天潤融通已接入DeepSeek，大模型賦能客戶服務，效率與體驗雙提升
近期，DeepSeek爆火，許多客戶詢問我們是否提供DeepSeek相關服務。
這里統一回答一下：我們已開放DeepSeek能力，歡迎各位參與測試與共創！
根據當前的測試與應用反饋，我們發現DeepSeek 在自然語言理解、推理、代碼生成，上下文情感分析等方面擁有強大能力，讓它在客戶服務的多個關鍵場景表現出色。
在汽車營銷領域，DeepSeek優秀的自然語言理解能力，能精準識別經銷商在邀約潛在車主到店看車時的話術問題，并給出修訂建議與最佳話術，提高邀約成功率。同時，它還能通過長期積累的數據分析出邀約過程中車主普遍關注的問題。
在消費零售行業，DeepSeek可以精準識別客戶售前咨詢和售后服務的不同問題并進行精準分流。比如售前場景，DeepSeek能夠幫助處理查詢經銷商、了解加盟制度、咨詢產品信息、市場活動參與條件等需求；在售后場景，DeepSeek能在復雜語境中準確判斷客戶是對產品不滿、咨詢退換貨流程，還是提出新的投訴建議，以此精準匹配下一步服務流程，提高客戶服務效率。
在商業連鎖行業，門店經營的各個環節，如耗材申報、設備報障，DeepSeek都能助力門店與品牌方、供應鏈快速流轉服務訴求，實現快速補貨、自動填寫服務單、自動應答催單，以及上報超時訂單、升級告警，減少運營卡點等問題，讓門店更專注于線下的消費者服務。
DeepSeek的關鍵創新在于通過算法優化（如MoE架構、動態學習率調度器）和數據效率提升，以約OpenAI二十分之一的成本實現類似目標。這為大模型研發企業和科學家開辟了一條通往AGI的捷徑。
對于應用大模型的企業，DeepSeek在“模型商店”中提供了更強性能、更低門檻的產品。其更強的適配能力，透明的思維鏈和更低的部署使用成本，可顯著增強模型可用性，可推動AI與業務的深度融合，加速應用場景落地。
作為面向企業的商業級平臺，天潤融通在企業收入和服務保障中扮演著至關重要的角色，是企業運營中不可或缺的一部分。
因此，天潤融通始終保持對前沿技術的高度關注。在DeepSeek嶄露頭角之時，我們便立即關注到相關進展，并迅速啟動了內部可行性測試。
經過緊張的工作安排，我們在短時間內完成了先行版本的內部發布，并隨即展開了公開測試的招募工作。
在測試過程中，我們發現了DeepSeek的一些優點與目前使用DeepSeek需要注意的部分。
優點方面，DeepSeek擁有更強的推理能力、更低的部署成本和使用價格，同時其提供的多尺寸蒸餾模型能夠更好地適配各種商業環境，讓私有化部署擁有更具性價比的落地機會。而基于成本優勢和更強的推理能力，DeepSeek可以幫助企業增強對海量知識的管理能力，極大降低了大模型的應用門檻。
需要注意的部分：
1、目前DeepSeek-R1模型暫不支持Function Call、Json Output功能；V3模型Function Call功能效果不穩定，會出現循環調用、空回復的情況。
2、DeepSeek-R1輸出內容中容易出現“final answer”"action input"等詞，可能內置提示詞被輸出，也可能與我們部署的32B模型能力相關，可以通過編排提示詞、增加輸出要求加以控制。
3、DeepSeek輸出時，會將思考過程和最終結果無差別輸出（此功能在部分大模型開發平臺被改善）；在線客服側顯示若做適配需單獨處理。
4、DeepSeek回復時存在不穩定性，時而只顯示結果，時而兩者都不顯示，在業務場景中，適配需單獨處理。
5、開發者角度來說，Claude-3.5-Sonnet 做了 tool use（工具使用）專門訓練，對于做agent非常有利，但DeepSeek目前暫未提供，未來DeepSeek可能會逐步優化。
6、作為推理模型，DeepSeek回答問題需要較長時間的推理，因此回答問題的速度相對緩慢。這導致其在在線客服場景的應用中需要進行特別優化。
7、最后，目前DeepSeek實在太火了，可能由于測試人數過多，其官方API時常宕機；同時如阿里云、火山引擎等云平臺也出現部署資源緊張的情況，但這些情況相信會隨著時間推移逐漸得到改善。
作為全球領先的AI技術，DeepSeek在短短7天內便達到了1億日活躍用戶，充分彰顯了其驚人的社會關注度。目前官方團隊仍在持續優化，天潤融通也在積極推進測試工作。
天潤融通于2023年率先推出微藤大模型平臺，憑借其創新的大模型網關技術，能夠實現各類底層大模型的一鍵切換，極大地提升了模型應用的靈活性與便捷性。
目前天潤融通微藤大模型平臺已經接入通義千問，豆包，文心一言、Kimi、DeepSeek、和ChatGPT(海外地區）等多個基礎大模型，可以為客戶提供多元化的解決方案。
我們誠摯地歡迎廣大客戶與我們攜手合作，共同探索這一前沿技術的無限可能，開啟智能化發展的新篇章。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）