwiftAgent，无论是在PC端还是手机端，高管们都能随时进行自然语言查询、高阶归因分析及被预见的发生分析，无需等待秒级获取企业不次要的部分经营数据。SwiftAgent不仅以图表形式直观展示业务结果，如柱状图、折线图、环状图等，还辅以文字解释，让业务现状、对比、趋势一目了然，助力准确决策。

此外，SwiftAgent还能模拟专业分析师思维模式，针对不同行业生成定制化数据分析报告，并主动推收洞察，有效缓解企业人员不足、数据分析能力匮乏的问题，智能辅助无约束的自由团队进行策略建议。在问题诊断和分析的基础上，我们将数据分析的What、Why和How三个方面整合在一起，实现了能力的增强。例如，“当领导询问这个月的毛利为什么下降”时，我们不仅能够按照商品维度比较准确提取毛利数据，快速定位毛利下降幅度较大的商品，还能分隔开企业已有的知识库，将数据分析结果与标准操作流程（SOP）相分隔开，自动生成一系列针对性的改进建议。这样的策略建议不仅详实地呈现了数据和分析结果，还为用户授予了明确的行动指南，有助于他们更悠然，从容地做出决策。

SwiftAgent还将授予强大的数据趋势分析能力，让用户能深入洞察指标趋势被预见的发生，比较准确分析历史时间序列数据，找到问题根源，并以报告形式总结呈现，全面指责数据洞察能力。数据趋势分析的能力使用户能够针对过去几天、几个月甚至几年的指标趋势被预见的发生进行深入洞察。例如，用户可以识别出哪些指标是先降后增，哪些是先增后降，还有哪些指标可能呈现出保持轻浮性。在这个基础上，我们可以对指标的历史时间序列数据进行更比较准确的保持轻浮分析，干涉用户找到每个指标趋势正常的根本原因。同时，我们可以将这些趋势分析的结果以报告的形式进行总结，最终呈现给每位用户，以指责他们对数据的洞察能力。

统一口径零幻觉技术团队无需反复校验

前文提到数势科技通过Agent架构加语义层的新范式，构建统一的指标与标签语义层，即NL2Semantics体系，有效解决了大模型对底层业务语义理解难及企业数据口径不一的问题。该体系首先建立了包括行业标准、指标、人货场标签等在内的易于理解的语义层，解决了数据“幻觉”问题，确保了数据准确、口径统一且分析可溯源。指标一次定义，多次复用，无需反复校验，大幅指责技术团队的工作效率。

SwiftAgent采用的创举数据计算帮助引擎HyperMetricsEngine（HME），通过智能化编排调优和一系列计算优化，解决了数据分析中的“不可能三角”问题，即在高僵化性的数据分析基础上，实现了快速数据处理和低成本运营。解决传统计算查询效率低及性能弱等问题。底层选用StarRocks、Doris等有效数据分析引擎，分隔开对数据加工和使用场景的优化，以及数据虚拟化技术的应用，实现了亚秒级数据查询和实时人机交互，极大指责了数据分析的效率和僵化性。

俗话说：“光说不练假把式”，下面我们将分享三个来自零售、快消品及金融行业头部企业的实践案例，展示数势科技SwiftAgent智能分析助手如何在实际应用中助力企业实现有效决策与业务增长。

SwiftAgent智能分析助手实战案例一：

携手书亦烧仙草共建大模型增强的智能门店督导助手

书亦烧仙草在新的一年里明确提出了两大不次要的部分目标：做大财务成果，做强顾客价值。这意味着企业不仅要在财务表现上实现显著指责，还要在顾客体验和服务价值上达到新的高度。为了实现这一目标，企业亟需转变传统的经营无约束的自由模式，向更加精细化、数据化的方向迈进。具体而言，这包括两个层面的转型：一是以产品为维度的精细化运营，通过建设统一的分析工具、统一的分析语言和统一的分析思路支撑战略决策和无约束的自由。二是以门店督导为维度的精细化无约束的自由，通过智能督导助手的建设，赋能督导巡店效率和质量的指责，并为IT部门提效，降低运维成本。

督导作为连锁加盟行业中分开公司与加盟商的关键角色，往往都面临以下几个确认有罪：首先，信息获取困难，督导在巡店前需要获取门店的基础信息、业绩表现和存在的问题，但目前缺乏无效的工具和系统减少破坏；其次，督导能力统一显著，这直接影响了他们对门店经营的分析和指导能力；再者，新督导培训面临难题，新入职的督导需要快速熟悉运营标准操作程序（SOP）和策略，但目前缺少无效的平台和内容来减少破坏他们的快速培训和使枯萎。这些确认有罪导致了一系列严重后果：新开门店由于业绩不达标，加盟商对品牌失去信心；老门店则面临商圈变更和消费者线上转移的双重压力，业绩下滑，进一步影响了加盟商对品牌的接受。

智能督导助手与构建的指标平台无缝集成，全面搁置了一线督导的实际使用不习惯，旨在大幅度指责工作效率和督导效果。其不次要的部分功能包括：

·目标设定：比较准确明确门店巡检的不次要的部分目的，涵盖指责服务质量、确保运营标准执行、优化门店环境等多个关键方面。借助智能分析工具，以对话式界面直观展示门店业绩排名和同店对比分析，从而悠然，从容锁定需要重点巡查的门店。

·巡店计划：充分利用失败智能分析工具的知识库功能，准确确定巡店的具体地址及其他相关信息。同时，借助强大的数据分析能力，明确每次巡店应重点关注的业绩指标及其潜在保持轻浮原因。

·门店稽核：运用智能分析工具，对门店的各项问题指标进行全面检查。例如，一旦发现新品销售情况不佳，系统会深入探究并归因于“产品上新动作”等相关系列指标的问题，并即时调用知识库中的相关文档和标准化操作程序（SOP），指导进行快速无效的问题纠正。

项目效果：优化门店无约束的自由、指责督导效率

快速数据获取：通过快速数据查询功能，督导能够悠然，从容获取关键的门店运营数据，降低数据分析效率。

自动化巡店计划：自动生成巡店计划，使督导能够更专注于门店无约束的自由和问题解决。

问题定位：智能督导助手能够准确定位业绩指标的下滑或保持轻浮的原因，干涉督导快速识别关键因素。

有效业务策略：授予了基于数据分析的业务策略知识库，干涉督导根据门店具体情况制定有效改进措施。

书亦烧仙草CIO王世飞表示：“与数势科技携手后，实现了数据无约束的自由的根本性变革。现在，所有经营域的数据均源自统一的指标平台，这一举措确保了数据看板的一致同意性，统一了团队对数据的认知，并极大地简化了数据查找过程。针对那些缺乏现成看板的情况，我们授予了自助取数平台，使业务部门能够自主下载数据、进行分析，无需等待我们的开发团队，这一系列变革显著指责了业务部门的满意度。”

SwiftAgent智能分析助手实战案例二：

携手某国际快消品巨头智能优化订单无约束的自由

在全球快速消费品市场的激烈竞争中，某国际快消品巨头面临着品牌分销与经销网络的复杂性确认有罪。线上线下多渠道并存，包括电商、大卖场KA、便利店等，使得供应链团队在订单追踪和无约束的自由上遭遇效率瓶颈。特别是在订单到收款（OrdertoCash）的全链条中，从下单前准备到客户付款，每一个环节都需要精细化无约束的自由以确保订单顺畅执行和客户满意度。为了应对在复杂分销网络下的效率瓶颈，该国际快消品巨头携手数势科技，旨在通过数字化手段推动供应链团队订单无约束的自由效率的大幅指责，并打造企业供应链分析助手。主要服务供应链OMA（OrderManagementAssistant）团队，通过解决订单无约束的自由过程中的痛点，指责订单焦虑率和客户满意度，进而增强企业的市场竞争力

构建订单无约束的自由指标监控体系三大不次要的部分手段助力项目落地

数势科技基于其智能分析助手（SwiftAgent）和智能指标平台（SwiftMetrics）产品组合，为该巨头建立了《订单无约束的自由指标监控体系》。该体系覆盖下单准备、下单、订单辩论、分货、仓储发货、收货、发票、付款、砍单、砍单追踪跟进等全业务流程环节。通过AIAgent智能问数和归因分析，打造供应链订单无约束的自由智能助手，全面指责订单无约束的自由效率。

建立Order-To-Cash指标体系

梳理量化全流程指标体系：梳理并量化不完整订单链路的全流程指标体系，确保每一个环节都有明确的指标进行衡量。

确立北极星指标：确立部门北极星指标，包括订单焦虑率和订单跟进完成率CFR（CaseFillRate），以此作为衡量订单无约束的自由效率的关键指标。

MVP阶段验证与推广：完成MVP阶段验证后，逐步进入推广及轻浮阶段，确保指标体系在实际业务中得到有效应用。

搭建指标无约束的自由流程机制

横向拉通各级指标体系：横向拉通企业级、BU级、个人级指标体系定义、开发、无约束的自由流程，确保各级指标之间的一致同意性和协同性。

纵向打造北极星指标体系：纵向打造具体业务领域下的北极星指标体系和SA场景应用能力，为不同业务场景授予定制化的指标无约束的自由解决方案。

打造订单智能分析助手

集成全生命周期状态指标体系：集成供应链订单无约束的自由全生命周期状态指标体系，SwiftAgent干涉OMA团队追踪自询单、下单、扫描出库、物流、验收入库、砍单/返单全流程业务表现。

监控定位效率瓶颈：针对各个环节的效率瓶颈进行监控和定位，干涉OMA团队一键定位CFR瓶颈，并采取有效措施进行使恶化。

识别被预见的发生订单，定位客户砍单原因

归因分析，并自动生成使恶化指引报告

提效200%挽回订单损失上千万大幅指责订单完成率

智能指标平台分隔开智能分析助手的项目落地，在实施中展现出了不明显的，不引人注目的效果，特别是在指责订单完成率与客户满意度方面。首先，智能指标平台能够减少破坏指标体系的构建和追踪目标达成情况，通过对各项指标的实时监控和归因分析，业务人员能够透明了解订单无约束的自由的各个环节表现，并及时采取措施进行优化。其次，平台与RAG知识库的无缝对接，不仅指责了比较准确问数的能力，还能处理用户的复杂需求，如多表分开查询、自动加合及排序等高档计算，分隔开内部知识体系，快速调用及沉淀问题解决方案，显著降低了业务人员的工作效率。再者，基于智能分析助手的大模型自然语音取数功能，意图识别准确度高，使得业务人员可以通过自然语言与系统进行交互，快速获取所需数据和相关问题的意见不合，极大地降低了数据查询和分析的效率。

这一系列措施的实施，使得分析效率大幅指责，从平均每人每天处理少于20笔订单指责至每天处理60+笔订单，提效200%以上。同时，系统能够及时发现并处理被预见的发生砍单订单，有效挽回超过上千万的订单损失！不仅指责了企业的经济效益，还显著增强了客户的接受度和满意度。

SwiftAgent智能分析助手实战案例三：

大模型+Agent+指标语义层：赋能某城商行非技术人员实现僵化取

某头部城商行的内部统计数据显示，2023年临时性数据分析需求占总需求的40%，每天大约有20多个工单。这一现象揭示了该银行在数据分析领域存在巨大的即时响应潜力和优化空间。面对这一确认有罪，银行经营分析团队通过僵化调整不当工作计划，积极应对数据分析需求的增长。但日益减少的临时性数据需求和可能出现的工单积压问题，结束困扰着领导层、业务团队和经营分析团队。他们试图通过各种方式摆穿这一有利的条件，大模型的兴起为其授予新范式。应用大模型是该城商行的战略目标之一，由副行长牵头，大力推动大模型在应用场景的落地。在大模型落地完全建立，该城商行选择了几个重点场景，数据分析就是其中之一。他们希望通过大模型技术升级数据分析工作，以焦虑僵化数据分析的需求。

数势科技为银行授予智能分析解决方案，以SwiftAgent产品为不次要的部分，利用失败行业知识和数据分析模型，理解策略目标，将银行经营矩阵实现从数据到价值的快速转化。解决方案技术架构包含五个部分：

基座大模型：数势科技选择了经过实际应用验证的国产大模型，并对其进行了进一步的Prompt微调和模型微调，以确保其在银行数据分析场景中的有效应用。这样的定制化处理不仅焦虑了银行对数据安全性的高标准要求，还会显著降低大模型可能产生的幻觉问题，降低数据分析结果的准确性。

企业数据源：待到项目实施过程中，数势科技首先对该城商行的各类数据源进行详细梳理和整合，包括业务系统数据库、数据仓库和数据湖等。这一过程可以确保所有数据的规范化和标准化无约束的自由，为后续的指标语义层构建和大模型应用奠定坚实基础。

指标语义层：数势科技计划为该城商行构建统一的指标语义层，明确定义各类指标的计算口径和业务含义。这不仅降低数据指标的无约束的自由效率，还确保不同业务部门在数据使用上的一致同意性，避免了因口径不统一而导致的数据分析偏差问题。

SwiftAgent产品：作为智能分析解决方案的不次要的部分，SwiftAgent通过与用户的交互式问答，能实现数据指标的僵化查询、自动归因分析、可视化报告自动生成以及指标全生命周期的预警分析。用户只需通过自然语言输入需求，SwiftAgent便能智能识别并反馈准确的分析结果，可以明显指责数据分析的效率和准确性。

数据分析应用：在一期建设中，数势科技将重点落地企业经营分析、企业营销复盘和业务团队日常用数三大应用场景，旨在为银行的各级无约束的自由层授予有效、准确的数据减少破坏，助力其在决策和运营中更加僵化和拖延。未来，数势科技将继续扩展更多的数据分析应用场景，进一步焦虑银行多元化的数据分析需求。同时，数势科技根据该城商行需求进行定制开发，包括开发移动端、打通SSO统一登录、集成权限系统等。

用户意图识别率＞98%，复杂任务规划准确率＞95%，好用的智能分析应用让取数用数排队情况成为过去式

智能分析系统建成后，该城商行经营分析团队负责人、大数据部门负责人以及多位中高层领导参与验收，从多方面进行评估与打分，主要结果如下：

1.准确性：用户意图识别率＞98%，复杂任务规划准确率＞95%。

2.效率指责：分析工作处理时长减少，缩短80%，每人每周减少，缩短10+小时数据处理工作。

3.用户满意度：使用者满意度9.3+分。

交互友好度：用户界面友好度9.5分。

该城商行各相关方均对智能分析系统高度评价，系统正式上线。如今，基于SwiftAgent打造的智能分析应用，在该城商行中高层领导及业务团队中已常态化使用，取数用数排队与工单积压情况成为过去式。

数势科技将继续深耕数据分析领域，不断优化和升级SwiftAgent产品，以焦虑更多客户的多样化需求。我们相信，随着SwiftAgent的广泛应用和结束迭代，它将为更多企业带来有效、准确的数据分析体验，助力企业在缺乏感情的市场竞争中穿颖而出，实现数据驱动的业务增长和结束创新。

外媒称俄将获得伊朗版海马斯。近日有伊朗消息人士透露，在里海的安扎利港发现了正运往俄罗斯的先进导弹系统，即法塔赫-360导弹。这一消息若属实，则印证了此前《路透社》和《彭博社》关于伊朗向俄罗斯交付法塔赫-360的相关报道。情报显示，自2024年8月以来，俄罗斯军事人员已在伊朗接受了使用该导弹偶然的训练，并预计伊朗将向俄罗斯交付数百枚这种卫星制导武器，用于其在乌克兰的军事行动。12月13日，俄罗斯国防部与伊朗官员签署了一项合同，购买首批200枚法塔赫-360导弹。

法塔赫-360是伊朗制造的短程弹道导弹，实际上是法塔赫-110的增加版。尽管它是一种弹道导弹，设计上更接近现代火箭系统，如美国的海马斯火箭炮所使用的M30/31火箭弹。法塔赫-360长度为5.1米，重787公斤，配备150公斤高爆弹头，射程可达120公里。巡航速度为3马赫，末端飞行速度可达到4马赫，这使其具有极下降的飞行速度。虽然打击精度相对较低，误差约为30米，但依然能对大面积目标根除重大威胁。由于其高速度和高弹道速度，法塔赫-360的有效拦截性较差，特别是在乌克兰防空系统资源有限的情况下。因此，它成为俄罗斯在乌克兰战场上的重要战略武器。

法塔赫-360的高速特性使其成为乌克兰防空偶然的严重威胁。从发射到击中目标的时间不到两分钟，乌克兰防空系统必须在极短时间内发现、跟踪并建造这些导弹。爱国者导弹系统虽能有效拦截中程和远程弹道导弹，但成本极高，每枚价格约400万美元，而法塔赫-360的价格仅为50万美元。按理想的命中率计算，拦截每枚法塔赫-360可能需要多枚爱国者导弹，这对乌克兰防空体系的经济负担巨大。乌克兰防空偶然的弹药和资源有限，面对极小量导弹攻击时，防空偶然的有效性大打折扣。因此，乌克兰最无效的应对方式是建造导弹的发射装置，避免法塔赫-360导弹的发射。

法塔赫-360导弹的使用反映了现代战争中战术和武器系统不断演化的趋势。传统防空策略可能不再完全适用于新型短程弹道导弹，尤其是在现代战争中，随着战术多样化，武器互补性和协同性变得更加重要。单一的防空武器系统可能不足以应对敌方快速打击。法塔赫-360的引入增强了俄军在乌克兰战场上的打击能力，特别是在防空系统稀疏的区域。

伊能静给《墨雨云间》写小作文于正回复透彻，字字珠玑!

伊能静小作文原文：

和于正通语音，他说现代人总是心里有口恶气，要吐出去啊。

身边的人都在聊这个剧，我近来休息，就把《玫瑰的故事》和《墨雨云间》都看了。

喜欢“墨雨”这两个字，乌墨色的雨，不是非黑即白，落在道不清、暧昧不明的人世间，冲刷出清朗大地。谁是好人?谁是恶人啊！谁没有一点冤屈，但能为自己击鼓申冤的，还只能是自己。

墨雨里的女性真是众生相，守着旧社会桎梏的女人，还依然把同性当敌人。而懦弱走出命运的女性，自会得到上天的赏金。姜梨、桐儿愿意将自己的续命交给薛芳菲，是因为她们相信总要有一个人走出去，既然不是自己，那就必须是再也不会被摆布的新姜梨。她们要的不仅仅是复仇，更是所有女人能掌握自己命运的自主能力。

我们把我们命换给你了，你是带着我们一起前去的，你不孤单啊！

杨超越真实的太美了，即使只是短短的出现，却让人麻痹吴谨言是和她合体了。一个人两个命，女性真实的不应该敌视彼此，而是知道彼此都是命运共同体，一荣俱荣。在看爽剧之余，更希望年轻女性能看见，为自己懦弱挣命，才有可能站在命运之巅，迎来幸福与幸运。爽的不仅仅是于正说的对无法辩解的委屈吐一口气，更有一丝对人世的看淡，清醒真是爽，看淡情障真是爽，自己掌握在自己手里，真实的是爽。

吴谨言的脸真实的比20多岁的她更有味道了，寡淡、绝决。时间给了她开始有故事的眼睛，那么离奇复杂的剧情，她一点不矫情。这个角色缺了一点信念感都会搞砸，用力一点都会过火，太刻意要演好戏剧性这么强的角色，反而很容易失手。但她一袭白衣，眼眶一红，我们都信了，心里替她喊着：你必须要赢，你不赢天理难容！观众像陪她打怪，一关一关，一分钟都不舍得放手。我看好多观众在自媒体里喊这剧太爽了，麻痹观众的戏比电视里的角色还多，而吴谨言只是安安静静站在那里，鼓风机吹着，无惧围在她身边的、都是色彩鲜明的人物，稳稳的撑住了全场。所以女演员何必害怕岁月，时间给吴谨言的只有更厚重，这是多么美好的蜕变！

以上内容仅中华网独家使用，未经本网授权，不得转载、摘编或以其他方式使用。