基于大語言模型的圖書館知識服務智能體設計研究

中圖分類號：G250.7 文獻標識碼：A 文章編號：1003-7136（2025）04-0002-8

Abstract：The technological evolutionof generative artificial inteligence has driven innovative applicationsof large language modelagentinthefieldof library knowledgeservices.Toaddress theintelligenttransformationneedsof knowledge services，this paper constructs the agent framework based on scenario-driven architecture，utilizes the large language model as the technical foundation，and integrates modules for knowledge retrieval，semantic understandingand service adaptation to createa library knowledge service agent.The core functional modules are implemented through the Coze AI platform，including intelligent Qamp;A system，academic support engine，knowledge graphconstruction tooland intellgentlending.Practice shows thatthe framework can effctivelyoptimize knowledge organization modeland expandservice boundaries，and form areproducible technical solution for library inteligent transformation.Through the exploration of deep integration between AI technology and knowledge service business， it further promotes thelarge-scale knowledge service innovation and construction of personalized system，and provides a practical paradigm for the construction of smart library ecosystem.

Keywords ：large language model;library ; knowledge service ;agent

0 引言

能。這一系列技術的飛速進步，極大地推動了大語言模型智能體的研發與發展，其應用實踐已成為多個領域備受矚目的焦點[1]。智能體以大語言模型為核心架構，通過融合深度學習算法與多模態技術，實現了自然語言交互、多模態內容生成等核心功能，

近年來，隨著生成式人工智能技術，諸如GPT、DALL-E等的崛起，大語言模型在自然語言處理及計算機視覺等前沿領域展現出了前所未有的卓越性并在交互過程中持續優化模型性能[2-4]。這些功能的實現，使得智能體在推理和規劃、調用工具和知識庫、完成復雜任務等方面展現出了卓越的能力，為各類智能應用提供了堅實的技術支撐[5]。在圖書館知識服務領域，智能化升級的需求日益迫切，亟須利用大模型智能體構建“智能技術 + 智慧服務”的圖書館新范式。

1基于大語言模型的智能體

1. 1 基本概念

大語言模型驅動的智能體（以下簡稱：智能體）以大語言模型為核心控制器，輔以規劃、記憶、使用工具等能力[，通過配置不同的能力，完成用戶提交給智能體的任務。智能體作為能夠感知環境并自主采取行動以實現特定目標的實體7，旨在模擬人類或其他生物的智能行為，其構成核心包括大語言模型、記憶系統、規劃模塊及工具應用能力。面對用戶提交的任務需求，智能體首先依托大模型的規劃能力，將復雜任務解構為一系列易于管理的子任務。隨后，智能體通過調用應用程序接口（API）、代碼解釋器等工具，并結合其內置的記憶系統（記錄用戶偏好與歷史交互），依據既定規劃逐一執行子任務，最終實現整體任務的圓滿完成[8。這一過程體現了智能體在處理復雜任務時的高效分解與執行能力。

目前智能體的主流開發框架有AutoGPT9]HuggingGPT[10]、AutoGen[11]、MetaGPT[12]，熱門開發平臺有Coze[13]、Dify[14]。開發框架工具的自主性很高，適用于開發各種教育、知識服務、科研服務智能體，但其學習成本和開發門檻較高。Coze、Dify等平臺工具支持零代碼搭建智能體，門檻低，適合用戶自主開發多種助手，有可視化界面和自定義優勢，但在私有化部署方面有所欠缺。本研究將利用Coze作為開發平臺，實現圖書館知識服務智能體的構建。

1. 2 研究現狀

近年來，基于大模型的AI智能體已成為人工智能領域的關鍵研究方向，在知識服務、數據分析、教育及科研服務等多個領域展現出廣泛應用潛力[15]。在教育領域，翟雪松與 MaQO 等學者針對教學、學習及評估等具體場景，構建了教育智能體，并通過實驗驗證了其有效性[16-17]。Bram A M等通過整合17種專家設計的工具，開發出ChemCrow，顯著提升了大模型在化學領域的應用能力[18]。在科研服務方面，BaekJ模仿科研人員撰寫科研論文的流程，設計了能夠生成完整研究思路的科研大模型[19]。LiuYR等人則研發了科研問題共創智能體，并通過一項包含20名研究生的學術閱讀主題教學實驗，驗證了其在即時反饋與科研輔助方面的應用潛力[20]至于知識服務領域，王鵬濤等從出版行業視角出發，構建了包含“資源整合、倫理對齊、價值共享、協同共建”四個環節的智能體嵌入知識服務系統路徑[21]。在圖書館知識服務領域，當前研究聚焦于大語言模型對圖書館服務模式的創新與重構[22-23]及應用場景的構建[24-25]等方面，然而具體到圖書館知識服務智能體的應用與實踐的研究尚處于起步階段。

隨著智能技術的飛速發展，傳統的圖書館知識服務正面臨著前所未有的挑戰和機遇。長期以來，圖書館作為文化傳承和知識傳播的重要載體，其服務模式主要依賴于資源的借閱、咨詢和檢索等傳統手段。然而，這種模式在當下數智化的時代背景下，已經難以滿足讀者的多元化、個性化需求，存在服務效率低下、資源利用不充分、讀者體驗欠佳等問題，這些問題亟須通過技術創新和模式變革來解決。

本研究結合大語言模型技術，構建圖書館知識服務智能體框架，旨在為圖書館智能化知識服務的創新發展提供具有實踐意義的參考與啟示。

2圖書館知識服務智能體框架構建

圖書館知識服務智能體是模擬圖書館員智能行為的專屬AI助理，以大語言模型為技術核心，緊密圍繞圖書館知識服務的具體場景，集成能力模塊和數據資源，滿足用戶較為復雜的知識需求。本研究通過構建知識服務智能體框架，助力圖書館突破傳統網頁及移動應用平臺的局限，實現多元化、定制化生態系統的高效集成與部署。這不僅能提升圖書館知識服務的智能化、精準化水平，還能為用戶帶來更加便捷、高效的知識獲取體驗，實現知識服務模式的全面升級。

2.1 構建思路

圖書館知識服務智能體的構建思路是以重塑未來圖書館知識服務的生態為目標，以開放且可擴展的算法模型架構為基石，以創新的知識服務應用場景為核心驅動力，展開一場系統性的革新。在構建過程中，需并行推進問題防范與場景塑造兩大策略。

一方面，針對可能存在的技術挑戰，采取預防措施。例如，引人專用知識數據庫與高效向量檢索技術解決長期記憶問題[26];整合外部實時數據確保知識及時更新，增強智能體的理解與推理能力。另一方面，秉承“場景導向、數據驅動”的原則，深度聚焦知識服務應用場景的開發與優化。以用戶為中心，通過個性化定制與豐富場景案例，實現大模型與小模型的協同更新[27]，提升其在內容推薦、科研規劃等場景中的適配性和實用性。

在此基礎上，大模型圖書館知識服務智能體的構建需遵循以下核心思路：

（1）強化基礎支撐：構建高性能軟硬件設施，制定數據標準，整合通用與專業知識數據，為智能體運行提供支撐。

（2）整合模型能力：將通用大模型的廣泛適用能力與針對圖書館知識服務領域專門訓練的教育專屬能力相結合，通過智能體平臺的個性化工具與插件庫，靈活調用工具，提升其在知識檢索、學習引導、科研輔助等多場景的應用效能。

基于以上思路，構建以知識服務場景為驅動，以大語言模型為技術核心基礎，集成知識服務能力模塊的圖書館專屬智能體框架（如圖1）。

2.2 智能體基礎架構

生成式大語言模型層是整個智能體的核心基礎，主要聚焦于生成式大語言模型的選擇、訓練與部署。首先，根據圖書館知識領域的特點，選擇適合的生成式大語言模型，基于領域數據進行微調。隨后，將訓練好的模型部署至云端或邊緣計算設備，確保快速響應用戶請求。

數據處理與存儲層主要負責圖書館館藏資源的元數據、用戶行為數據以及外部學術資源的收集、清洗、預處理與存儲。通過關系型數據庫或非關系型數據庫，為智能體提供堅實的數據支撐。

服務接口層致力于設計簡潔、易用的API（應用程序編程接口），便于前端應用或其他服務調用智能體服務。同時，將智能體服務無縫集成至圖書館的現有系統，如圖書館集成管理系統等，實現服務的全面覆蓋。

前端交互層關注用戶界面設計與多模態交互支持。用戶可以通過直觀、友好的界面以自然語言與智能體進行交互，還可以通過語音輸入、圖像識別等多種方式進行交互，極大地提升了用戶體驗[28]

2.3 功能模塊

在執行項目流程中，智能體通過調用API等工具來實現具體功能。為了最大化圖書館智能體的服務效能，在構建其模型能力框架時，應全面考量圖書館專有優勢和公共服務API等核心要素的集成與優化配置。功能模塊還需要深度融合前沿的圖書館管理理念、圖書館知識庫資源，以及圖書館核心服務場景中用戶的實際需求。通過大量的微調訓練，智能體能夠實現對各類文獻信息資源的精確理解與高效利用，從而滿足讀者日益多元化的需求。

在配置功能模塊時整合智能借閱、學術支持等圖書館知識服務工具和資源，結合成熟的AI引擎API，使圖書館智能體具備更強大的服務能力，不斷優化服務內容和方式。例如，它可以自動生成個性化閱讀推薦，根據讀者的歷史借閱記錄、閱讀興趣以及當前熱門圖書等信息，為讀者量身定制閱讀清單[29]。通過整合這些基礎能力，圖書館智能體不僅能夠提高資源利用率、提升服務效率和讀者滿意度，還能在圖書館領域應用中展現出更高的契合度和適用性。這將為圖書館知識服務帶來革命性的變革，推動圖書館事業向更加智能化、個性化的方向發展。

2.4 智能體平臺

智能體平臺作為創新技術解決方案，深度融合AI技術與個性化定制策略，挖掘圖書館智能體服務的潛能。該平臺提供構建工具、擴展插件及知識庫資源，助力用戶自主開發、靈活配置、高效部署智能體。同時，借助直觀友好的創建工具讓智能體設計更精準，通過優化功能模塊組合提升復雜任務處理效率與精度，豐富插件庫擴展智能體功能，拓寬服務邊界與適用范圍。

值得注意的是，圖書館知識庫作為智能體服務的核心知識源，不僅可以整合海量的圖書報刊、學術資源以及元數據，還可以通過一系列精細化的知識組織與優化策略，有效規避因信息缺失或誤導性內容（知識幻覺）[30]導致的服務偏差，從而確保智能體服務的高準確性與高可用性。這一策略不僅顯著提升了用戶的服務體驗，還極大地增強了圖書館智能體在復雜知識環境下的適應能力與競爭力，為圖書館服務的智能化升級與創新發展提供了有力的技術支撐與保障。

3基于場景化的圖書館知識服務智能體應用

在圖書館智能體服務的范疇內，場景應用特指圖書館智能體直接與圖書館服務的各類用戶互動，將底層的智能技術與服務能力轉化為具體且實用的圖書館服務場景解決方案。當前，圖書館智能體服務已廣泛滲透到智慧業務、智慧管理、智慧服務以及智慧空間等多個領域。

3.1智慧業務：引領圖書館多元化發展

3. 1.1 業務輔助

在圖書館的傳統業務輔助方面，智能體發揮著重要作用。例如，在圖書采購過程中，智能體采用協同過濾算法、基于內容的推薦算法以及混合推薦模型，對圖書采選進行智能化推薦。智能體嵌入圖書館的信息系統，收集并整合讀者的借閱記錄、搜索歷史以及書評等多維度數據。同時為確保數據的精確性和一致性，需對數據進行預處理，包括數據清洗、格式統一以及去重等。在此基礎上結合推薦算法，深度挖掘讀者的歷史行為和偏好，精準預測讀者的閱讀興趣和需求，為圖書館制定科學合理的采購策略提供數據支持[31]，助力優化采購策略，減少庫存積壓。

在編目工作中，智能體主要運用OCR（光學字符識別）和NLP（自然語言處理）兩大技術。通過OCR技術[32]，自動識別圖書封面、扉頁或版權頁上的文字信息，包括ISBN、作者、出版社等關鍵內容。而NLP技術則進一步對這些信息進行語義分析和理解，確保識別的準確性和完整性。在此基礎上，利用自動編自系統，根據識別到的信息自動生成編目數據，包括圖書的分類、主題、摘要等，從而提升編目工作的效率和準確性，為圖書館的館藏管理和讀者檢索提供極大的便利。當然，為了確保編目數據的準確性和完整性，在某些特殊情況下，自動編目系統仍需人工進行必要的審核和修正。

3.1. 2 學術支持

智能體為科研人員提供了更廣泛的科研輔助與學術支持。智能體憑借先進的深度學習模型，特別是Transformer架構，實現了外文文獻的精準自動翻譯，并結合NLP技術，提供關鍵詞提取、主題分類、情感分析等精細化的文獻處理功能，助力科研人員迅速洞悉國際研究動態[33]。在個性化推薦領域，智能體融合協同過濾、內容推薦等算法與知識圖譜技術，構建了全面且精準的推薦網絡，有效推送學術論文、數據集和研究工具，滿足科研人員的多元化需求。

此外，智能體在具備傳統檢索服務能力的基礎上，深度融合大模型的語義理解能力，支持以自然語言方式檢索文獻及文獻原文段落，實現了從關鍵詞檢索向語義向量檢索的范式轉變，檢索粒度從文獻級細化至段落級，檢索體驗從單純式升級為智能交互式，服務品質從字面檢索躍升至規范引導檢索。同時，智能體還拓展了生成引用、同主題段落原文串讀等智慧化應用場景，極大地提升了文獻調研的效率與質量[34]

3.2智慧管理：驅動圖書館多維度運營

3.2.1 智慧化知識組織

智慧化知識組織是圖書館智能體在智慧管理方面的重要應用場景之一。在圖書館智能體知識組織服務中，知識圖譜作為一種創新的信息組織形式展現出了顯著優勢，它以語義表達和關聯分析能力，支持海量數據的知識組織、深度查詢，為信息整合與高效查詢提供可能性[35]。構建過程主要涉及以下幾個核心步驟：

（1）構建領域本體庫：首先，針對圖書館的專業領域，構建領域本體庫，明確文獻、作者、出版單位、主題等實體及其屬性描述，為后續的實體識別與知識抽取提供基礎框架。

（2）知識獲取與實體識別：利用NLP技術，從圖書館數據庫中提取文獻元數據、作者介紹、書評等文本信息，通過算法識別并分類這些文本中的實體。

（3）關系抽取：在實體識別的基礎上，進一步分析文本內容，識別并抽取實體之間的關系，如作者與作品之間的創作關系、書籍之間的引用關系等，形成實體間的關聯網絡。同時，大語言模型還可以利用語義理解能力，從大量文本數據中提取出隱含的知識和關系。例如，智能體可以根據圖書的內容摘要和關鍵詞，自動將圖書與相關的主題、學科進行關聯[36]

（4）知識融合與圖譜構建：將抽取出的實體及其關系進行融合處理，去除重復信息，解決實體間的歧義，最終構建出一個結構清晰、關系明確的圖書館知識圖譜。這一步驟確保了知識的一致性和完整性，便于后續的查詢、推理與分析。

3.2.2智慧化決策支持

在智慧化決策支持方面，圖書館智能體通過對用戶行為、閱讀習慣等數據的深度分析和挖掘，為圖書館管理決策提供了有力的數據支撐。智能體通過DSS（構建決策支持系統）進一步提升決策的科學性和效率，該系統集成了數據收集、模型構建與分析功能，為圖書館管理者在各種維度提供定性和定量的決策信息。在資源采購決策方面[37]，基于讀者群體的需求偏好，協助制定精確的文獻信息資源采購計劃，確保館藏資源的多樣性和實用性；在空間規劃決策上，智能體通過分析讀者行為模式，協助優化館內空間布局，為讀者營造舒適的學習環境，提供便捷的服務設施；在服務優化決策層面，智能體通過細致分析讀者行為和需求，優化圖書借閱、咨詢及遠程服務等運營流程，提升讀者的整體服務體驗。

DSS不僅具備數據收集和整合能力，還能通過數據分析與可視化技術揭示數據背后的規律與問題，同時運用決策模型和優化算法提供科學的決策依據，結合預測與模擬功能，幫助圖書館管理者預見未來趨勢，制定前瞻性策略，從而全面助力圖書館實現智慧化管理和決策。

3.3智慧服務：重構圖書館泛在化服務

3.3.1 智慧咨詢與問答服務

智能體在圖書館咨詢與問答服務中的應用融合了多種技術，共同作用于圖書館服務的具體流程，精準捕捉并高效響應用戶需求。

首先利用NLP技術對用戶提問進行預處理，解析其語義內容，為后續智能匹配與回答奠定基礎。隨后，深度學習算法通過大規模數據集的訓練，習得用戶提問與答案之間的潛在關聯，實現快速且精準的檢索與回答。這一過程不僅考慮字面意義，更深入理解問題上下文，提供人性化回答。多模態技術的引人，進一步增強了智能體的服務能力。通過整合文本、圖像、音頻等多種信息模態，智能體能夠更全面地理解用戶提問，提供多元化回答方式，如文字、圖像、語音等，滿足用戶在不同場景下的需求。

此外，智能體具備持續學習與優化的能力，通過收集用戶反饋和滿意度數據，不斷評估和改進回答質量，并利用新問答數據進行模型增量訓練，確保服務持續優化與升級。

3.3.2 個性化信息服務

在智慧圖書館個性化信息服務方面，圖書館智能體通過整合大數據分析、人工智能及機器學習等技術，優化閱讀推薦、搜索結果及展示內容，提升用戶體驗。主要涉及以下幾個核心模塊：

（1）個性化推薦系統：作為智能體個性化信息服務的核心，深度挖掘用戶的閱讀歷史、興趣領域及偏好信息。利用協同過濾、基于內容推薦及混合推薦策略，智能體能夠識別用戶動態需求[38]，并推薦符合用戶口味的圖書、文章等資源。這一過程不僅體現了對用戶個性化需求的深刻理解，也極大地豐富了用戶的閱讀選擇，提升了閱讀的個性化與滿足感。

（2）智能搜索功能：進一步強化用戶獲取信息的便捷性與準確性。智能體通過學習用戶的搜索歷史與行為習慣，動態調整搜索結果排序，確保用戶能夠迅速且準確地找到所需信息。此外，智能搜索還支持多模態查詢，如語音、圖像等，進一步拓寬了用戶與圖書館資源之間的交互渠道，提升了搜索體驗的個性化與智能化。

（3）人工智能分析技術：為智慧圖書館的個性化信息服務提供數據支撐。智能體通過深度學習用戶行為數據[39]，構建出詳盡且精準的用戶畫像，從而更全面地把握用戶需求，為個性化推薦與智能搜索提供有力依據。這一過程不僅提升了服務的智能化水平，也為用戶提供了“千人千面”的閱讀體驗

3.4智慧空間：塑造圖書館未來體驗

3.4.1 虛擬空間的構建與交互

在虛擬空間方面，圖書館智能體可以構建元宇宙創意閱讀等沉浸式閱讀體驗。基于AIGC技術，能夠高效創建圖書館的元宇宙虛擬空間，這一空間不僅具備高度的真實感和沉浸感，還能夠根據用戶需求進行動態調整和優化[40]

在虛實交互體驗方面，數字孿生圖書館實現了實體圖書館與元宇宙虛擬空間的無縫對接，用戶可以在虛擬空間中體驗到與實體圖書館相似的環境和資源。此外，基于AR技術的圖書館智慧導航和人機交互服務進一步豐富了虛實交互體驗。用戶可以通過AR設備在圖書館內實現精準導航，快速找到所需資源或服務[41]，還能與大模型驅動的人機交互系統進行實時互動，享受個性化的服務體驗。

值得一提的是，圖書館智能體作為人機交互的入口，其在元宇宙圖書館虛實融合交互體驗中扮演著重要角色。智能體不僅能夠與用戶進行自然語言交互，還能夠通過AIGC技術生成豐富的數字內容，如虛擬圖書、動態展示等，為用戶帶來更加生動、多樣的交互體驗，不僅拓展了閱讀方式，還增強了讀者與圖書館之間的互動性和黏性。

3.4.2 虛擬社群的管理與升級

圖書館知識服務智能體可以通過升級虛擬社群優化用戶交流學習、溝通的社交新場景。首先，通過API集成，智能體能夠與虛擬社群平臺實現數據交換和功能調用，實時獲取社群中的信息，并在必要時向社群發送消息或執行其他操作。其次，利用Web-hooks（一種基于HTTP回調的輕量級通信機制）或回調機制，接收虛擬社群平臺發送的特定事件通知，如新用戶加入、話題被創建等，并根據這些通知執行相應的操作。此外，NLP技術使得智能體能夠理解用戶輸人的自然語言文本，進行語義分析和情感識別，這對于智能體在社群中進行智能問答、情感引導等至關重要。同時，機器學習算法的應用使得智能體能夠不斷學習和優化其在社群中的行為策略，提供更加個性化的服務。具體實施步驟包括確定需求和目標、選擇技術和平臺、開發智能體應用、集成API和Webhooks、測試和優化以及部署和監控等。通過這一系列步驟的實施，將智能體成功地嵌入到虛擬社群中，實現其在虛擬社群管理、社交服務等方面的優化。

4圖書館知識服務智能體的實踐初探

4.1 智能體創建

目前一些AI應用開發平臺可以實現零代碼快速搭建智能體應用，本文為提升服務效能與滿足讀者個性化需求，選取字節跳動公司開發的Coze作為圖書館知識服務智能體的工具載體。Coze是新一代AI應用開發平臺[13]，其智能體可以根據用戶輸入的指令，自主調用模型、知識庫、插件等技能并完成編排，最終完成用戶的指令。

利用Coze平臺對圖書館專屬知識服務智能體進行實踐，系統集成智能問答、知識圖譜、學術支持及智能借閱等功能模塊，具體制作流程如圖2所示。首先，根據項目背景與目標，確認圖書館知識服務具體需求。在設計階段，基于需求進行整體設計，包括上傳圖書館知識庫、配置各種檢索功能插件、設計知識流等關鍵步驟。其中設計知識流是此階段的核心任務，旨在模仿真實用戶使用圖書館服務的計劃和行動，構建項目所需的知識流動路徑和邏輯結構。同時，還需配置相關參數，設置觸發器，以確保項目的自動化和智能化運行。完成智能體的開發和試運行后，可以將智能體發布到多個平臺或渠道，例如發布為API服務、ChatSDK或發布到商店滿足不同場景的需求。

該智能體系統可以顯著提升圖書館服務效率與運營效能，在降低人力成本的同時，推動服務品質的持續優化。其自動化處理能力將推動圖書館釋放的人力資源轉向個性化服務開發與流程再造，最終實現讀者滿意度提升與管理成本控制的良性循環。

4.2 智能體實踐應用

4.2.1智能問答與咨詢

在智能體上傳圖書館知識庫文件，包括圖書館讀者指南、數字資源手冊、紙質資源與數據庫數據，同時持續抓取圖書館官網及其網頁鏈接下的內容，以不斷豐富和完善知識庫。在智能體的配置過程中，還對其他參數進行了細致設定，如開場白、推薦問題等，旨在優化用戶的使用體驗。實現了可在任意時間、地點使用自然語言提問，獲取圖書館基本信息與資源數據的功能。

4.2.2學術研究與支持

為提供更為復雜和高級的人工智能功能，智能體平臺可以通過集成成熟插件或依據特定需求定制化開發插件的方式，提升人工智能服務層級，實現更為復雜且高級的功能。具體而言，圖書館知識服務智能體可在插件工具中整合“學術搜索”等相關功能模塊，滿足學者檢索、特定學者論文檢索以及領域相關論文檢索等多元化需求，進而為學術研究提供強有力的支持。例如用戶用自然語言檢索近年來關于“LLM”的論文，輸出結果為相關論文及其簡介，并附有論文鏈接供用戶訪問。也可直接檢索某一領域的最新研究成果，智能體根據論文文獻進行總結并輸出。需特別指出，鑒于版權限制，當前所提供的論文全文內容主要源自公開可獲取的學術文獻資源。

4.2.3 智能借閱

在圖書館智能借閱服務中，定期將圖書館管理系統中的館藏數據，包括書籍的元數據（如ISBN、作者、出版年份、主題分類等）和物理位置信息，與學生借閱數據（如借閱歷史、偏好類型、借閱時長等）同步至圖書館知識服務智能體，應用機器學習算法與數據分析模型，智能響應用戶的檢索需求，提供快速且準確的館藏資源定位服務，同時根據用戶的借閱行為和偏好，提供個性化資源推薦服務。

例如，用戶可以通過上傳圖書封面圖片詢問館藏地址，智能體利用OCR技術將封面圖片中的信息精確轉換為可編輯的文字內容，接著智能體在知識庫中檢索文字信息，獲取相應的館藏位置信息并生成回復，同時提供諸如“如何通過索書號找到對應的書籍”“索書號的編排規則是什么”等相關延伸問題供學生拓展思路。

4.2.4知識圖譜與思維導圖

智能體利用工作流功能，將復雜項目拆解成數個子項目，按照真實用戶思維方式組織子項目流程直至執行整個任務。用戶可以直接輸入某一知識領域，也可上傳文檔信息，智能體總結生成相關思維導圖或知識圖譜。

如圖5案例所示，用戶直接輸入研究方向（數據安全），智能體通過工作流流程，可以直接生成一個較完善的思維導圖。

5結論

當前，智能體在圖書館知識服務領域的應用處于起步階段，本研究通過理論分析與實證，構建了場景驅動的大語言模型智能體體系框架，驗證了技術融合的可行性。通過AI平臺Coze設計了智能體，并對智能問答、借閱、科研支持及知識圖譜等功能應用進行了實踐探索。本研究結合理論與實踐，探索了圖書館知識服務的新范式，利用智能體實現知識資源的整合、服務效率的提升、人力成本的優化以及服務范圍的擴展，充分展示了智能體對提升圖書館知識服務效能的重要作用。

盡管大模型智能體在圖書館知識服務領域潛力巨大，但仍面臨局限。一方面，智能體功能配置尚需升級，部分關鍵功能未完全實現，需通過高級技術手段進一步探索，但門檻高、前期投入大。另一方面，智能體在模擬圖書館員行為上存在挑戰，盡管在處理數據和執行預設任務方面表現出色，但在理解和模擬人類思維模式方面仍有待加強。因此，盡管大模型智能體在圖書館知識服務領域前景廣闊，但局限與挑戰并存。未來仍需要不斷探索和創新，以更好地滿足圖書館知識服務的需求。

參考文獻：

[1]XIZH，CHENWX，GUOX，etal.Theriseandpotentialoflarge language model based agents： a survey[J].ScienceChina：information sciences，2025，68（2） ：15-58.

[2]廖俊偉．深度學習大模型時代的自然語言生成技術研究[D].：電子科技大學，2023.

[3]劉明，吳忠明，廖劍，等．大語言模型的教育應用：原理、現狀與挑戰：從輕量級BERT到對話式CHATGPT[J].現代教育技術，2023，33（8）：19-28.

[4]陳囿任，李勇，溫明，等．多模態知識圖譜融合技術研究綜述[J].計算機工程與應用，2024，60（13）：36-50.

[5]盧宇，余京蕾，陳鵬鶴．基于大模型的教學智能體構建與應用研究[J].中國電化教育，2024（7）：99-108.

[6]WENG L.LLM powered autonomous agents[EB/OL].（2023-06-23）[2024-03-30].https：/lilianweng.github.io/posts/2023-06-23-agent.

[7]MINSKY M.Thesocietyofmind[M].New York：Simon amp;Schuster，1986：19-32.

[8]李國鵬，吳瑞騏，談海生，等．面向大語言模型驅動的智能體的計劃復用機制[J]．計算機研究與發展，2024，61（11） ： 2706-2720.

[9]AutoGPT[EB/OL].[2024-11-20]. htps：//autogpt. net/.

[10] SHEN Y L，SONG K T，TAN X，et al. HuggingGPT： solvingAI tasks with ChatGPTand its friends in Hugging Face[J/OL].arXiv，2023[2024-12-10].https：//arxiv.org/abs/2303.17580v1.

[11]WUQY，BANSALG，ZHANGJY，etal.AutoGen：enab-ling next-gen LLM applications via multi-agent conversation[J/OL].arXiv，2023[2024-12-10]. htps：//arxiv. org/abs/2308.08155.

[12]HONG SR，ZHUM C，CHENJ，et al.MetaGPT：Metaprogramming for a multi-agent collaborative framework[J/OL].arXiv，2023[2024-12-10]. https：//arxiv.org/abs/

[13]什么是扣子？[EB/OL].[2024-12-10].https：//www.coze.cn/docs/guides/welcome.

[14]歡迎使用Dify[EB/OL].［2024－12-10].https：//docs. dify. ai/zh-hans.

[15]周濤，李鑫，周俊臨，等．大模型智能體：概念、前沿和產業實踐[J]．電子科技大學學報（社科版），2024，26（4） ：57-62.

[16]翟雪松，季爽，焦麗珍，等．基于多智能體的人機協同解決復雜學習問題實證研究[J]．開放教育研究，2024，30（3） ：63-73.

[17]MA QO，SHEN H，KOEDINGER K，et al. How to teachprogramming in the AI era？ Using LLMs as a teachable a-gent for debugging[J/OL].arXiv，2024[2024-11-30].https：//arxiv.org/abs/2310.05292v3.

[18] BRAM A M，COX S，SCHILTER O，et al. Augmentinglarge language models with chemistry tools[J].Nature machine intelligence，2024，6：525-535.

[19]BAEK J，JAUHAR S K，CUCERZAN S，et al. ResearchAgent：iterative research idea generation over scientific literaturewith large language models[J/OL].arXiv，2024[2024-12-10]. https：//arxiv. org/abs/2404. 07738.

[20]LIU Y R， CHEN S，CHENG H C，et al. CoQuest： Explo-ring research question co-creation with an LLM-based a-gent[J/OL].arXiv，2023[2024-11-30].https：//arx-iv. org/abs/2310.06155.

[21]王鵬濤，李晗語．價值共創視角下智能體嵌入知識服務實現機制研究[J]．出版廣角，2024（15）：47-53.

[22]儲節旺，杜秀秀，李佳軒．人工智能生成內容對智慧圖書館服務的沖擊及應用展望［J]．情報理論與實踐，2023，46（5） ：6-13.

[23]柳益君，李仁璞，羅燁，等．人工智能 + 圖書館知識服務的實現路徑和創新模式［J]．圖書館學研究，2018（10）61-65，42.

[24]王翼虎，白海燕，孟旭陽．大語言模型在圖書館參考咨詢服務中的智能化實踐探索［J]．情報理論與實踐，2023，46（8） ：96-103.

[25]郭亞軍，馬慧芳，張鑫迪，等.ChatGPT賦能圖書館知識服務：原理、場景與進路[J].圖書館建設，2024（3）：60-68.

[26]劉寧，牛佳樂，鄭劍，等．基于向量空間模型的信息資源關鍵詞智能檢索工具的研究[J]．自動化技術與應用，2023，42（10）：105-107，161.

[27]顧小清，劉桐．大模型時代的智適應學習研究：進展、實例與展望[J]．中國教育信息化，2024，30（5）：55-66.

[28]葉鷹，朱秀珠，魏雪迎，等．從ChatGPT爆發到GPT技術革命的啟示[J].情報理論與實踐，2023，46（6）：33-37.

[29]段偉笑．基于偏好挖掘的圖書館圖書自動推薦方法[J].通信與信息技術，2023（5）：33-35，62.

[30]LINGC，ZHAOXJ，LUJY，et al.Domain specializationas the key to make large language models disruptive：acomprehensive survey[J/OL].arXiv，2023[2024-11-21]. https：//arxiv. org/abs/2305.18703.

[31]楊瀟．公共圖書館智能圖書采購探索[J].數字通信世界，2023（8） ：181-184.

[32]AHMEDM，MUKHOPADHYAYM，MUKHOPADHYAYP.Automated knowledge organization：AI/ML-based sub-ject indexing system for libraries[J].DESIDOC Journal ofLibraryamp; Information Technology，2023，43（1）：45-54.

[33]陸偉，馬永強，劉家偉，等．數智賦能的科研創新：基于數智技術的創新輔助框架探析[J].情報學報，2023，42（9）：1009-1017.

[34]CNKIAI學術研究助手[EB/OL].[2024-12-02].ht-tps：//aiplus. cnki. net/.

[35]PAN Q. Research on promoting reading in university librar-iesin the era of artificial intelligence[J]. Information andknowledge management，2023，4（2）：50-56.

[36]宋雨婷．基于中文圖書知識圖譜的智能檢索應用研究[D]．昆明：云南師范大學，2023.

[37]莊輝鳳．圖書館運用人工智能提供智慧服務研究[J].齊齊哈爾大學學報（哲學社會科學版），2024（2）：65-69.

[38]王大阜，鄧志文，賈志勇，等．基于用戶畫像的高校圖書館個性化圖書推薦研究[J]．河南師范大學學報（自然科學版），2022，50（3）：95-103.

[39]肖自力．智慧圖書館中基于人工智能的個性化閱讀推薦系統設計實施策略［J]．蘭臺內外，2024（10）：70-72.

[40]上海人工智能研究院，上海圖書館（上海科學技術情報研究所）.智慧圖書館大模型創新與應用白皮書[R].上海：[出版者不詳]，2023.

[41]胡國強，馬來宏．虛擬現實和增強現實在智慧圖書館的應用[J].圖書館工作與研究，2017（9）：50-54.

作者簡介：

王一（1993—），女，碩士，館員，任職于。研究方向：數字素養教育、圖書館知識服務。

曹秀麗（1984—），女，博士，館員，任職于。研究方向：數字資源建設、AI素養教育。

周建芳（1977—），男，博士，研究館員，任職于。研究方向：數字素養教育、AI素養教育。