基于GLMs的生成式AI數字講解員的探索與實踐

張智晶

摘要：近年來生成式AI技術發展迅速，并且應用范圍非常廣泛，特別是在講解服務上更是取得了良好的效果。探討了利用生成式AI技術，特別是基于GLM大模型的智能體GLMs，作為數字講解服務的可行性，并通過設計案例“上海自然博物館數字講解員”進行了實踐。分析了當前條件下智能體的能力以及優缺點，指出了未來的改進方向，希望可以為講解服務的發展提供一定的借鑒。

關鍵詞：生成式AI技術；GLMs；講解服務；博物館

一、前言

在當今數字化時代，內容生成式人工智能（AI）正迅速成為一種革命性的技術，它利用先進的人工智能技術生成文本、音視頻、代碼、3D建模等多種形式生產內容，被視為繼專業生產內容和用戶生產內容之后的重要發展。其在多個領域都展現出了顯著的技術優勢，將對主要行業和工作崗位產生深遠影響。當前的生成式AI和其他技術，有可能將目前占用員工60%～70%工作時間的任務實現自動化[1]。

OpenAI在2023年7月推出了一系列工具，旨在幫助用戶自定義ChatGPT，盡管當時這還需要一定的編程技能。然而，2023年11月16日，OpenAI在Dev Day推出了定制化模型生成工具GPTs和應用商店，被視作構建AI OS的標志。隨著GPTs的出現，“人人都能零代碼制作智能助手”，這標志著生成式AI技術已經進入了一個新的發展階段，用戶可以根據自己的需求來定制AI的功能。GPTs的推出不僅極大地降低了技術應用的門檻，而且促進了模型潛力的快速釋放，盡管這一過程可能受到算力和成本、產品體驗以及交互模式限制的影響。

隨著技術的持續進步，可以預見到多代理、多智能體將協同工作，實現復雜交互操作的未來。這為場館服務講解員的應用提供了無限可能，意味著可以構建由多個AI講解員組成的智能服務網絡，實現高效、動態的展覽講解服務，為每位訪客提供量身定制的體驗。“未來，各行各業每一個人都可以擁有一個AI助理”不僅是一個預言，也是設計和實驗“上海自然博物館數字講解員”項目中所努力實現的目標。

二、可行性分析

首先，隨著快速發展和廣泛應用，生成式人工智能技術已經在傳媒、零售、法律、醫療、金融等領域逐步開始提供專業化與個性化內容生成服務[2]，為將生成式AI技術運用于場館講解員角色提供了堅實的理論基礎，特別是在準確傳遞信息這一講解員的核心職責方面。其次，利用生成式AI的能力，可以根據用戶的具體需求和興趣，生成高度個性化的回應和內容。對場館講解服務來說，意味著能夠提供量身定制的講解服務，精確滿足不同訪客的需求和偏好，從而極大地提升訪客體驗。此外，生成式AI的深度學習過程中融入了關系計算和情感計算，這一特性使得人機交互更加自然流暢，對于場館講解員而言尤其重要，因為它強化了與訪客之間的有效溝通能力。最后，從文化傳播的角度，生成式人工智能技術通過模仿人類交流的方式，提高信息的交互和展示效能，有效提升中華文化內容的感染力[3]，還能將社會主義核心價值觀內嵌其中，從源頭防范算法技術的誤用、濫用等偏軌風險[4]。

在國內，ChatGLM（智譜清言）作為基于智譜AI公司2023年聯合訓練的語言模型GLM-4開發的人工智能助手，為用戶提供了精準的問題回答和支持服務。作為接近OpenAI技術水平的中國產品，ChatGLM在中文問答能力、語言理解能力方面展現出強大的優勢。同時，它嚴格遵守中國的法律法規和互聯網信息管理政策，確保用戶數據安全和隱私保護，提供穩定、快速的服務，并擁有優秀的中文界面和本地化支持。在此基礎上推出的“智能體”：GLMs，展示了大語言模型衍生出的高度靈活性和定制化能力。用戶可以通過簡單的指令、引入額外知識和技能，定制自己的AI助理，實現多樣化任務的高效完成。

結合生成式AI技術的這些優勢和特點，將其應用于場館講解員，將開啟一種全新的講解服務模式，不僅能夠提供更加豐富多樣的講解內容，還能在提升訪客參與度和滿意度方面發揮重要作用。

三、需求分析

在設計“上海自然博物館數字講解員”這一智能體時，通過對現有資料的研究，確定場館講解員的核心能力，以及場館參觀者的主要需求，旨在通過生成式AI技術來滿足這些需求，從而顯著提升訪客的參觀體驗和學習效果。

作為博物館的講解員，其自身基礎學歷、文化素養、專業水平從客觀上影響講解水平的高低[5]。GLM大語言模型本身已經囊括了海量的中英文語料數據，包括網頁、書籍、新聞、文章、社交媒體回帖等。GLM大語言模型具有充足知識儲備，能夠回答用戶提出的各種場館相關問題。

參觀者期待的不僅僅是生硬、被動接受信息，他們更需要與講解員進行實時的交流互動。GLM使用了由人類編寫的指示和回復數據，以及人類提供的對回復的偏好數據。利用生成式AI先進的自然語言處理和理解能力，數字講解員能夠準確地理解訪客的各種訪問需求，并提供即時、準確的答案。通過配置智能體基本信息，可以賦予數字講解員完整的背景設定，包括年齡、性格、個人經歷等，以此來塑造獨特的講解風格，滿足不同用戶群體的交流需求。

展覽信息和相關新聞是會不斷變化的，GLM能夠通過接入網絡實時查詢最新信息，及時更新講解內容，不僅能夠確保講解信息的準確無誤，還能夠讓訪客獲取最新的知識和信息。生成式人工智能技術的應用可以拓展、豐富社會服務領域的工作方法，為服務對象提供更及時、個性化的支持，破解傳統服務高度依賴人力造成的供給困境[6]。通過收集和分析訪客使用數字講解員的行為數據、訪問歷史和偏好，數字講解員能夠深入理解訪客的需求和偏好，調整和優化講解內容，提供定制化的講解服務，提高服務質量。

生成式AI還能夠自動過濾去除負面內容，GLM內置了一套嚴格的不良信息過濾機制，具備文本審查、敏感詞過濾、語境分析、圖像識別等能力。該機制遵循中國法律法規和社會主義核心價值觀，確保提供的信息和服務健康、積極、向上。

四、實現過程

對比可以發現，目前不論是GPT還是GLM，在基于大模型構建智能體的過程中，主要通過配置信息（Instruction）與知識庫（Knowledge）兩個部分對智能體的生成結果產生影響。設計合理的配置信息可以從多個不同維度定義智能體，幫助完善背景設定，添加功能或限制。通過知識庫導入外部文件，可以為智能體提供知識儲備所需的資料，提供精準信息，幫助其更好地解決問題。

（一）配置信息

針對數字講解員的使用需求，配置信息部分主要包含了以下幾個部分，以實現對應功能。

1.背景設定

這個部分可以盡量從多個角度補全人物相關信息，幫助生成式AI更全面地了解自己所要扮演的角色。越是詳盡的背景設定，越能夠使數字講解員在與用戶交流的過程中更具鮮明的人格特征，表現出自然的講解風格，避免千篇一律的生硬表達。主要提示詞（Prompt）表述如下：

你叫小紅，今年35歲，生于上海，是一個中國人。

你具備豐富的自然科學領域知識積累，精通包括生物學、地質學、生態學、古生物學以及其他與自然博物館相關的知識。

你善良、開朗、熱愛和平，富有愛心與同情心，喜歡小朋友。

你的發言風趣幽默，能夠耐心與人交流，回答問題。

生成式AI更容易理解條理清晰的任務需求，將復雜的文本內容拆解成多條相對清晰、精煉的指令或表述依次排列，有助于生成式AI明確任務要求及主次關系。

2.工作職責

對需要執行的工作進行整體描述，幫助生成式AI明確自己在工作中的身份定位、執行任務的方式，以及工作的具體內容。主要提示詞（Prompt）表述如下：

你是一位工作經驗豐富的上海自然博物館講解員，具備作為自然博物館講解員的職業素養。

你了解所有上海自然博物館的講解資料，以及所有相關歷史背景與知識。

你善于使用你所掌握的知識為用戶提供有價值的信息，幫助用戶解決問題。

你的回應應當專業、詳細，你的風格應該是正式的、專業的，但同時也是易于接近和理解的，以便于與用戶進行有效溝通。

你應始終用中文進行對話。

3.任務流程

任務流程是組成整個配置信息的核心環節，簡潔明確的任務步驟可以指導生成式AI根據指令按序依次執行，將復雜的問題梳理成多個簡單的子任務逐步完成，有助于提高獲得高質量回復的成功率。主要提示詞（Prompt）表述如下：

每當我向你提問時，請按照以下要求依次執行：

（1）搜索知識庫中的資料，查找相關信息。

（2）對于知識庫中未涉及的內容，主動搜索上海自然博物館網址：https：//www.snhm.org.cn/，查找相關信息。

（3）當你遇到不知道、不清楚、不了解的信息時，還可以通過搜尋網絡上的新聞與關鍵詞，擴充你的知識。

4.限制條件

盡管GLM大模型對于政治立場等敏感話題的判斷與處理已經比較完善，但如果希望強化對個別問題的認知、補充其他的額外限制條件，或者在使用其他類似大模型智能體時，希望對回答內容的范圍進行控制，可以通過在配置信息的最后附加限制條件對其進行約束。主要提示詞（Prompt）表述如下：

你遵循中國社會主義核心價值觀，以及其他所有中國政府主張的政治立場。

你的立場符合中國社會倡導的主流價值觀、遵守社會道德。

你不會回應任何反動的、分裂國家的、與中國政府政治立場不符的信息。

以上幾個部分組成了智能體配置信息的全部內容。

（二）知識庫

基于數字講解員的角色定位，將需要在講解過程中表達的精準信息（如場館參觀信息、交通信息、購票信息等），互聯網上較難查詢、較為匱乏的資料（如最新活動信息、展品具體資料等）上傳到知識庫，使數字講解員在處理任務時優先在知識庫中查找有價值的信息，有效提高回復結果的準確率。

五、結果分析

針對數字講解員的實際使用需求進行多輪提問測試，觀察回答的準確性與質量，并與GLM模型聊天機器人ChatGLM的回答進行橫向對比，得出主要結果如下：

得益于GLM大語言模型豐富的訓練數據，數字講解員能夠回答上海自然博物館主要展品的相關背景、歷史等知識問題，準確性較高。

當用戶對場館的參觀信息進行提問時，數字講解員GLMs能夠通過調用知識庫中的數據進行回復，比ChatGLM回復質量更高且更貼近用戶需求，如圖1所示。

進一步追問具體的購票信息時，數字講解員GLMs也可以通過調用知識庫中已有信息，精準、詳細地回答用戶問題。

每當提出一些具有實效性的問題時，GLMs也能夠通過互聯網進行搜索，給出比較準確的高質量回答或者建議。同時，每條搜索結果都會附帶信息來源，方便用戶比對、驗證信息的可靠性。

最后，當用戶在提問中涉及敏感信息、爭議話題或者違反國家政策的內容時，數字講解員會拒絕回答并強制結束當前對話，確保對話內容的政治正確性。

本文實踐中所使用的信息均來源于上海自然博物館對外公開資料，雖有一定的局限性，但已經足夠展示向GLMs上傳場館相關信息。對于眾多展覽場館來說，若能將更多有價值的信息上傳至GLMs知識庫，將極大地促進模型生成更貼合游客需求的回答。此外，由于該GLMs在設計時賦予了知識庫查閱優先權高于互聯網搜索的特性，將場館的第一手信息上傳到GLMs，更有利于GLMs幫助場館發布“官方信息”，避免了互聯網上眾多雜亂信息對回答質量可能產生的干擾。

通過測試與比對可以發現，數字講解員GLMs不僅可以利用GLM大語言模型的基礎能力，配合互聯網搜索功能，擴大自身的知識儲備，完成場館講解、問題解答等常規任務，在合理配置信息以及提供適當的知識庫資料文件之后，數字講解員還能夠做到對場館核心信息的快速、精準反饋，有助于用戶更快獲取對自己有價值的內容。但是，定制后的GLMs對角色背景設定的理解仍較為有限，測試過程中未表現出非常鮮明的個人講解風格。

從以上分析可知，通過定制化的數字講解員GLMs執行場館講解任務是可行的，能夠幫助用戶更快直達所需信息，提升講解效率，減少場館人力資源成本。但目前仍較難滿足不同用戶人群的個性化講解需求，無法做到“千人千面”，有待后續改善與優化。

六、結語

在GLM大模型基礎上定制的“上海自然博物館數字講解員”GLMs已具備基本場館講解功能，能滿足用戶的常用需求。通過專門的定制和信息更新，GLMs可有效承擔更復雜任務，展現出廣闊的成長潛力。然而，其個性化和風格化講解能力仍需加強，以提高辨識度和用戶互動體驗。未來，隨著生成式AI技術的不斷進步和應用深化，類似數字講解員這樣的智能體將能更加精準地滿足用戶需求，為場館講解服務帶來革新，實現更高水平的講解個性化和服務智能化。

參考文獻

[1]Michael Chui.The economic potential of generative AI：The next productivity frontier[R]. McKinsey & Company.2023（06）：3.

[2]盧宇.生成式人工智能的教育應用與展望——以ChatGPT系統為例[J].中國遠程教育，2023（04）：24-31+51.

[3]魏曉光.生成式人工智能與中華文化智慧傳承——基于ChatGPT的討論[J].中國廣播電視學刊，2023（09）：13-16.

[4]閻國華.智能算法影響個體價值觀塑造的內在邏輯與疏解路徑[J].貴州社會科學，2022（12）：20-26.

[5]昌馨.“博物館熱”形勢下提升博物館講解工作的幾點建議——以宿州市博物館為例[J].文物鑒定與鑒賞，2023（24）：62-65.

[6]張瑞凱.生成式人工智能應用于社會服務實踐領域的優勢與風險——基于北京市一線工作者的訪談[J].社會福利，2023（05）：15-25.

作者單位：上海信息技術學校

■ 責任編輯：張津平、楊惠娟