基于大語言模型的競品車型配置問答系統(tǒng)設(shè)計(jì)與應(yīng)用研究

雷天鳳 張永 龔春忠 周偉明

摘? 要：本研究致力于優(yōu)化汽車研發(fā)工程師對大量車型配置信息的研究和分析過程。通過設(shè)計(jì)一款基于大語言模型的智能問答系統(tǒng)，工程師能夠以自然語言形式獲取車型配置信息的統(tǒng)計(jì)和可視化結(jié)果，避免了逐步篩選或使用數(shù)據(jù)分析工具的繁瑣步驟，提高了競品數(shù)據(jù)分析的效率。考慮到目前大語言模型在汽車預(yù)研工作中的限制，我們采用案例分析法，以已構(gòu)建的車型配置表為基礎(chǔ)，制定了六步驟的研究過程，包括系統(tǒng)設(shè)計(jì)、大語言模型選擇、數(shù)據(jù)庫構(gòu)建、自然語言解析、SQL執(zhí)行與可視化，以及最終結(jié)果的封裝。成功實(shí)現(xiàn)了基于大語言模型的智能問答系統(tǒng)，為汽車工程師提供了一個(gè)便捷的競品問題解答平臺(tái)，填補(bǔ)了在汽車領(lǐng)域?qū)囆团渲眯畔⒗梅矫娴牟蛔悖构こ處熌軌蚋杆俚孬@取他們所需的關(guān)鍵問題答案。

關(guān)鍵詞：問答系統(tǒng)；大語言模型；車型配置信息；競品分析

中圖分類號(hào)：U462.1；TP319? ? 文獻(xiàn)標(biāo)志碼：J? ? 文章編號(hào)：1005-2550（2024）03-0073-07

Design and Application Research of Competitive Vehicle Configuration Question Answering System Based on Big Language Model

Abstract： This study aims to optimize the research and analysis process of automotive R&D engineers on a large amount of vehicle configuration information. By designing an intelligent question answering system based on a big language model， engineers can obtain statistical and visual results of vehicle configuration information in natural language form， avoiding the tedious steps of gradually screening or using data analysis tools， and improving the efficiency of competitor data analysis. Considering the limitations of the current big language model in automotive pre research work， we adopted a case study method and developed a six step research process based on the constructed vehicle configuration table， including system design， big language model selection， database construction， natural language parsing， SQL execution and visualization， and encapsulation of the final results. Successfully implemented an intelligent question answering system based on a large language model， providing a convenient platform for automotive engineers to answer competitive questions， filling the gap in the utilization of vehicle configuration information in the automotive field， and enabling engineers to quickly obtain the key question answers they need.

Key Words： Q&A system; Big language model; Vehicle configuration information; Competitive analysis

引? ? 言

隨著汽車科技不斷進(jìn)步和市場需求的擴(kuò)大，車型數(shù)量的增多導(dǎo)致車型配置信息變得越來越繁雜。在獲取車型配置信息的過程中，常常面臨信息散亂、難以提取關(guān)鍵信息的困境[1]。在產(chǎn)品預(yù)研[2]階段，為了統(tǒng)計(jì)某個(gè)功能在特定車型上的搭載率和價(jià)格定位等統(tǒng)計(jì)信息，從問題提出到情報(bào)提供通常需要花費(fèi)數(shù)天的時(shí)間，效率低、成本高。目前，將車型配置信息存儲(chǔ)為表格形式雖然提供了可查詢的結(jié)構(gòu)，但要想進(jìn)行深層次的數(shù)據(jù)分析則需要具備一定的SQL查詢[3]等專業(yè)技能。

為了解決上述問題，本文設(shè)計(jì)了一種基于大語言模型[4]的智能問答系統(tǒng)[5]，以提高用戶體驗(yàn)并簡化汽車配置信息的獲取過程。該系統(tǒng)不僅能夠接受用戶自然語言輸入，還能通過中間處理過程，利用大語言模型生成SQL語句和可視化圖形代碼。最終，系統(tǒng)以自然語言和可視化圖片的形式返回用戶所需信息。通過這種方式，用戶無需學(xué)習(xí)復(fù)雜的SQL語句，即可輕松獲取關(guān)鍵信息。本研究旨在使汽車配置信息的獲取更加直觀、高效，為類似領(lǐng)域的研究和應(yīng)用提供新的思路。

1? ? 大語言模型和車型配置信息研究現(xiàn)狀

在大語言模型領(lǐng)域，當(dāng)前涌現(xiàn)出了多款先進(jìn)的模型，其中包括OpenAI的GPT系列、Cohere的Command、Anthropic的Claude-2、Meta的Llama-2以及百度的文心一言等。這些模型在處理自然語言時(shí)表現(xiàn)出色，能夠準(zhǔn)確地分析并處理語言輸入，產(chǎn)生相應(yīng)的結(jié)果語句。更為重要的是，它們具備將自然語言轉(zhuǎn)化為SQL語句或其他編程代碼的能力。可以實(shí)現(xiàn)對車型配置信息的自動(dòng)提取、分析和轉(zhuǎn)化，從而顯著減少繁瑣的手動(dòng)工作，為汽車領(lǐng)域的研究和工程實(shí)踐帶來新的可能性。

在汽車領(lǐng)域的車型配置研究方面，目前的研究方法主要是工程師通過收集各個(gè)網(wǎng)頁上的不同車型配置信息，并將其整理匯總至表格中。為了進(jìn)行進(jìn)一步的配置信息分析，工程師通常會(huì)使用一些數(shù)據(jù)分析工具，如PowerBI、MySQL或Excel中自帶的求平均等基本公式。然而，這種方法要求使用者具備一定的專業(yè)知識(shí)，并且整個(gè)工作流程非常繁瑣，從問題提出到最終結(jié)論至少需要耗費(fèi)一整天的工時(shí)。

此外，由于現(xiàn)行方法依賴于手動(dòng)整理和數(shù)據(jù)分析工具，工程師們在處理大量車型配置信息時(shí)容易面臨誤差累積和效率低下的問題。因此，尋求更智能化、高效的解決方案成為當(dāng)前研究的迫切需求。

2? ? 車型配置問答系統(tǒng)的研究步驟

為了深入研究汽車領(lǐng)域?qū)崿F(xiàn)問答系統(tǒng)這一課題，本文采用案例分析法，并以汽車配置表為信息來源進(jìn)行研究。研究過程包括以下六個(gè)步驟：

（1）系統(tǒng)設(shè)計(jì)：在研究的初期，詳細(xì)設(shè)計(jì)汽車配置數(shù)據(jù)庫問答系統(tǒng)。這包括定義系統(tǒng)的輸入與輸出，確定用戶與系統(tǒng)的交互方式，并構(gòu)建系統(tǒng)的整體結(jié)構(gòu)。系統(tǒng)設(shè)計(jì)的目標(biāo)是確保用戶能夠以自然語言形式提出查詢，系統(tǒng)能夠有效解析和返回相關(guān)配置信息。

（2）選取模型：為了實(shí)現(xiàn)對輸入信息的提取和解析，選擇適用于自然語言處理任務(wù)的大語言模型。在選擇過程中，我們將考慮模型的性能、預(yù)訓(xùn)練效果、計(jì)算資源要求等因素，并在實(shí)驗(yàn)中對不同模型進(jìn)行評估，以選取最適合研究目標(biāo)的模型。

（3）數(shù)據(jù)庫構(gòu)建：建立包含廣泛汽車配置信息的數(shù)據(jù)庫，涵蓋車型、配置選項(xiàng)、性能參數(shù)等方面。數(shù)據(jù)庫構(gòu)建的關(guān)鍵是確保數(shù)據(jù)的結(jié)構(gòu)化和規(guī)范化，以便系統(tǒng)能夠準(zhǔn)確查詢和回答用戶提出的問題。

（4）大語言模型解析：利用選定的大語言模型，對用戶輸入的自然語言進(jìn)行解析，抽取關(guān)鍵信息，并識(shí)別用戶的查詢意圖。此階段旨在確保系統(tǒng)能夠理解用戶提問并準(zhǔn)確定位到相關(guān)的汽車配置信息。

（5）SQL語言執(zhí)行和可視化圖形繪制：根據(jù)解析得到的用戶查詢意圖，生成相應(yīng)的SQL查詢語句，并在車型配置數(shù)據(jù)庫上執(zhí)行。如果有繪圖需求，則通過獲得的查詢結(jié)果，運(yùn)用可視化技術(shù)繪制圖形，以直觀方式呈現(xiàn)用戶所需的汽車配置信息。

（6）結(jié)果封裝：最終，對查詢結(jié)果進(jìn)行封裝，以自然語言文本的形式返回給用戶。對于可視化的圖形結(jié)果，將其適當(dāng)?shù)仫@示在系統(tǒng)界面上，以便用戶能夠直觀地獲取信息。

2.1? ?汽車配置數(shù)據(jù)庫問答系統(tǒng)設(shè)計(jì)

在實(shí)際工作中，不僅要對車型配置數(shù)據(jù)庫進(jìn)行簡單的查詢，而且需要對數(shù)據(jù)庫進(jìn)行數(shù)據(jù)分析，得到關(guān)鍵問題的答案并及時(shí)更新至共享表格等。所以設(shè)計(jì)一個(gè)簡潔的對話框可以直接與數(shù)據(jù)庫進(jìn)行交互，實(shí)現(xiàn)QA任務(wù)。問答系統(tǒng)是一種人機(jī)交互的技術(shù)，通過自然語言處理和數(shù)據(jù)庫查詢等技術(shù)，使用戶能夠以自然的語言提出問題，系統(tǒng)能夠理解并給予相應(yīng)的答案。此問答系統(tǒng)包括3個(gè)方面，具體如下。

自然語言處理（NLP）：利用模型進(jìn)行自然語言處理，包括詞匯分析、語法分析、語義分析等步驟。這一階段的目標(biāo)是確保系統(tǒng)能夠準(zhǔn)確理解用戶提出的問題，使得用戶可以以自然的語言形式與系統(tǒng)進(jìn)行交流。

調(diào)用執(zhí)行：在經(jīng)過自然語言處理后，系統(tǒng)生成相應(yīng)的數(shù)據(jù)庫查詢語句，系統(tǒng)再調(diào)用語句與數(shù)據(jù)庫進(jìn)行交互得到查詢結(jié)果。

結(jié)果輸出：根據(jù)用戶的需求，系統(tǒng)將查詢結(jié)果進(jìn)行格式化呈現(xiàn)，以便用戶能夠直觀地理解和利用查詢結(jié)果。此問答系統(tǒng)的結(jié)果輸出包含2種輸出方式，具體如下：

（1）文本輸出模塊：將自然語言描述的問題利用模型轉(zhuǎn)換為SQL語句，在數(shù)據(jù)庫底層進(jìn)行SQL語句的執(zhí)行，得到輸出結(jié)果后再用自然語言進(jìn)行封裝，得到文本輸出結(jié)果。

（2）圖像輸出模塊：如果有可視化圖像生成的需求，則將SQL語句和查詢結(jié)果利用模型轉(zhuǎn)換為前端代碼，在系統(tǒng)中進(jìn)行渲染，并在對話框進(jìn)行圖片的顯示。圖1描述了整個(gè)問答系統(tǒng)的整體結(jié)構(gòu)流程。

2.2? ?方案選擇

首先考慮使用LangChain框架的SQLDatabase Chain來實(shí)現(xiàn)以MySQL數(shù)據(jù)庫為基礎(chǔ)的自然語言SQL數(shù)據(jù)挖掘。LangChain是一個(gè)基于大語言模型（LLM）接口的框架，允許用戶快速構(gòu)建圍繞大型語言模型的應(yīng)用程序，并且直接集成了OpenAI的GPT模型。然而，LangChain框架也存在缺點(diǎn)，包括OpenAI的API接口可能不穩(wěn)定且獲取相對較難，可能導(dǎo)致對LangChain的依賴受到一定限制。此外，LangChain可能在連接處理大型數(shù)據(jù)庫表時(shí)出現(xiàn)性能問題。

鑒于上述問題，選擇用百度智能云千帆大模型平臺(tái)[6]（以下簡稱千帆平臺(tái)），平臺(tái)提供20多個(gè)大模型，用戶可通過API調(diào)用方式[7]，一鍵部署應(yīng)用。

本文使用千帆平臺(tái)下的SQLCoder-7B和ERNIE -Bot4.0模型。SQLCoder-7B用于將自然語言問題轉(zhuǎn)換為SQL查詢語句，具備超越GPT-3.5[8]的生成效果，并可支持group_by，join，where等復(fù)雜查詢意圖理解和指令生成能力，從而實(shí)現(xiàn)系統(tǒng)設(shè)計(jì)的自然語言處理部分。ERNIE-Bot4.0[9]，是是百度自行研發(fā)的大語言模型，覆蓋海量中文數(shù)據(jù)，具有更強(qiáng)的對話問答、內(nèi)容創(chuàng)作生成等能力，用于實(shí)現(xiàn)系統(tǒng)設(shè)計(jì)的結(jié)果輸出部分，對SQL語句查詢結(jié)果進(jìn)行封裝為自然語言并轉(zhuǎn)換為JavaScript語言。總體而言，選擇使用百度大語言模型，取決于本文的具體需求、系統(tǒng)要求以及對性能和穩(wěn)定性的權(quán)衡。

可視化技術(shù)選用ECharts[10]，它是一款基于JavaScript的數(shù)據(jù)可視化圖表庫，提供直觀，生動(dòng)，可交互，可個(gè)性化定制的數(shù)據(jù)可視化圖表。

2.3? ?車型配置數(shù)據(jù)庫構(gòu)建

2.3.1需求分析

表結(jié)構(gòu)的設(shè)計(jì)需要考慮數(shù)據(jù)的全面性和一致性，以確保對車型配置進(jìn)行深入研究時(shí)能夠充分滿足各項(xiàng)需求，需要覆蓋多個(gè)關(guān)鍵領(lǐng)域，如基本參數(shù)、車身、發(fā)動(dòng)機(jī)、變速箱、底盤轉(zhuǎn)向、車輪制動(dòng)、被動(dòng)/主動(dòng)安全、駕駛操控、駕駛硬件、駕駛功能、外觀/防盜、車外燈光、天窗/玻璃、外后視鏡、屏幕/系統(tǒng)、智能化配置、方向盤/內(nèi)后視鏡、車內(nèi)充電、座椅配置、音響/車內(nèi)燈光、空調(diào)/冰箱等關(guān)鍵信息。需要按照數(shù)值的類型分為字符串類型和數(shù)值類型，故設(shè)計(jì)兩個(gè)數(shù)據(jù)庫表，使用MySQL工具完成構(gòu)建。

2.3.2數(shù)據(jù)庫設(shè)計(jì)

用于展示數(shù)據(jù)庫中實(shí)體、屬性、關(guān)系之間的關(guān)系。對于大量的車型配置信息，可以通過以下方式來構(gòu)建數(shù)據(jù)庫。

（1）實(shí)體：數(shù)據(jù)庫名稱設(shè)計(jì)為“競品數(shù)據(jù)庫”，包含兩個(gè)表，“競品數(shù)據(jù)庫_數(shù)值”表主要包含值為數(shù)值的字段，部分結(jié)構(gòu)如表1所示。“競品數(shù)據(jù)庫_其它”表主要包含值為非數(shù)值的字段，部分結(jié)構(gòu)如表2所示。

（2）關(guān)系：兩個(gè)表中的字段根據(jù)車型名稱進(jìn)行關(guān)聯(lián)，即每條配置信息有唯一的車型名稱作為主鍵。兩個(gè)表中的相同字段為車型名稱、廠商指導(dǎo)價(jià)（元和上市時(shí)間，因?yàn)檫@些字段經(jīng)常被查詢，這樣的設(shè)計(jì)可以在需要時(shí)輕松檢索和比較車型的各種屬性和數(shù)據(jù)。

（3）模型圖：模型圖的設(shè)計(jì)有助于清晰了解每個(gè)表的結(jié)構(gòu)和關(guān)聯(lián)關(guān)系。

2.4? ?大語言模型開發(fā)

圖3描述了大語言模型開發(fā)流程，依次進(jìn)行SQLCoder-7B模型、ERNIE-Bot4.0模型的設(shè)計(jì)。

SQLCoder-7B模型設(shè)計(jì)：

（1）模型的輸入為數(shù)據(jù)庫表的結(jié)構(gòu)和用戶輸入的問題兩部分。

（2）構(gòu)建prompt，將輸入示例表的兩部分信息合并成一個(gè)完整的prompt參數(shù)。prompt參數(shù)的格式為：“prompt”：“###問題＼n數(shù)據(jù)庫結(jié)構(gòu)描述＼nSQL查詢描述”。

（3）使用千帆平臺(tái)的APIKey和SecretKey來獲取access_token。

（4）使用獲取到的access_token對SQLCoder-7B模型的API地址進(jìn)行POST請求，傳遞構(gòu)建好的prompt參數(shù)。

（5）接收SQLCoder-7B模型返回的JSON字符串，其中包含SQL語句。

輸入的問題可以基于一個(gè)表，也可以基于多個(gè)表進(jìn)行多表連接查詢。在多表連接查詢中，需要連接這些表來獲取更復(fù)雜的信息。例如，在涉及到車型配置信息的同時(shí)，還需要關(guān)聯(lián)廠商信息。這時(shí)就需要使用JOIN等關(guān)聯(lián)操作進(jìn)行多表連接查詢。本文給出表3所示的5個(gè)問題和返回的SQL語句，如表4所示。

ERNIE-Bot4.0 模型設(shè)計(jì)：

（1）接收SQLCoder-7B模型生成的SQL語句，連接數(shù)據(jù)庫表自動(dòng)進(jìn)行查詢。

（2）將SQL語句和查詢結(jié)果兩部分信息合并成一個(gè)完整的content參數(shù)。"content"是一個(gè)字符串，表示用戶發(fā)送的消息內(nèi)容。這個(gè)字符串可以包含任何用戶想要發(fā)送的文本消息，例如問候、問題、請求等。格式?jīng)]有嚴(yán)格的限制，可以是任何合法的字符串。

（3）使用access_token對ERNIE-Bot4.0模型的API地址進(jìn)行POST請求，傳遞構(gòu)建好的content參數(shù)。

（4）接收ERNIE-Bot4.0模型返回的JSON字符串，其中包含對查詢結(jié)果進(jìn)行自然語言處理的結(jié)果。

（5）若問題有圖表顯示要求，將SQL語句、SQL查詢結(jié)果和字符串“轉(zhuǎn)換為JavaScript代碼”合并為一個(gè)content參數(shù)，再次調(diào)用ERNIE-Bot4.0模型，得到JavaScript語言結(jié)果。

2.5? ?結(jié)果封裝顯示

對2.4節(jié)返回的SQL語句進(jìn)行執(zhí)行，執(zhí)行的過程分為兩個(gè)步驟。

（1）用腳本代碼提取大語言模型返回的SQL語句。

（2）對底層數(shù)據(jù)庫調(diào)用得到結(jié)果。底層數(shù)據(jù)庫調(diào)用需要提供數(shù)據(jù)庫服務(wù)器的主機(jī)地址、用于連接數(shù)據(jù)庫的用戶名、用戶的密碼和連接的數(shù)據(jù)庫的名稱等信息。連接成功后，執(zhí)行SQL查詢，查詢的結(jié)果集以元組的列表形式返回。

此節(jié)以問題1為示例，介紹它的SQL結(jié)果、SQL結(jié)果封裝為自然語言和可視化結(jié)果的過程。

問題1得到的查詢結(jié)果為圖4，對應(yīng)的元組為：（‘銳騏2021款2.4T柴油兩驅(qū)創(chuàng)業(yè)版基型車YCY24165-61，160.0，6.9）（‘銳騏2021款2.4T柴油兩驅(qū)創(chuàng)富版基型車YCY24165-61，160.0，6.9）。

將得到的SQL查詢結(jié)果用ERNIE-Bot4.0模型轉(zhuǎn)換為自然語言，將問題1的查詢結(jié)果轉(zhuǎn)換為自然語言的結(jié)果如表5所示：

若問題有圖形顯示需求，例如將問題1修改為：查找最高車速在150km/h以上且工信部綜合油耗低于7的車型且用柱狀圖顯示，則將ERNIE-Bot4.0模型生成的JavaScript代碼，使用ECharts顯示為柱狀可視化圖形。

最后將自然語言文本和可視化圖形嵌入到對話框中。對話框的設(shè)計(jì)包括清晰的文本和圖片顯示、可能的圖標(biāo)或顏色以強(qiáng)調(diào)關(guān)鍵信息，這樣的設(shè)計(jì)有助于提高用戶對查詢結(jié)果的理解和感知。問題1的文本解析結(jié)果和圖形解析結(jié)果封裝顯示在對話框中的效果如圖5：

3? ? 實(shí)用情景

在本研究中，成功設(shè)計(jì)并實(shí)現(xiàn)了一款基于大語言模型的智能問答系統(tǒng)。以下是系統(tǒng)針對汽車研發(fā)中的關(guān)鍵問題生成的結(jié)論和可視化圖形，分別為市場占比分析和熱泵空調(diào)應(yīng)用分析。旨在幫助公司制定更精準(zhǔn)的市場策略、優(yōu)化售后服務(wù)和產(chǎn)品設(shè)計(jì)，以及深入了解消費(fèi)者需求。

（1）為了理解不同競品車型在不同上市時(shí)間下的市場占比，制定更精準(zhǔn)的市場策略，在不同時(shí)間節(jié)點(diǎn)調(diào)整推廣方向或生產(chǎn)計(jì)劃，以滿足市場需求，提出問題3，此問題的解析結(jié)果顯示在對話框中的效果如圖6：

（2）為了更好的了解每個(gè)競品車型的熱泵空調(diào)裝置在市場上的應(yīng)用和受歡迎程度，更好地了解不同時(shí)間點(diǎn)熱泵空調(diào)的占比，進(jìn)一步深入了解消費(fèi)者對于環(huán)保和能效的關(guān)注，優(yōu)化熱泵空調(diào)的設(shè)計(jì)，提出問題5，此問題的解析結(jié)果顯示在對話框中的效果如圖7：

通過測試，該系統(tǒng)能夠接受用戶關(guān)于車型問題的輸入，通過中間處理過程生成SQL查詢語句和可視化圖形代碼，并最終以自然語言和可視化圖片的形式返回用戶所需信息。這一系統(tǒng)實(shí)現(xiàn)了用戶無需學(xué)習(xí)復(fù)雜SQL語句即可輕松獲取關(guān)鍵信息的目標(biāo)，從而提高了汽車配置信息獲取的直觀性和高效性。該成果為汽車產(chǎn)品工程師、性能集成工程師、汽車試驗(yàn)工程師等提供了一種新的工具和方法。

4? ? 問答系統(tǒng)技術(shù)應(yīng)用展望

在未來的技術(shù)發(fā)展中，將進(jìn)一步優(yōu)化問答系統(tǒng)，提供個(gè)性化查詢體驗(yàn)。系統(tǒng)根據(jù)管理員和普通成員的不同需求，進(jìn)一步精細(xì)化權(quán)限管理，使管理員能夠進(jìn)行更復(fù)雜、深度的數(shù)據(jù)庫查詢，普通成員則能夠通過更直觀、簡便的方式獲取相關(guān)信息。系統(tǒng)引入智能學(xué)習(xí)機(jī)制，逐漸理解用戶的偏好，提供個(gè)性化的查詢建議，以更好地滿足用戶的實(shí)際需求。

此外，問答系統(tǒng)將在輔助決策方面發(fā)揮更大作用。系統(tǒng)拓展不同領(lǐng)域的數(shù)據(jù)庫表，結(jié)合數(shù)據(jù)分析和機(jī)器學(xué)習(xí)算法，準(zhǔn)確預(yù)測市場趨勢、產(chǎn)品需求和供應(yīng)鏈變化，從大量文本信息中提取更多關(guān)鍵信息，包括用戶評價(jià)、市場反饋等，為產(chǎn)品的設(shè)計(jì)和采購提供輔助決策，提高供應(yīng)鏈的整體效率。

5? ? 結(jié)語

本研究設(shè)計(jì)的基于大語言模型的智能問答系統(tǒng)旨在解決汽車配置信息獲取的繁瑣與低效問題，特別服務(wù)于競品分析工程師這一用戶群體。該系統(tǒng)簡化了數(shù)據(jù)提取的流程，提高了競品分析工程師的工作效率。

在實(shí)際應(yīng)用中，競品分析工程師根據(jù)研發(fā)階段現(xiàn)實(shí)問題提出疑問，并通過本系統(tǒng)迅速獲得結(jié)論，從而在汽車研發(fā)的各個(gè)階段發(fā)揮作用。競品分析工程師的主要工作由手工分析數(shù)據(jù)轉(zhuǎn)變?yōu)樘岢鲫P(guān)鍵問題、得出結(jié)論，對車型配置信息的設(shè)計(jì)調(diào)整。隨著競品數(shù)據(jù)庫的日常更新，相同問題的結(jié)論也可隨時(shí)更新，使得分析工作更加具有時(shí)效性和可靠性。

未來，我們期待該系統(tǒng)為類似領(lǐng)域的研究和應(yīng)用提供更多便利，推動(dòng)實(shí)踐工作的進(jìn)步與創(chuàng)新。

參考文獻(xiàn)：

[1]張寶華.某汽車競品分析數(shù)據(jù)平臺(tái)規(guī)劃研究[D].北京理工大學(xué)，2016.

[2]韓忠愿，陳棣沭.汽車新產(chǎn)品預(yù)研的策略[J].重型汽車，1999，（01）：26-28.

[3]呂群巍，康藝.基于SQL的汽車銷售系統(tǒng)搭建與分析[J].信息通信，2020，（02）：193-194.

[4]胡志強(qiáng)，潘鑫瑜，文思捷等.結(jié)合多模態(tài)知識(shí)圖譜與大語言模型的風(fēng)機(jī)裝配工藝問答系統(tǒng)[J].機(jī)械設(shè)計(jì)，2023，40（S2）：20-26.DOI：10.13841/j.cnki.jxsj.2023.s2.006

[5]劉紅帥.基于知識(shí)圖譜的汽車領(lǐng)域問答系統(tǒng)研究與應(yīng)用[D].南京郵電大學(xué)，2021.DOI：10.27251/d.cnki.gnjdc.2021.000632

[6]百度發(fā)布企業(yè)級(jí)大模型服務(wù)平臺(tái)“文心千帆”[J]. 智能建筑與智慧城市，2023，（04）：4.

[7]楊超逸，鐘林輝，莫俊杰等.多源數(shù)據(jù)驅(qū)動(dòng)的API調(diào)用模式挖掘方法研究[J].現(xiàn)代電子技術(shù)，2023，46（16）：75-80.DOI：10.16652/j.issn.1004-373x.2023.16.013.

[8]崔東樹.ChatGPT對汽車行業(yè)影響分析[J].智能網(wǎng)聯(lián)汽車，2023，（02）：70-71.

[9]褚連凱，張鳳.人工智能知識(shí)增強(qiáng)大語言模型ERNIEBot（文心一言）在醫(yī)院藥學(xué)實(shí)踐中的應(yīng)用初探[J].現(xiàn)代養(yǎng)生，2023，23（18）：1430-1436.

[10]湯曉燕，劉文軍，朱東等.基于ECharts的電動(dòng)汽車監(jiān)控可視化研究[J].現(xiàn)代信息科技，2018，2（12）：46-48.