- ASKO3介绍 ：
- 定义与目标：ASKO3是GTS研发的面向ICT服务领域工程师的大模型助手，利用大模型为伙伴知识获取提供精准便捷体验，为作业提供智能高效辅助。
- 构建基础：基于服务领域大模型构建，学习了华为ICT服务领域30年经验与知识。
- 面向用户功能：推出智能搜索问答，实现知识获取直达文档章节；用户可通过多模态形式与大模型交互，快速生成答案解决常见问题；推出USCO 3X语音助手，提供个性化语音交互；对USCO3底座大模型升级，基于Deepseek R1研发深度推理和研究能力。
- 面向伙伴作业辅助：推出官方智能助手，如园区交换机产品选型助手、文档出题园区交付助手等；面向开发者推出智能助手中心，让工程师搭建专属智能助手。
阶段1：梳理行业全链路痛点，明确攻坚目标
- 面向ICT服务全周期（售前咨询、方案设计、交付、运维、工程师培训）调研伙伴普遍难题：
- 售前：400人工客服响应慢，客户等待久，选型咨询效率低；
- 方案设计：配套工具繁多、上手门槛高，输出拓扑图、方案脚本不专业；
- 交付排障：华为官方文档海量分散，缺少统一查询入口；通用大模型行业知识不足，答案不准确；
- 现场运维：设备故障日志多为英文，传统工具无法解析专业设备图文故障信息；
- 人才培养：技术经验难以传承，缺少系统化出题考核工具；
- 长尾需求：大量个性化场景无法通过标准化功能覆盖。
- 确定核心解决思路：以服务领域大模型ASKO3为底座，采用多路径、多模态模式匹配不同业务痛点，分场景逐个攻破。
阶段2：逐个攻克业务场景痛点，落地对应解决方案
（1）攻克售前咨询响应慢难题：推出ASKO3X全双工语音虚拟客服
- 困难：人工400客服时延高，客户选型咨询等待时间长
- 解决方案：自研全双工AI语音架构，搭配PIPELINE架构，实现回声消除、噪声抑制，端到端响应＜2秒；可实时语音交互完成交换机等产品选型推荐，替代部分人工客服。
- 落地案例：用户语音咨询中小型园区千兆交换机，助手实时推荐S5700系列并解答参数疑问。
（2）攻克方案设计门槛高、交付图纸不专业难题：大模型+工具联动方案
- 困难：工具繁多、操作复杂，伙伴输出的网络拓扑、配置脚本质量差
- 解决方案：基于大模型Agent技术，串联IP规划、拓扑生成、脚本生成等工具；用户上传BOQ文件、输入网络需求，系统自动解析生成选型、拓扑图、配置脚本，支持预览调整。
- 技术逻辑：感知模块转译用户需求→规划模块拆解任务→决策模块调用工具→反馈模块迭代优化输出结果。
（3）攻克交付阶段资料查询难、通用AI答案失真难题：RAG证据可视问答
- 困难：知识库分散、通用大模型缺少ICT专业知识，回答易出错且无法溯源
- 解决方案：落地带证据链可视化的RAG问答技术，结合个性化增强检索、RG Fusion、语义相似度匹配；大模型检索内外部知识库整合答案，同步展示信息来源，保障内容可靠。
（4）攻克现场运维英文日志、图文故障无法解析难题：多模态图文大模型
- 困难：故障日志英文晦涩，传统工具不支持图片、截图类故障素材解析
- 解决方案：自研视觉encoder+LM多模态框架，支持上传故障截图、日志照片；自动汇总告警时间、接口状态，输出完整故障处理方案，覆盖文档、图表、图文类场景解析。
（5）攻克工程师培训考核、长文档学习困难难题：大模型+长文档切片出题能力
- 困难：长文档上下文限制、技术经验传递慢，手动出题效率极低
- 解决方案：研发长文档切片技术，拆分超长文本、搭建文档结构树提取知识点；支持自定义选择/判断/填空题，一键生成考题并导出Word/Excel，用于培训与HCIE/HCIA认证考核。
（6）攻克个性化长尾需求无法覆盖难题：搭建零代码专属智能助手平台（UCS3）
- 困难：标准化功能仅覆盖75%核心场景，工单处理、客户邮件等长尾需求无法满足
- 解决方案：开放ASKO3原子能力，三步零代码搭建专属助手：①上传行业知识库 ②定义助手工程师角色 ③勾选配套检索工具；工程师可自主搭建交换机、巡检等定制化助手。
阶段3：攻克原生大模型推理弱、回答易幻觉的技术短板，引入Deepseek R1底座
- 原有困难：初代ASKO3纯自有底座面对复杂ICT技术问题时，推理能力不足，无检索信息时容易产生事实幻觉，无法分步拆解复杂技术问题。
- 第一轮优化：直接替换底座，基于RAG架构融合Deepseek R1推理模型，强化分步拆解、逻辑推导能力。
- 案例：路由协议track功能辨析，接入R1后可分层拆解概念、比对各协议、结合自有知识输出准确结论，大幅减少幻觉。
- 发现新瓶颈：传统串行RAG架构存在天然缺陷，仅支持单次检索、无法动态调整检索策略，跨文档归纳总结能力差，处理多型号汇总类问题时答案残缺、重复。
- 竞品痛点表现：查询全系列高密POE+ AP型号，普通RAG仅返回少量型号，无法全局去重整合。
阶段4：攻克传统RAG归纳能力不足缺陷，自研DeepResearch深度研究框架
- 核心困难：传统RAG一次性检索、线性执行，不支持多轮迭代检索、跨文档全局验证，复杂汇总、技术调研类任务输出质量差。
- 自研解决方案DeepResearch深度研究框架，构建迭代循环工作流：
1）多步拆解问题，动态调整检索方向；
2）多轮调用工具检索资料，信息缺失时自动补充检索；
3）交叉验证多文档信息，全局去重整合；
4）自动评估信息完备度，达标后停止检索输出完整结论。 - 优势：模拟研究员思考逻辑，兼顾深度推理与全局归纳，适配技术清单、方案报告等高严谨性场景。
阶段5：攻克长线研发投入大、落地周期长的产业落地难题，落地"沿途下蛋"研发模式
- 困难：多模态、深度推理大模型平台研发周期长、投入成本高，若等待完整产品落地再产生价值，研发风险高。
- 落地策略：坚持沿途下蛋研发理念，将ASKO3核心能力模块化，阶段性拆分成熟组件对外商用：
- 阶段性产出（蛋）：语音助手、选型助手、RAG问答、图文故障解析、零代码助手平台等独立能力；
- 价值：提前实现规模化使用，平台月活、使用量持续增长，依靠阶段性成果反哺长线底层技术研发，同步收集真实场景反馈迭代优化。
阶段6：规划未来待攻克方向，持续迭代升级产品
- 当前已完成5代技术演进，从基础问答升级为Copilot智能助手平台；
- 下一阶段攻坚难点：多模态坐席研发，深度打通全流程工作流，实现从工具调用到智能协同助手的跨越；
- 长期目标：持续迭代保持行业领先，打造工程师身边的华为AI专家。
Copilot 基础释义
直译：副驾驶，是当前 AI 行业标准概念，核心定位：人机协同的领域专属智能助手。
比喻来源：飞机机长（人类工程师）主导全程操作，副驾驶（AI）辅助查资料、核对清单、预警风险、分担重复工作，最终决策权永远在人手里，AI 只做辅助，不替代人。