
疫苗 KB 智能问答
已上线553 chunks 犬伤防治知识库,支持查询重写与多轮对话,专业问题专业高准确率
Technology · Artificial Intelligence
以 LLM 大模型为引擎,RAG 知识库为记忆,多智能体编排为执行, 构建从问答到自主决策的企业级 AI 能力栈。 Bookworm 智能路由系统是鑫霖 AI 工程化能力的最佳实证。
LLM 技术栈
鑫霖不绑定单一模型,根据任务特性选择最合适的 LLM,支持公有云 API 与私有化部署两种模式。
主力推理模型,代码生成、复杂分析
多模态任务、视觉理解、图文分析
中文场景、私有部署、低延迟推理
开源微调底座,领域专业化模型
RAG 技术
从原始文档到精准答案,鑫霖 RAG 管线覆盖解析、分块、向量化、检索、重写到生成全流程。
STEP 01
PDF / Word / 网页多格式解析,表格与图表结构化提取
STEP 02
语义感知分块(512 tokens),重叠窗口保留上下文连贯性
STEP 03
Embedding 模型(BGE / text-embedding-3)生成高维向量
STEP 04
向量相似度 + BM25 关键词双路召回,Reranker 精排
STEP 05
HyDE 假设文档 + 多查询扩展,覆盖歧义与同义表达
STEP 06
LLM 带来源引用生成答案,可溯源到原始文档段落
已落地案例
疫苗 KB 知识库(553 chunks 犬伤防治文献)采用完整 RAG 管线, 查询重写 + HyDE 扩展覆盖同义词,Reranker 精排提升 Top-3 召回精度, 专业领域问答专业高准确率,已在联合研发项目中上线运行。
多智能体系统
单模型不够用时,用 Agent 网络解决问题——任务拆解、并行执行、结果校验、自我迭代。
Agent 自主决策调用搜索、数据库查询、API、代码执行等工具,完成复杂任务链。
Orchestrator 智能体拆解任务,分发至专业子 Agent 并行执行,结果聚合与校验。
短期工作记忆(上下文窗口)+ 长期记忆(向量存储),跨会话保持业务状态。
输出质量门控,支持 Reflexion 自我反思与 Constitutional AI 约束,减少幻觉。
鑫霖自研 · 最佳实践
94 技能 · 18 专业智能体 · 40 钩子 · 22 MCP 服务, 意图识别 → 专家调度 → 质量门控三层闭环,路由准确率 100%。 这是鑫霖 AI 工程化能力的核心证明。
平台架构
从基础设施到业务应用,每一层职责清晰,可独立替换和扩展,支持私有化全栈部署。
落地场景
鑫霖 AI 技术均有实际业务场景验证,非 Demo,非 PPT。

553 chunks 犬伤防治知识库,支持查询重写与多轮对话,专业问题专业高准确率

时序数据异常预测模型,提升异常预警提前量,减少冷链断链损失

结合 RAG 知识库与工单系统,处理常规咨询,复杂问题自动升级人工

Bookworm 路由调度 zero-defect-guardian 技能,自动 PR 审查与安全基线检查
Prompt Engineering
大模型能力的上限由模型决定,但下限由 Prompt 决定。 鑫霖积累了大量企业级 Prompt 设计经验,覆盖角色设定、 少样本示例、思维链 (CoT)、结构化输出和约束注入。
Bookworm 系统中的 94 个技能 Prompt 均经过多轮对抗测试, 确保在边缘情况和对抗性输入下的稳定性。 质量门控机制(Constitution AI)防止有害输出和业务逻辑越界。
模型微调 Fine-tuning
对于通用 RAG 无法覆盖的专业术语理解和格式输出场景, 鑫霖提供 SFT(监督微调)和 RLHF 后处理服务, 基于 Llama / Qwen 等开源模型在客户垂直数据集上微调。
微调后模型可私有化部署在客户服务器,数据全程不出域, 满足医疗健康、生物制药等行业的数据安全合规要求。