大語言模型賦能高校圖書館智能咨詢服務研究

［摘 要］深入分析大語言模型對于高校圖書館智能咨詢服務的正向影響，系統探討大語言模型應用于高校圖書館智能咨詢服務的內在邏輯、核心場景與工作方案，構建大語言模型賦能高校圖書館智能咨詢服務的理論框架和實踐路徑，即：借助大語言模型精細化識別用戶需求，建立可反映用戶差異化需求的畫像體系；利用大語言模型的自然語言對話和交互式文本生成技術優勢，開展對話式資源檢索、互動式知識獲取與教學科研互動，增強智能咨詢服務效能；打造基于大語言模型的問答數據庫，形成智能咨詢服務反饋閉環，強化高校圖書館智能咨詢服務保障。

［關鍵詞］高校圖書館；智能咨詢服務；大語言模型

［中圖分類號］G252.6［文獻標志碼］A［文章編號］1005-6041（2025）01-0061-06

1 引 言

大語言模型是人工智能領域的前沿技術，本質上是一種依托機器學習、深度學習方法對海量數據進行挖掘的算法。大語言模型能夠以擬人化的方式理解和生成文本，具有極強的泛化能力，能夠有效處理文本分類、情感分析與命名實體識別等復雜任務，因此受到圖書館界廣泛關注。郭培虹^［1］指出，為提升知識服務的響應度與靈敏度，高校圖書館可將大語言模型應用于問答服務實踐，輔助用戶一站式獲取目標數據。劉莉等^［2］認為，對用戶信息的過度收集和使用，對原創性知識的保護不夠，是基于大語言模型的圖書館智慧化服務存在的主要問題。高校圖書館應切實保護用戶隱私，提升大語言模型的數據安全系數。就業內實踐而言，天津大學圖書館借助百度文心大模型和阿里通義大模型構建了智能化知識服務平臺，該平臺可輔助圖書館開展圖書分類、自動摘要、閱讀分析、資源推薦等工作^［3］。需要看到的是，現有研究多側重于分析大語言模型對于高校圖書館智慧服務的宏觀影響，論述大語言模型賦能高校圖書館智能咨詢服務的理論邏輯與實踐策略的研究則較為鮮見。

參考咨詢服務是高校圖書館用戶服務的核心，對用戶獲取、整理、使用數據信息具有重要作用。目前，用戶的參考咨詢服務需求正朝著個性化、定制化、跨學科的方向發展，傳統的參考咨詢服務手段顯然難以有效滿足用戶需求。大語言模型具有較強的知識學習能力與多模態數據處理能力，能夠更好地理解和適應復雜多變的參考咨詢服務環境，提高參考咨詢服務的智能化水平。基于此，本文探討大語言模型對高校圖書館智能咨詢服務的正向影響，梳理大語言模型賦能高校圖書館智能咨詢服務的邏輯與場景，構建基于大語言模型的智能咨詢服務理論框架與實踐路徑，以期為高校圖書館參考咨詢服務的智能化升級提供參考。

2 大語言模型對于高校圖書館智能咨詢服務的正向影響

2.1 對于情感分析的正向影響

大語言模型的基礎性技術是人類反饋強化學習，可將人類的語言反饋、情感反饋納入訓練過程，進而實現自然的、人性化的互動學習。在人類反饋強化學習技術的支持下，大語言模型能夠精準提取人類偏好標簽，確保大語言模型在執行任務時更加貼近人類的目標、愿望和需求。一方面，高校圖書館利用人類反饋強化學習技術提供智能問答服務，有助于深入分析用戶的主觀偏好與客觀行為，據此推送可直擊用戶痛點的問題解決方案，提高參考咨詢服務的情感分析實效。另一方面，人類反饋強化學習將人類反饋、人類指令與人類需求作為大語言模型訓練的依據。

在人類反饋強化學習技術輔助下，高校圖書館不僅可從之前的問答對話中理解用戶意圖，還可依據用戶問題的情感特點智能化生成答案。

2.2 對于問答數據整理的正向影響

大語言模型進行智能化自然語言處理的關鍵支撐是變換器技術，該項技術是一類基于深度學習的文本統計理解方法。相對于傳統的循環神經架構，變換器技術的大語言模型訓練時間更少，并能夠通過并行多頭注意力機制對自然語言進行優化。變換器技術對于高校圖書館智能咨詢服務的正向影響主要體現為問答數據整理，可輔助高校圖書館系統提取海量問答數據的顯性信息和隱性信息，在對問答數據進行聚類整理與關聯分析的基礎上構建問答數據庫。一方面，變換器技術能夠一站式整合問答數據中的結構化信息與半結構化信息，輔助高校圖書館對不同學科、不同專業、不同領域的問答數據進行語義化組織。另一方面，在變換器技術的信息組織與知識揭示功能支持下，高校圖書館可深入分析問答數據間的內在關聯機理，據此科學研判用戶咨詢的發展變化，推送契合用戶需求的問題解決方案。

2.3 對于問答知識推理的正向影響

大語言模型可靠運行的核心保障是思維鏈技術，思維鏈技術是一種改進的離散式提示策略，主要用于提高大語言模型算數推理、常識推理與符號推理的性能。相比于傳統的上下文學習方法，思維鏈增加了推導提示環節，能夠通過面向自然語言理解與生成的數據關聯分析，實現具有閉環特點的數據推理。思維鏈技術對高校圖書館智能咨詢服務的正向影響有兩點。一是思維鏈技術的問題解決邏輯是“問題→推導提示→答案”，可完整呈現計算推導過程。高校圖書館可依托思維鏈技術揭示用戶咨詢問題的語義關系，提供具有主動預測效果的咨詢服務。二是思維鏈技術能夠高效整合各類型文本數據，形成具有較高層次性與結構性的知識圖譜，使得高校圖書館即便在樣本缺失的極端情況下也能夠高精度地解答用戶咨詢問題。

3 大語言模型賦能高校圖書館智能咨詢服務的內在邏輯與核心場景

3.1 大語言模型賦能高校圖書館智能咨詢服務的內在邏輯

3.1.1 大語言模型賦能高校圖書館智能咨詢服務的資源邏輯。資源的采集、處理與利用情況，對高校圖書館智能咨詢服務效果具有顯著影響。高校圖書館利用大語言模型的數據整理與信息組織技術優勢，對多源異構的數據信息進行聚類與挖掘，能夠充分揭示數據資源的隱性聯系。例如，高校圖書館可借助大語言模型精細化梳理館藏資源主題與類型，創建詮釋資源屬性的數據標簽；還可利用大語言模型系統采集多模態數據信息，通過知識抽取、知識融合等環節構建知識圖譜，為智能咨詢服務提供資源支撐。

3.1.2 大語言模型賦能高校圖書館智能咨詢服務的查詢邏輯。高校圖書館智能咨詢服務是建立在人性化查詢邏輯基礎上的，通過發揮大語言模型的內容自動生成技術優勢，高校圖書館能夠在與用戶進行生成式對話互動的過程中，輔助用戶一鍵查詢數據信息。例如，柏林洪堡大學圖書館利用大語言模型推動智能咨詢服務的查詢邏輯從搜索式轉變為生成式：該館借助大語言模型的人類反饋強化學習與思維鏈技術，對問答數據中的語義信息進行生成式學習，打造了具有語義化、生成式查詢功能的智能咨詢服務平臺。圖書館可利用自然語言交互方式輔助用戶簡單、便捷地查詢信息^［4］。

3.1.3 大語言模型賦能高校圖書館智能咨詢服務的應答邏輯。大語言模型的突出優勢在于可處理極端條件下的文本分析任務，科學把握用戶咨詢的語義內涵，減少高校圖書館智能咨詢服務對于用戶輸入文本的依賴性。例如，南京大學圖書館利用字節跳動公司開發的Coze大模型，搭建了可實現問答式應答的人機對話環境。館方可依據用戶咨詢的情境狀態和語義信息針對性設計應答方式，并利用具有邏輯性與連貫性的對話交互手段降低智能咨詢服務成本^［5］。

3.1.4 大語言模型賦能高校圖書館智能咨詢服務的交互邏輯。開展擬人化、立體化互動，是高校圖書館智能咨詢服務的重要支撐，高校圖書館應通過全方位互動途徑分析用戶需求，并在與用戶實時交互的過程中定向推送問題答案。大語言模型的優勢在于精準識別用戶情緒狀態和心理預期，生成契合用戶需求的答案文本，并結合用戶需求的變化情況實時完善輸出結果。因此，大語言模型賦能高校圖書館智能咨詢服務的交互邏輯，本質上是圖書館與用戶間的社交化互動。在大語言模型的支持下，智能咨詢服務的交互實效性將顯著提升。

3.2 大語言模型賦能高校圖書館智能咨詢服務的核心場景

3.2.1 數字人虛擬助手。現階段高校圖書館能夠借助情感模擬技術、認知能力技術、語音合成技術打造數字人，將其應用于虛擬導覽、智能咨詢等場景中。但數字人的情境計算能力與智慧感知能力稍顯不足，對于用戶復雜指令的處理性能偏低。大語言模型具有較強的思維鏈推理能力與文本學習能力，能夠增強數字人的服務功能。首先，在大語言模型的變換器技術支持下，數字人可智能感知智能咨詢服務中的復雜場景，并深入理解咨詢問題之間的語義關系。其次，利用大語言模型的思維鏈技術，對數字人開展生成式數據訓練，能夠大幅度提高數字人的泛化能力，進而更為精準地解答用戶問題。

3.2.2 資源智能摘要。高校圖書館可利用大語言模型的自然語言處理功能，從館藏文獻資源和網絡信息資源中智能化提取摘要信息，增強用戶的資源理解能力。核心場景有兩類。一類是基于數據整合的智能摘要。例如，中南大學圖書館借助清華大學開發的“智譜清言”大語言模型，創建了面向多模態數據融合的自動文摘服務平臺，可高效整合館藏紙質資源與電子資源，智能生成具有較強語義聯系的資源摘要^［6］。另一類是信息資源挖掘。高校圖書館利用大語言模型構建智能化閱讀工具，能夠輔助用戶系統挖掘信息資源中的隱性數據，分析信息資源的演變規律。

3.2.3 定制化知識推送。高校圖書館智能咨詢服務的末端場景是知識推送，圖書館應在提取用戶需求標簽的前提下，向用戶定制化推送知識資源。大語言模型的人類反饋強化學習技術可對問答數據進行深度學習，依據用戶的多元化需求偏好開展知識推送。可見，在知識推送場景中，大語言模型可準確分析用戶的分眾化、定制化需求，結合用戶需求的共性與個性特征制訂知識推送方案。

4 大語言模型賦能高校圖書館智能咨詢服務的理論框架

本文從前期、中期、后期三個環節構建大語言模型賦能高校圖書館智能咨詢服務的理論框架。在前期，高校圖書館應利用大語言模型精準識別用戶需求，為智能咨詢服務提供方向和依據。在中期，應依托大語言模型與用戶開展自然語言對話交互，生成與用戶需求相匹配的問題答案。在后期，應借助大語言模型打造咨詢反饋閉環，據此實時改進智能咨詢服務（見圖1）。

4.1 基于系統挖掘用戶需求的智能咨詢服務理論框架

系統挖掘用戶需求并構建用戶畫像，是大語言模型賦能智能咨詢服務的首要前提。高校圖書館須借助大語言模型全面采集用戶需求數據，建立可揭示用戶需求特征的畫像體系。從服務主體來看，高校圖書館可發揮數字人虛擬助手的優勢，對館藏資源進行語義化、結構化組織整理，結合智能咨詢服務的情境條件生成答案文本。從服務對象來看，高校圖書館可利用大語言模型的生成式數據訓練技術優勢，對用戶畫像數據進行迭代分析，結合問答數據的生成式訓練結果實時更新用戶畫像。從服務過程來看，系統挖掘用戶需求的核心環節包括需求信息采集、需求信息處理與需求信息表達，高校圖書館可借助大語言模型一站式生成用戶畫像。

4.2 基于自然語言對話交互的智能咨詢服務理論框架

高校圖書館可借助大語言模型的自然語言對話交互功能，與用戶進行擬人化、立體化咨詢互動，提供兼具信度與效度的問答服務。智能咨詢服務中期的核心工作是輔助用戶通過自然語言對話開展交互式咨詢。從服務主體來看，高校圖書館可利用大語言模型打造問答式咨詢系統，從咨詢請求和問答數據中分析用戶偏好，更深入地把握用戶需求特征。從服務對象來看，在大語言模型的多輪對話功能支持下，用戶能夠以自然語言進行智能咨詢，獲取具有針對性與實效性的問題答案。從服務過程來看，高校圖書館在利用大語言模型分析用戶問題的語義關系基礎上，生成契合用戶咨詢問題語義特點的答案并予以交互式推送。

4.3 基于構建咨詢反饋閉環的智能咨詢服務理論框架

智能咨詢服務后期環節的核心工作是完善用戶咨詢反饋體系，實時分析用戶需求的變化情況，據此動態改進問題解決方案。大語言模型擁有較強的語言理解能力、知識推理能力和遷移學習能力，將其應用于智能咨詢服務實踐，有助于高校圖書館打造用戶咨詢反饋閉環，提升智能咨詢服務的準確性與可靠性。從服務主體來看，借助大語言模型的動態記憶和持續試錯功能，對用戶咨詢的反饋數據和行為數據進行分析，可輔助高校圖書館及時糾正問答偏差。從服務對象來看，通過構建用戶咨詢反饋閉環，有助于高校圖書館精準研判用戶需求的變化趨勢，據此推送可動態滿足用戶需求的問題答案。從服務過程來看，高校圖書館遵循“收集反饋→處理反饋→應用反饋”的工作思路，借助大語言模型優化智能咨詢服務反饋機制，可顯著提高智能咨詢服務精度，并將用戶納入智能咨詢服務主體范疇。

5 大語言模型賦能高校圖書館智能咨詢服務的實踐路徑

5.1 借助大語言模型分析用戶需求

5.1.1 利用大語言模型采集用戶需求。高校圖書館可借助大語言模型的數據識別優勢，對用戶數據進行集成化采集、整理與推理，創建覆蓋各類型用戶需求的畫像集合。太原理工大學圖書館的實踐經驗值得借鑒^［7］：該館以GPT-4、BERT、Claude 2等主流的大語言模型為依托，全面采集智能咨詢服務平臺、資源檢索平臺與數字閱讀平臺中的用戶數據，從資源偏好、基本信息、行為傾向等維度提取用戶標簽，構建可充分體現用戶標簽特點的畫像體系，將其作為智能咨詢服務的重要參考。

5.1.2 借助大語言模型挖掘用戶需求。高校圖書館應利用大語言模型的大數據分析功能優勢，對用戶需求進行分層分類的梳理，提升用戶需求分析的精細化水平。例如，墨爾本大學圖書館構建了基于大語言模型的智能咨詢服務系統，能夠從偏好感知、內容理解、行為預測等方面挖掘用戶需求。首先，從用戶咨詢問題、用戶檢索日志和用戶注冊信息中分析用戶情感偏好，厘清用戶需求的基本特點。其次，借助大語言模型的語義分析優勢，對用戶咨詢問題的語義關系進行分析，揭示用戶需求的一般性和特殊性特征。再次，該館利用大語言模型的AI學習功能，對用戶實時的咨詢行為與咨詢偏好進行學習訓練，據此分析用戶需求的發展變化^［8］。

5.2 利用大語言模型推進咨詢互動

5.2.1 利用大語言模型開展對話式資源檢索。高校圖書館可發揮大語言模型的自然語言理解與生成優勢，設計對話式資源檢索方式，支持用戶以自然語言對話的形式檢索資源。華南理工大學圖書館的做法堪稱典范。首先，該館將館藏資源的元數據信息輸入至大語言模型中，通過數據迭代訓練和生成式學習，提高大語言模型對話式檢索性能。其次，該館利用HTML、XML等超鏈接打造了資源檢索接口，借助大語言模型擴展資源檢索接口的鏈接范圍，使其能夠實時鏈接索引館藏資源。再次，該館通過基于大語言模型的對話式資源檢索，引導用戶利用自然語言對話開展咨詢互動，精準檢索目標資源^［9］。

5.2.2 利用大語言模型開展互動式知識獲取。借助大語言模型提供智能咨詢服務，可加大用戶與高校圖書館間的咨詢互動力度，輔助高校圖書館結合用戶知識需求制訂互動式知識獲取方案。例如，南方科技大學圖書館依托大語言模型開發了智能咨詢服務系統，能夠與用戶開展面向知識挖掘與知識推薦的咨詢互動，館方不僅能夠以知識圖譜的形式呈現知識資源間的內在聯系，還可采取智能問答的途徑來個性化推送知識資源^［10］。高校圖書館可利用大語言模型提高智能咨詢服務與其他類型用戶服務的協同強度，輔助用戶全時、全域、全效地獲取知識資源。

5.2.3 利用大語言模型開展教學科研互動。高校圖書館智能咨詢服務的核心功能是提供教學科研支持。為進一步改進教學科研支持效果，可借助大語言模型引導用戶開展教學科研互動，有效解決用戶的教學科研疑問。例如，格拉斯哥大學圖書館以大語言模型為載體設計了具有教學科研支持功能的虛擬館員，為用戶提供交互式教學科研咨詢服務：在教學科研活動前期，虛擬館員可利用大語言模型輔助用戶進行交互式資源檢索，讓用戶準確把握學科前沿，科學進行科研選題；在教學科研活動后期，虛擬館員可借助大語言模型培育用戶的教學科研素養，通過同用戶之間的交互式教學科研咨詢，增強用戶在理論與實踐層面的教學科研能力^［11］。

5.3 依托大語言模型增強咨詢效能

5.3.1 依托大語言模型構建問答數據庫。首先，構建覆蓋各學科、各主題、各專業的問答數據庫。高校圖書館應發揮大語言模型的多模態數據處理技術優勢，從學科領域、專業門類等角度對智能咨詢服務中的問答數據進行聚類整合，構建具有較強語義分析能力的問答數據庫，筑牢智能咨詢服務的基礎保障。其次，提高問答數據庫內容的層次性和條理性。高校圖書館可借助大語言模型結構化劃分問答數據庫內容，完善問答數據庫的資源揭示與表達功能。例如，華北理工大學圖書館依托大語言模型的數據整合優勢，從問答數據中提取描述型元數據、結構型元數據和管理型元數據，結合問答元數據的屬性與特征對問答數據庫內容結構進行細分，并提高問答數據庫內容的可擴展性與兼容性^［12］。

5.3.2 構建基于大語言模型的智能咨詢服務反饋閉環。高校圖書館可依托大語言模型的即時反饋與復雜任務推理能力，實時分析用戶需求的變化情況與發展趨勢，增強大語言模型的智能咨詢學習能力，通過持續反饋和動態評估提升智能咨詢服務容錯率。普林斯頓大學圖書館的實踐舉措具有參考價值：一方面，該館利用大語言模型系統采集、整理用戶的行為數據和反饋數據，依托大語言模型的思維鏈推理能力，精準構建用戶畫像并對其進行動態更新，推送匹配用戶畫像的問題答案；另一方面，該館基于用戶的資源檢索行為、問答參與行為和評論分享行為，設計了用戶打分機制，將用戶打分輸入大語言模型，據此精準識別智能咨詢服務偏差，針對性制訂智能咨詢服務改進方案^［13］。

6 結 語

利用大語言模型賦能智能咨詢服務，是高校圖書館強化咨詢服務效能的可靠手段。本文結合大語言模型對高校圖書館智能咨詢服務的正向影響，以及大語言模型賦能高校圖書館智能咨詢服務的內在邏輯與核心場景，提出實踐策略。在今后的工作中，高校圖書館應嚴格管控大語言模型可能帶來的版權糾紛風險和虛假信息傳播風險，增強智能咨詢服務的組織保障和技術保障，確保基于大語言模型的智能咨詢服務工作取得實效。

［參考文獻］

［1］郭培虹.ChatGPT賦能高校圖書館參考咨詢服務的體系框架與應用研究［J］.圖書情報導刊，2024，9（10）：31-38.

［2］劉莉，邵波.大語言模型環境下高校未來學習中心的探索與實踐［J］.圖書館學研究，2024（7）：70-76，109.

［3］李麗，李琛，王忠群.大語言模型賦能高校圖書館：智能化數字學術服務路徑研究［J］.電腦知識與技術，2024，20（16）：136-138.

［4］ADETAYO J A.Artificial Intelligence Chatbots in Academic Libraries：the Rise of ChatGPT［J］.Library Hi Tech News，2023，40（3）：18-21.

［5］符榮鑫，楊小華.AIGC語言模型分析及其高校圖書館應用場景研究［J］.農業圖書情報學報，2023，35（7）：27-38.

［6］羅飛，崔濱，辛小江，等.大語言模型嵌入圖書館知識服務的風險范式與管控策略［J］.圖書與情報，2023（3）：99-106.

［7］徐國蘭，朱和立，郭鳳嬌.大語言模型技術賦能高校圖書館智慧服務探討［J］.山東理工大學學報（社會科學版），2023，39（6）：106-112.

［8］BASIRAT O A，ADEBOWALE A A.Metaverse-Infused Academic Libraries：A Glimpse into the Future ［J］.Library Hi Tech News，2023，40（10）：17-19.

［9］張慧，石肖肖.AIGC在高校圖書館智慧服務中的應用探索［J］.圖書館學刊，2024，46（9）：58-62，67.

［10］潘瓊.高校“人工智能+圖書館”智慧服務體系的創建［J］.科技資訊，2024，22（13）：220-222.

［11］FATEN H，MAHA F A，HUSSAM F.The Provision of Smart Service at Academic Libraries and Associated Challenges［J］.Journal of Librarianship and Information Science，2023，55（4）：960-971.

［12］梅慶玲，黃亞平.人工智能賦能高校圖書館資源建設與服務研究［J］.河南圖書館學刊，2023，43（8）：48-50.

［13］ABID H.Use of Artificial Intelligence in the Library Services：Prospects and Challenges［J］.Library Hi Tech News，2023，40（2）：15-17.

［作者簡介］韓 菲（1986—），女，研究生學歷，館員，運城學院圖書館。