重点项目
部门 AI 智能助手
从 0 到 1 落地并推广至全部门
-
问题
部门技术文档分散,新人上手周期长,同类仿真报错被反复提问,工程师大量时间消耗在检索历史方案上。
-
约束
芯片领域知识库涉密,部分内容不能进入 IDE 插件侧。
-
决策
没有做成一个通用助手,而是按数据密级把知识库拆成两套,对应两个产品:
- 「小神灯」聊天机器人:自行部署 GLM 模型,对接华为办公软件 WeLink 的 chatbot 能力,承载完整芯片知识库,面向日常知识查询。
- 「芯片验证助手」:嵌入华为内部 VSCode AI 编程插件 CodeMate 作为子 Agent,只承载可下放的知识,面向仿真报错的快速归因。
-
为什么是两个入口
合规:不同密级的知识不能进同一个库,这是硬约束而非优化项。
场景:知识查询发生在沟通工具里,报错归因发生在写代码的地方;让工程师为查一个报错额外开一个网页,这个功能就废了。
-
结果
- 梳理并投喂技术文档 200+ 篇,构建并维护两套知识库。
- 「小神灯」部门内约 100 人使用;「芯片验证助手」约 200 人使用。
- 过去需要反复请教同事的重复性问题明显减少,同事反馈能更快定位到报错原因。
- 知识库全部来自团队自己沉淀的总结文档而非通用语料。
200+ 篇团队沉淀的总结文档
按数据密级拆分
完整芯片知识库涉密
「小神灯」WeLink 聊天机器人,自行部署 GLM 模型
沟通工具里:日常知识查询
约 100 人使用
可下放的知识
「芯片验证助手」CodeMate 子 Agent
写代码的地方:仿真报错归因
约 200 人使用
简历原文
- 项目背景:部门技术文档分散,新人上手周期长,同类仿真报错被反复提问,工程师大量时间消耗在检索历史方案上。
- 主要职责:从模型选型与私有化部署、知识库构建,到两种产品形态的落地与部门推广,全流程负责(约 11 个月,后期移交实习生维护)。
- 关键决策 —— 按数据密级把知识库拆成两套:芯片领域知识库涉密,部分内容不能进入 IDE 插件侧,因此没有做成一个通用助手,而是拆成两个产品:「小神灯」聊天机器人(自行部署 GLM 模型,对接华为办公软件 WeLink 的 chatbot 能力,承载完整芯片知识库,面向日常知识查询);「芯片验证助手」(嵌入华为内部 VSCode AI 编程插件 CodeMate 作为子 Agent,只承载可下放的知识,面向仿真报错的快速归因)。
- 为什么是两个入口而不是一个:合规——不同密级的知识不能进同一个库,这是硬约束而非优化项;场景——知识查询发生在沟通工具里,报错归因发生在写代码的地方,让工程师为查一个报错额外开一个网页,这个功能就废了。
- 项目产出:梳理并投喂技术文档 200+ 篇,构建并维护两套知识库;「小神灯」部门内约 100 人使用,「芯片验证助手」约 200 人使用;过去需要反复请教同事的重复性问题明显减少,同事反馈能更快定位到报错原因。知识库全部来自团队自己沉淀的总结文档而非通用语料——领域问答的准确率直接决定工具会不会被真正用起来。