維納智能推三款Agentic AI技術應用場景

工業級高精度閉環系統 助企業降本增效業務創新

人工智能走向「高精度」發展，其自我調節能力成為競爭關鍵。中國首個大模型交互數據生成公司維納智能昨日在數碼港舉行「香港維納智能核心產品發布會暨維納智能生態聯盟啟動儀式」，發布三款旗艦應用包括QueWi（通用問答系統）、Wi Writing Copilot（專業寫作助手）以及Racebot（賽馬問答模型），維納智能創辦人兼行政總裁柳崎峰表示，以上Agentic AI（ 代理式人工智能）應用系統具有四大核心技術，為企業構建工業級高精度閉環 Agentic AI 應用系統，實現降本增效和業務創新。

●香港文匯報記者 黎梓田、黃安琪

柳崎峰介紹，這些應用在測試中99%以上生成內容符合「一國兩制」及愛國愛港社會語境，94%以上時事信息具備新聞級溯源能力，且支援多語言內容智能匯聚。

人機反饋相結合 高效多模型協作

柳崎峰指出，這些Agentic AI核心技術可以概括為四個方面。第一個方面是反饋機制：反饋機制是控制論的核心概念。在系統技術中，反饋機制分為三層：數據生成、模擬訓練以及人機交互。其創新在於將人類反饋與機器反饋相結合。通過這一機制，系統的準確率可達約70%。第二個方面是多模型協作，靈感來源於團隊合作的優勢。單個大模型的表現類似於大腦的單一分區，而多模型協作則相當於一個高效的團隊。維納智能正在探索動態協同機制，即模型間的協作不再依賴人工預設，而是通過系統自主學習實現。

優化提示詞 自我糾錯成功率高

第三個方面是提示詞工程，提示詞（Prompt）是大模型應用的核心要素之一，直接影響模型的輸出質量。在實踐中，維納智能針對不同場景設計專屬提示詞，並通過幾個步驟優化提示詞，包括設定目標確保垂直領域的質量，或者通過反饋機制優化提示詞，逐步精進提示詞。第四方面是自我糾錯能力，自我糾錯是大模型智能化的重要標誌。通過用戶反饋驅動系統自我改進。例如，在一個關於賽馬的問題中，用戶問及騎師更換對馬匹表現的影響。初始回答可能僅指出「有影響」，但若用戶反饋認為回答不夠具體，系統會自動修正，生成更詳盡且直觀的回答。統計顯示，當用戶提供認真且具體的反饋時，系統的自我糾錯成功率可達85%。對於模糊反饋（如僅表示「不喜歡」），糾錯成功率約為50%至60%。即使有15%的錯誤，系統仍能保持穩定，不會因錯誤累積而影響用戶體驗。

力拓大灣區及「一帶一路」市場

柳崎峰透露，維納智能成立僅一年，已完成千萬美元級種子輪融資，未來將持續深耕本地市場，並結合深圳、北京分部的資源聯動，加速布局粵港澳大灣區及「一帶一路」沿線市場。