祝刚 · 数字文旅AIGC 烟草协同联管 ← 知识库
模块互联 · MODULESM1基础理论库M2AI 创新实验室M3目的地营销研究M4专业教学改革M5行业观察M6案例研究库专题AIGC 烟草协同联管知识库首页 · 模块总表 ↗
AIGC · TOBACCO RETAIL · YUNYAN PILOT

把大模型「关进内网」
一个基层治理的智能化实验

Qwen3-14B 本地化部署 + 烟草行业专用知识库,在贵阳云岩建成以「1335」框架为指引、「五联共管」为核心的协同联管体系——客户响应从 15 分钟压缩到 10 秒内。

素材来源:ima 知识库「AIGC赋能烟草商业协同联管体系建设结算书」 · 结题报告 · 经济社会效益分析 · 成果评审报告

14BQwen3-14B 本地部署
91%知识库检索精确率
10 秒客户响应(原 15 分钟)
100%核心指标达成率
01 · BACKGROUND

一个把大模型「关进内网」的基层实验

项目以「技术驱动、管理创新、流程重塑」为总思路,在贵阳市云岩区建成以 AIGC 为支撑、「1335」理论框架为指引、「五联共管」运行模式为核心的卷烟业务链高效能协同联管体系,形成可复制的「云岩样本」。

24

项目周期(月)

2024.06 — 2026.06,编号 2024-10。

11.5

总经费

小规模预算下的完整落地验证。

14B

Qwen3-14B

本地化部署,敏感数据「零出域」。

5

「五联共管」

1335 理论框架指引下的运行模式。

四大业务瓶颈(立项动因)

服务响应慢(约 15 分钟)内部协同梗阻风险预警为事后查处知识管理困难

四个瓶颈的共同特征是:都发生在「人—事—知识」的衔接处,而这恰是大模型与知识库最能介入的位置。

理论支点

协同学理论为分析框架,把 AIGC 视为系统演化的「序参量」——它不直接决定每个环节,但通过改变信息流速与协同规则,牵引整个业务链向更高有序度演化。

项目主体说明:据库内材料,项目承担单位为贵州省烟草公司贵阳市公司云岩分公司,项目负责人为罗蔚;立项依据为黔烟筑科〔2024〕4 号。本页为该项目成果的学习整理。
02 · THEORY

理论创新:1335 框架与五联共管

不做「上个模型就完事」的技术演示,而是先把管理逻辑搭成可执行的结构,再让技术去填充。

框架

「1335」理论框架

以一个总目标为牵引,三条主线贯通,三个层级分工,五项机制落地——把「协同联管」从口号拆成可考核的动作。

模式

「五联共管」运行模式

在业务链上建立五个「联」:联数、联责、联管、联评、联效,用统一的数字底座把并列的部门变成串联的流程。

模型

业态感知—需求诊断—协同适配

三级递进模型,覆盖 10 类零售业态;先看清业态,再诊断需求,最后匹配协同动作。

方法

新时代「枫桥经验」的数字转译

把「矛盾不上交、就地解决」的基层治理智慧,转译为风险的前置识别与协同处置机制。

技术选型(用数据选型,不用感觉选型)

历时 33 天,对比 4 款模型、累计 1200 余条测试;按四维加权评分:生成质量 40% / 知识库调用 25% / 硬件适配 20% / 平台易用 15%。

实测性能指标(来源:库内结题报告与测试记录)
指标要求实测
硬件配置单卡消费级RTX 5060Ti 16GB
GPU 占用60%—80%
内存占用≤ 12 GB达标
生成速度≥ 10 token/s12.5 token/s
并发响应≤ 5 秒达标
错误率< 1%达标
03 · ARCHITECTURE

技术架构:五层自建,数据不出域

政务与国企场景的硬约束是数据安全。方案选择本地化部署 + 行业专属知识库,把所有推理由内网 GPU 完成。

LAYER 5应用层三大智能助手:智能风险预警、协同联管工单、AIGC 客户咨询(2025-11-20 完成验收上线)。
LAYER 4交互层统一入口与角色视图,按岗位开放不同能力,避免「人人可问、人人不问」。
LAYER 3知识层 · 烟草行业专用知识库10 个一级 / 15 个二级分类;检索精确率 91%、召回率 83%、响应 ≤ 3 秒;独创「四阶投喂法」,基于 132 份有效问卷确定投喂粒度与顺序。
LAYER 2模型层Qwen3-14B 本地推理,RAG 检索增强,敏感数据「零出域」。
LAYER 1算力层RTX 5060Ti 16GB 单卡;GPU 占用 60%—80%、内存 ≤ 12GB、生成速度 12.5 token/s。
口径提示:库内关于「本地部署平台」存在 Aingdesk 与 Cherry Studio 两种记载,「知识库分类」存在 10/15 与 15/15 两种表述。本页采用结题报告主口径(10 个一级 / 15 个二级),引用时请以最终定稿为准。
04 · SCENARIOS

三大 AIGC 应用场景:把模型接到业务上

场景选择的共同标准:高频、有明确判定标准、且原有人工流程存在明显时延。

场景一

智能风险预警

15 个风险因子自动扫描,把「事后查处」前移为「事前识别」。

查实率 78%识别准确率 ≥90%
场景二

协同联管工单

跨部门事项自动生成、派发、跟催与归档,把「协同」变成可追踪的对象。

闭环率 100%
场景三

AIGC 客户咨询

零售客户高频咨询由智能助手直接应答,人工只处理疑难。

响应 15 分钟 → 10 秒内
为什么这三个场景能跑通

三者共享同一套知识库与同一套角色权限,越用越准;而「15 分钟 → 10 秒」的响应压缩,是客户感知最强的改善点——它同时改善了满意度与一线员工的工作体验。

05 · OUTCOMES

成果与成效:核心指标 100% 达成

项目于验收时获得「功能满足要求,通过验收」结论,自评等级为「优秀」。

关键成效指标(来源:库内结题报告、经济社会效益分析、成果与交付成效评审报告)
指标数值说明
核心指标达成率100%全部考核指标达标
知识库检索精确率 / 召回率91% / 83%响应 ≤ 3 秒
客户服务满意度87.88%另有 95.5 分口径,见下方提示
专销协同认可度84.09%目标 ≥ 80%
整体协同效率提升约 25%流程重塑后的综合测算
举报投诉处置满意率98.46%
客户覆盖率73.49%
年节约成本 / 年增效益约 15 万 / 约 45 万单位:元
投资回收期6—8 个月年投资回报率超 300%(定稿测算 522%)
3

论文产出

超额完成 50%。

20

知识视频

配套流程 6 项、制度 1 项。

400+

培训人次

另有 420 人次口径;职级提升 7 人。

⚠️ 数据口径差异提示(三组):①预算执行率:100% / 95% / 88.57%;②客户满意度:87.88% / 95.5 分;③投资回报率:超 300% / 522%。三组数据分别出现于不同版本材料(结题报告 / 效益分析 / 结算定稿),本页并列标注而不做取舍,引用时请核对最终定稿。
「在贵州省烟草公司贵阳市公司云岩分公司成功完成所有研究内容的试点运行与效果验证……形成了具有示范意义的『云岩样本』。」——库内结题报告

推广路径

云岩试点 → 贵阳推广 → 全省覆盖;后续计划引入 30B 模型、多模态能力与 Agent 化改造。

方法论价值

「小预算 + 本地化 + 行业知识库」的组合,为基层国企的低成本智能化提供了一条可复制的技术路线——关键不在模型多大,而在知识库喂得多准。

返回知识库模块总表回到顶部