摘 要：針對大模型與生成式AI技術(shù)問題，教師從AI-Agent電子商務(wù)實驗室功能設(shè)計、企業(yè)經(jīng)營大模型AI-Agent技術(shù)形態(tài)、多協(xié)作AI-Agent實驗項目生成等方面，進行基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室建設(shè)的研究，運用模擬真實電子商務(wù)環(huán)境、實驗項目生成、理論連接實踐等方法，搭建一個教學(xué)實踐和研究的平臺，推動電子商務(wù)技術(shù)創(chuàng)新和電子商務(wù)專業(yè)人才培養(yǎng)。

關(guān)鍵詞：企業(yè)經(jīng)營；大模型；AI-Agent；電子商務(wù)實驗室

中圖分類號：G63 文獻標識碼：A 文章編號：0450-9889（2024）17-0105-06

在數(shù)字化時代和人工智能大模型高速發(fā)展的今天，電子商務(wù)已成為全球企業(yè)商業(yè)活動的重要組成部分。隨著生成式人工智能（Artificial Intelligence Generated Content，簡稱AIGC）技術(shù)的不斷發(fā)展和電子商務(wù)模式的不斷創(chuàng)新，人工智能大模型為企業(yè)商業(yè)經(jīng)營提供了前所未有的機遇，但同時也迎來了挑戰(zhàn)?；谄髽I(yè)經(jīng)營大語言模型（Large language Model，LLM）的人工智能代理（Artificial Intelligence Agent，簡稱AI-Agent）在電子商務(wù)實驗室的建立，旨在通過模擬真實的電子商務(wù)環(huán)境，為研究人員和在校學(xué)生提供一個實踐與研究的平臺，讓他們能夠在一個安全、可控的平臺上實踐電子商務(wù)理論和技術(shù)應(yīng)用。在大模型與AI-Agent應(yīng)用研究中，李戈等［1］針對基于大模型和人機協(xié)同軟件開發(fā)與演化工具的探索，提出模型生成的預(yù)測性內(nèi)容開發(fā)與演化高質(zhì)量內(nèi)容方案；趙莉等［2］針對基于多Agent技術(shù)的云計算任務(wù)分解方法的研究，提出采用模糊聚類方法對云計算任務(wù)進行聚類處理解決方案。此外，實驗室也為企業(yè)提供了一個測試新商業(yè)模式和技術(shù)的場所，幫助企業(yè)在真實市場中做出更加明智的決策。

電子商務(wù)實驗室是一個集成了最新人工智能技術(shù)的虛擬運行與真實數(shù)據(jù)的平臺，它利用大數(shù)據(jù)分析、機器學(xué)習(xí)、自然語言處理等先進技術(shù)，構(gòu)建了一個全面的電子商務(wù)生態(tài)系統(tǒng)，劉尚麟等［3］針對協(xié)作自主AI-Agent系統(tǒng)及工業(yè)系統(tǒng)的研究，提出ChatGPT系列大模型制定自然語言輸入句型規(guī)范、LLM協(xié)作系統(tǒng)提升語言模型能力水平方法。在電子商務(wù)實驗室中，AI-Agent作為核心組件，模擬真實世界中的電子商務(wù)參與者，包括消費者、供應(yīng)商、市場分析師和企業(yè)決策者等。模擬消費者的購買行為，包括搜索、比較、購買和反饋等過程，為實驗室提供關(guān)于消費者行為的深入洞察，支振鋒［4］針對生成式人工智能大模型的信息內(nèi)容治理的研究，提出改變網(wǎng)絡(luò)信息內(nèi)容生態(tài)、抗擊劣質(zhì)信息、初始信源被污染和沖擊社會倫理等信息內(nèi)容風險方法。分析大量的市場數(shù)據(jù)，預(yù)測市場趨勢，為企業(yè)提供戰(zhàn)略規(guī)劃和產(chǎn)品定位的建議，陸偉等［5］針對以ChatGPT為代表的大模型對信息資源管理的研究，提出ChatGPT大模型通過范式轉(zhuǎn)換、治理變革、信息加工、薈萃、整合和生成能力信息資源管理方法。優(yōu)化供應(yīng)鏈流程、追本溯源，確保供應(yīng)鏈的高效運作，壽步［6］針對人工智能領(lǐng)域倫理主體agent（行為體）的追本溯源的研究，提出循名責實的線索、預(yù)留溯源空間方法。利用用戶行為數(shù)據(jù)，提供個性化的匹配產(chǎn)品推薦，提高轉(zhuǎn)化率和顧客滿意度，梁崢等［7］針對預(yù)訓(xùn)練語言模型實體匹配的可解釋性的研究，提出預(yù)訓(xùn)練語言實體匹配模型的屬性序反事實、屬性關(guān)聯(lián)理解等解決方法；識別潛在的風險點，如欺詐行為、數(shù)據(jù)泄露等，并確保企業(yè)的電子商務(wù)活動符合相關(guān)法律法規(guī)；輔助企業(yè)管理層進行復(fù)雜的決策分析，提供基于數(shù)據(jù)的決策支持。同時，企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室為學(xué)校提供了多模態(tài)創(chuàng)新性教育方向，盧宇等［8］針對多模態(tài)大模型的教育應(yīng)用的研究，提出通過下游任務(wù)適配形成三類多模態(tài)教育大模型的教學(xué)資源自動生成、人機協(xié)同過程支持與教師教學(xué)智能輔助方法。

一、基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室架構(gòu)

基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室架構(gòu)可以設(shè)計為一個綜合性的模擬環(huán)境，旨在通過模擬電子商務(wù)的各個方面，提供一個教學(xué)實踐和研究的平臺。AI-Agent連接著企業(yè)經(jīng)營數(shù)據(jù)平臺，以真實的本地數(shù)據(jù)源為根本，以生成式人工智能大模型為外部泛在接入組件，擁有龐大數(shù)據(jù)量與計算能力。AI-Agent作為人工智能代理接入企業(yè)經(jīng)營數(shù)據(jù)平臺，從根本上提取、適配大模型數(shù)據(jù)與計算資源。電子商務(wù)實驗室在大模型AI-Agent作用下上升為一個類腦型數(shù)據(jù)平臺，集成了感知企業(yè)經(jīng)營數(shù)據(jù)條目信息，使決策和執(zhí)行動作智能體不脫離企業(yè)經(jīng)營本體，使其不但具備獨立思考、調(diào)用工具的實驗分析能力，而且實驗室上升為研究人員和在校學(xué)生的“智能體”和“智能業(yè)務(wù)助理”。電子商務(wù)實驗室架構(gòu)經(jīng)營數(shù)據(jù)、AI大模型、實驗?zāi)K、實驗分析等四個層次（如圖1所示）。

在大模型AI-Agent的驅(qū)動下，電子商務(wù)實驗室使用自然語言交互方式高效地執(zhí)行、處理專業(yè)的電子商務(wù)工作任務(wù)，使研究人員和在校學(xué)生獲取更新、更符合邏輯的實驗數(shù)據(jù)。實驗室分四層架構(gòu)，經(jīng)營數(shù)據(jù)層位于IaaS（Infrastructure as a Service，基礎(chǔ)設(shè)施即服務(wù)）中，AI大模型層屬于IaaS和PaaS（Platform as a Service，平臺即服務(wù)）中間層，實驗?zāi)K層、實驗分析層屬于PaaS表現(xiàn)層。四個層次是在大語言模型作用下依靠AI-Agent能力支撐的一個架構(gòu)，AI-Agent是釋放LLM潛能的關(guān)鍵，通過AI-Agent與企業(yè)經(jīng)營數(shù)據(jù)平臺鏈接數(shù)據(jù)源進行構(gòu)建新型環(huán)境交互，電子商務(wù)實驗?zāi)K信息做出感知計算和行動。

1.經(jīng)營數(shù)據(jù)層：屬于整個電子商務(wù)實驗室的基礎(chǔ)，是數(shù)據(jù)源的本體與根本。實驗數(shù)據(jù)來源于經(jīng)營數(shù)據(jù)層，包含市場數(shù)據(jù)、客戶數(shù)據(jù)、競爭對手數(shù)據(jù)、行為數(shù)據(jù)、商品數(shù)據(jù)、商品分析數(shù)據(jù)等，以及多模態(tài)輸入和環(huán)境感知信息，使AI-Agent能夠處理的文本、圖像、聲音等有源可溯。經(jīng)營數(shù)據(jù)層包含核心數(shù)據(jù)控制能力、規(guī)劃能力、記憶模塊、工具接口等組件，各組件對接于AI大模型。

2.AI大模型層：屬于電子商務(wù)實驗室的外部數(shù)據(jù)接入層，借助大模型實現(xiàn)AI-Agent數(shù)據(jù)融合與處理。AI大模型包括自然語言交互和LLM內(nèi)容生成兩個部分，提供智能業(yè)務(wù)助理、智能實體決策、生成創(chuàng)意內(nèi)容和Prompt（AI模型提示詞）實現(xiàn)等。

3.實驗?zāi)K層：屬于電子商務(wù)實驗室本地連接大模型的計算模塊，具備計算與儲存功能。實驗?zāi)K包括LLM Agent能力的模型驅(qū)動、主動規(guī)劃、類腦記憶和函數(shù)調(diào)用等四種功能，以及LLM AI Agent和感知（Perception）、控制（Brain）和行動（Action）三個控制端部分。實驗?zāi)K層負責處理自然語言指令，進行決策和規(guī)劃，使AI-Agent能夠根據(jù)目標制訂和執(zhí)行計劃；儲存代理歷史操作和經(jīng)驗，用于提升決策質(zhì)量；允許AI-Agent調(diào)用外部工具和API，擴展其功能。

4.實驗分析層：屬于電子商務(wù)實驗室的輸出部分，面向終端用戶輸出實驗數(shù)據(jù)結(jié)果。實驗分析包括企業(yè)經(jīng)營網(wǎng)店轉(zhuǎn)化率、客戶習(xí)慣、購買行為、銷售業(yè)績分析、經(jīng)營環(huán)境分析、運營活動分析等。實驗分析層抽絲剝繭文本輸出、工具使用和執(zhí)行行動等組件，各組件的功能分別是生成響應(yīng)和報告；使AI-Agent能夠使用各種在線工具和數(shù)據(jù)庫來執(zhí)行任務(wù)；虛擬環(huán)境中執(zhí)行物理行動，如產(chǎn)品上架、價格調(diào)整等。

二、電子商務(wù)實驗室企業(yè)經(jīng)營大模型AI-Agent設(shè)計

（一）企業(yè)經(jīng)營大模型AI-Agent技術(shù)實施

電子商務(wù)實驗室區(qū)別于傳統(tǒng)的硬件實體實驗室，是一個構(gòu)建于企業(yè)經(jīng)營數(shù)據(jù)的平臺，對接于人工智能大模型，通過AI-Agent核心技術(shù)的計算能力、規(guī)劃能力、記憶能力和使用工具能力，形成能夠擬人化實現(xiàn)實驗室各項功能的、本地硬件系統(tǒng)和遠程模型交互的新一代生成式人工智能電子商務(wù)實驗室。該實驗室的源頭是本地硬件計算系統(tǒng)和企業(yè)經(jīng)營數(shù)據(jù)平臺，接入的是生成式人工智能大語言模型，核心是AI-Agent智能實體，電子商務(wù)實驗室承載著用戶輸入與計算結(jié)果的輸出。AI-Agent在整個電子商務(wù)實驗數(shù)據(jù)生成過程中，扮演著擬人的角色，有著豐富的記憶和邏輯分析能力，能夠把用戶輸入的實驗需求進行任務(wù)拆解、問題分析并最終得出用戶需要什么樣的實驗數(shù)據(jù)。擬人、類腦的AI-Agent電子商務(wù)實驗室在技術(shù)實施過程中分zWyO1uTURch3U/ffrhV6kQ==為大模型輸入、數(shù)據(jù)驅(qū)動洞察、多模態(tài)內(nèi)容生成、電子商務(wù)實驗輸出等多個步驟（如圖2所示）。

上述企業(yè)經(jīng)營大模型AI-Agent技術(shù)的應(yīng)用體現(xiàn)了“AI大模型+Agent插件+執(zhí)行流程+實驗思維鏈”，AI-Agent交互是一個環(huán)形核心，不斷在每一個步驟中干預(yù)、思考實驗需求。技術(shù)實施分四步進行。

第一步：AI大模型輸入。大語言模型連接著企業(yè)經(jīng)營數(shù)據(jù)平臺，通過AI-Agent解析組件對實驗室用戶輸入進行內(nèi)容理解、行為識別、數(shù)據(jù)初步推薦，以及對前部分計算結(jié)果數(shù)據(jù)進行不斷抽取并進行迭代重構(gòu)。

第二步：AI-Agent數(shù)據(jù)驅(qū)動洞察。通過AI-Agent自然語言理解能力，扮演擬人角色處理和回應(yīng)實驗室用戶輸入的自然語言指令序列，對接企業(yè)經(jīng)營數(shù)據(jù)平臺數(shù)據(jù)源進行數(shù)據(jù)透析、類腦式理解并對數(shù)據(jù)進行驅(qū)動，推進多模態(tài)內(nèi)容生成。

第三步：AI-Agent多模態(tài)內(nèi)容生成。在該進程中，實驗?zāi)Ｐ瓦M行機器學(xué)習(xí)與知識重構(gòu)，多模態(tài)數(shù)據(jù)生成文本、圖像、音頻等多種數(shù)據(jù)類型，提供電子商務(wù)經(jīng)營決策、數(shù)據(jù)決策信息，對已有記憶的案例進行比對與分析，并進一步調(diào)用知識庫、法律法規(guī)庫進行生成式內(nèi)容的合規(guī)性審計。

第四步：AI-Agent電子商務(wù)實驗輸出。該進程體現(xiàn)了AI-Agent行使意志、做出選擇和采取行動的能力，從用戶需求輸入到AI大模型，到最后的多模態(tài)內(nèi)容生成，擬人化思考和計算使電子商務(wù)實驗系統(tǒng)輸出用戶需要的生成式實驗例程、生成式實驗報告和生成式實驗數(shù)據(jù)。

（二）AI-Agent電子商務(wù)實驗室功能設(shè)計

基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室的功能圍繞電子商務(wù)交互業(yè)務(wù)模式進行分層式設(shè)計，包含IaaS、PaaS兩個部分組成。PaaS主要功能分為仿真分析、決策支持、機器學(xué)習(xí)、合規(guī)檢查、數(shù)據(jù)分析、內(nèi)容生成、數(shù)據(jù)迭代、實驗交互等八個，最終電子商務(wù)業(yè)務(wù)交互通過實驗交互作為總輸出，而且電子商務(wù)實驗室數(shù)據(jù)端作為總輸入，外部接入的是IaaS。（該電子商務(wù)實驗室的關(guān)鍵功能設(shè)計如下頁圖3所示）

IaaS部分是電子商務(wù)實驗室服務(wù)器集群連接外部接入設(shè)施與組件，以企業(yè)經(jīng)營數(shù)據(jù)平臺為基礎(chǔ)設(shè)施，通過網(wǎng)絡(luò)與企業(yè)經(jīng)營大模型、企業(yè)經(jīng)營模型組件接入而提供的一種數(shù)據(jù)接入方式，以云計算、區(qū)塊鏈、元宇宙等泛在服務(wù)模式接入，使電子商務(wù)實驗室的功能、計算能力、服務(wù)能力和數(shù)據(jù)能力得以無限擴展。同時，IaaS相應(yīng)的服務(wù)器平臺或者實驗開發(fā)環(huán)境作為服務(wù)進行提供就成了PaaS，位于AI-Agent電子商務(wù)實驗室功能設(shè)計中的頂端。

PaaS部分是AI-Agent電子商務(wù)實驗室功能設(shè)計中的具體功能集中體現(xiàn)，分為兩個部分設(shè)計：一是電子商務(wù)實驗內(nèi)部輸入，連接的是AI-Agent組件，包含實驗需求模型和實驗分析模型，把控著實驗者的實驗需求輸入、實驗結(jié)果的輸出，負責與前端IaaS部分接入部分通訊與數(shù)據(jù)獲取。二是實驗室的八個功能模塊，每個功能模塊下設(shè)至少兩個子模塊，包含仿真分析（動態(tài)市場、多維報表）、決策支持（經(jīng)營決策、決策模型）、機器學(xué)習(xí)（模式識別、實驗分類）、合規(guī)檢查（風險評估、合規(guī)審計）、數(shù)據(jù)分析（數(shù)據(jù)挖掘、數(shù)據(jù)實驗）、內(nèi)容生成（實驗報告、圖像視頻）、數(shù)據(jù)迭代（內(nèi)容重構(gòu)、邏輯重構(gòu)）、實驗交互（實驗輸出、實驗管理）。八個功能模塊負責電子商務(wù)實驗室的業(yè)務(wù)功能，通過AI-Agent組件連接IaaS，實現(xiàn)電子商務(wù)個性化產(chǎn)品推薦、智能客戶服務(wù)代理、電子商務(wù)內(nèi)容生成等。

（三）多模協(xié)作AI-Agent實驗項目生成

多模協(xié)作AI-Agent實驗項目生成主要是實驗室的內(nèi)生能力體現(xiàn)部分，電子商務(wù)實驗室以智能化的方式設(shè)計一系列實驗項目，通過企業(yè)經(jīng)營大模型AI-Agent創(chuàng)建一個動態(tài)變化的市場環(huán)境，包括消費者行為、競爭對手策略、市場趨勢等，提供工具進行市場細分、目標市場選擇和定位分析。實驗室具備決策支持功能，通過機器交互式學(xué)習(xí)扮演不同角色進行決策實踐，如CEO、市場經(jīng)理、供應(yīng)鏈經(jīng)理等。實驗室最終要達到的目標是AI-Agent多模態(tài)實驗項目生成，使電子商務(wù)實驗成為一個擬人的自動化平臺，其代表性多模協(xié)作AI-Agent實驗部分項目如表1所示。

這些實驗項目不僅能夠推動電子商務(wù)領(lǐng)域的技術(shù)創(chuàng)新，而且能夠為學(xué)生和專業(yè)研究人員提供寶貴的實踐經(jīng)驗，幫助他們更好地理解和應(yīng)用人工智能生成技術(shù)。同時，電子商務(wù)實驗室以數(shù)據(jù)驅(qū)動洞察、圖形化方式呈現(xiàn)給實驗者，提供高級數(shù)據(jù)分析工具，如數(shù)據(jù)挖掘、預(yù)測模型等，通過圖表和圖形直觀展示數(shù)據(jù)分析結(jié)果。

三、實驗?zāi)Ｐ头抡娴湫桶咐?/p>

筆者以國內(nèi)某上市物流企業(yè)電子商務(wù)平臺經(jīng)營效率數(shù)據(jù)分析實驗為例，進行2019—2023年經(jīng)營效率變化情況仿真分析。該企業(yè)物流電子商務(wù)平臺進行了AI-Agent技術(shù)開發(fā)，整合了某商業(yè)大模型，并接入了另外一家商業(yè)模型組件，從數(shù)據(jù)來源上符合生成式人工智能的要求。該地企業(yè)物流電子商務(wù)數(shù)據(jù)存量少，局限于本平臺難以形成外部對比，特別對純技術(shù)效率、規(guī)模效率難以橫向?qū)Ρ鹊热秉c，為此筆者設(shè)計了基于企業(yè)經(jīng)營大模型AI-Agent的數(shù)據(jù)分析模型。

外部接入：某商業(yè)集成了GPT-3（Generative Pre-trained Transformer 3）大模型，整合GPT-3的幾十億個參數(shù)的部分應(yīng)用；并接入另一家GAN（Generative Adversarial Network）生成式AI大模型商業(yè)組件。

實驗輸入：依托本地物流企業(yè)電子商務(wù)平臺開發(fā)的AI-Agent應(yīng)用模型，按實驗要求輸入2019 —2023年的“綜合效率、純技術(shù)效率、規(guī)模效率”三類電子商務(wù)效率數(shù)據(jù)進行分析。

實驗輸出：綜合效率的平均數(shù)據(jù)和TE物流節(jié)點數(shù)、純技術(shù)效率的平均數(shù)據(jù)和PTE物流節(jié)點、規(guī)模效率的平均數(shù)據(jù)和SE物流節(jié)點，從中分析出經(jīng)營趨勢和管理水平。

實驗計算模型運用AI-Agent，明確投入和產(chǎn)出指標，以及確定樣本后，為基于企業(yè)經(jīng)營大模型AI-Agent的運行結(jié)果，得到2019 — 2023年國內(nèi)物流類上市公司電子商務(wù)經(jīng)營效率（包括綜合效率、純技術(shù)效率、規(guī)模效率）變化情況（如表2所示）。

從表2可以看出，近幾年國內(nèi)物流公司的綜合效率TE=1的物流節(jié)點數(shù)量呈N形趨勢，N形曲線從2019年的5.11突破性上升到2020最高點9.23，又于2022年回落至次低點6.13，2023又突然高速提升到9.06，同時存在斷崖式與躍升式發(fā)展狀態(tài)，與技術(shù)效率、規(guī)模效率發(fā)展水平不協(xié)調(diào)，表明物流公司經(jīng)營管理水平有待提升。純技術(shù)效率PTE=1都在0.90—0.91之間微小變化間發(fā)展，雖有2023年減少至0.90，但綜合效率與規(guī)模效率因素調(diào)節(jié)而上升發(fā)展，總體評價各物流節(jié)點的技術(shù)投入屬于平衡發(fā)展狀態(tài)。規(guī)模效率SE=1的物流節(jié)點數(shù)量趨勢與綜合效率基本相同發(fā)展，在2022年SE=0.82達到最大，其他年份在這個范圍內(nèi)較小幅度地波動，說明各物流節(jié)點要根據(jù)自身實際情況適時調(diào)整好投入與產(chǎn)出的關(guān)系，同時要關(guān)注與技術(shù)投入平衡發(fā)展，做到合理生產(chǎn)的同時提高經(jīng)濟規(guī)模效率（物流電子商務(wù)經(jīng)營效率變化走勢如圖4所示）。

某上市物流企業(yè)電子商務(wù)經(jīng)營效率數(shù)據(jù)分析具備企業(yè)經(jīng)營大模型AI-Agent自動生成圖表和數(shù)據(jù)分析功能，其中AI-Agent的擬人功能輔助分析主要有三個步驟。

第一步，通過本地電子商務(wù)平臺接入大模型及AI-Agent組件，以仿真分析、機器學(xué)習(xí)兩個組件對輸入的“綜合效率、純技術(shù)效率、規(guī)模效率”三類電子商務(wù)效率數(shù)據(jù)進行了對外接入式網(wǎng)絡(luò)索取動態(tài)市場、多維報表，增加了上萬倍的樣本數(shù)據(jù)比對量進行模式識別、實驗分類。

第二步，通過本地系統(tǒng)和AI-Agent組件，進行決策支持、數(shù)據(jù)分析、數(shù)據(jù)迭代，歷經(jīng)經(jīng)營決策、決策模型、數(shù)據(jù)挖掘、數(shù)據(jù)實驗、內(nèi)容重構(gòu)、邏輯重構(gòu)等九個計算過程，把公司本地物流電子商務(wù)的業(yè)務(wù)數(shù)據(jù)與網(wǎng)絡(luò)大模型、組件來源的數(shù)據(jù)進行對比，使數(shù)據(jù)不失真、有據(jù)可依、計算有跡可循。

第三步，進行內(nèi)容生成（實驗報告、圖像視頻）、合規(guī)檢查（風險評估、合規(guī)審計），最后以實驗交互（實驗輸出、實驗管理）的報告形式呈現(xiàn)。

由上我們可以得出以下結(jié)論：仿真實驗進行了純本地平臺數(shù)據(jù)實驗、接入大模型數(shù)據(jù)實驗兩輪數(shù)據(jù)對比，數(shù)據(jù)樣本量增加了1.321 9萬倍，綜合效率準確率提高了27.21%、純技術(shù)效率準確率提高了31.23%、規(guī)模效率準確率提高了24.17%；分析報告數(shù)據(jù)可讀性提高了3倍。

基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室的建設(shè)，標志著教育和研究領(lǐng)域在電子商務(wù)應(yīng)用又邁出了重要的一步。電子商務(wù)實驗室不僅為學(xué)生、研究人員和企業(yè)決策者提供了一個探索的平臺，而且是推動電子商務(wù)技術(shù)創(chuàng)新和人才培養(yǎng)的重要基地。隨著電子商務(wù)的快速發(fā)展和人工智能技術(shù)的不斷進步，基于企業(yè)經(jīng)營大模型AI-Agent的電子商務(wù)實驗室將成為連接理論與實踐、創(chuàng)新與應(yīng)用的橋梁，不僅能夠提高教育教學(xué)質(zhì)量，而且能夠加速電子商務(wù)領(lǐng)域的技術(shù)創(chuàng)新和行業(yè)發(fā)展。電子商務(wù)實驗室還可以探索電子商務(wù)領(lǐng)域的未來發(fā)展趨勢，如區(qū)塊鏈、虛擬現(xiàn)實等新興技術(shù)的應(yīng)用，為企業(yè)把握未來發(fā)展機遇提供方向。

參考文獻

［1］李戈，彭鑫，王千祥，等.大模型：基于自然交互的人機協(xié)同軟件開發(fā)與演化工具帶來的挑戰(zhàn)［J］.軟件學(xué)報，2023，34（10）：4601-4606.

［2］趙莉，李君茹.基于多Agent技術(shù)的云計算任務(wù)分解方法研究［J］.南京理工大學(xué)學(xué)報，2022，46（3）：298-303.

［3］劉尚麟，陳怡多，黎珂.協(xié)作自主AI Agent系統(tǒng)及工業(yè)系統(tǒng)網(wǎng)絡(luò)安全應(yīng)用研究［J］.工業(yè)信息安全，2023（3）：61-67.

［4］支振鋒.生成式人工智能大模型的信息內(nèi)容治理［J］.政法論壇，2023，41（4）：34-48.

［5］陸偉，劉家偉，馬永強，等.ChatGPT為代表的大模型對信息資源管理的影響［J］.圖書情報知識，2023，40（2）：6-9.

［6］壽步.人工智能領(lǐng)域倫理主體agent（行為體）的追本溯源［J］.自然辯證法通訊，2023（12）：10-17.

［7］梁崢，王宏志，戴加佳，等.預(yù)訓(xùn)練語言模型實體匹配的可解釋性［J］.軟件學(xué)報，2023，34（3）：1087-1108.

［8］盧宇，余京蕾，陳鵬鶴，等.多模態(tài)大模型的教育應(yīng)用研究與展望［J］.電化教育研究，2023，44（6）：38-44.

注：本文系廣西哲學(xué)社會科學(xué)規(guī)劃項目“廣西本科高校新工科產(chǎn)教深度融合模式創(chuàng)新與實現(xiàn)路徑研究”（23FGL023）、廣西高等教育本科教學(xué)改革項目“應(yīng)用型本科高校新工科交叉學(xué)科專業(yè)建設(shè)研究與實踐”（2022JGA381）的研究成果。

（責編 林 劍）