作为银行科技条线的基层工作人员，给老师和大家提供一些需求端的信息。 除了想要去部署一些私有的大模型的接口，似乎更重要的是，如何找到一些切口，可以让大模型真的能够赋能具体的业务场景、工作场景，能不能提高工作的效率。 我这两天一直在找相关的课程，发现极客时间上面很多是讲技术原理和技术实现的，有的课程会有一些具体的案例，但是案例更多是服务于技术原理和技术实现的学习，案例本身可能没有那么强的实用性。 在得到AI学习圈的内容，更多是个人层面去做一些小工具，是toC的一些需求的开发。 B站上的内容非常新，更多是一些toC小工具的演示和实现方法初探。 我觉得我们这门课既然是要帮助我们提升自己为领导分忧解难的，在现有内容之外，可以多分享一下业界用deepseek、大模型的技术做了哪些有意思的toB应用，启发我们也可以做一些ai企业级应用的创新思路。 我看了老师的背景，想老师一定在这方面有很多可以分享的内容。 举个例子来讲，我是大数据相关的工作者，我们的领导就特别想看大模型能够在数据治理、数据资产沉淀、数据需求处理、基于数据分析的营销管理等方面有没有一些可以切入的可以赋能的点。 比如 业务提供了一个数据资产建设的需求，我们如何根据现有的数据资产，帮忙评估建设的必要性（是不是有已经可用的数据资产） 再比如，我们有很多的数据字段需要打上各种各样的标签，能不能利用大模型来帮助我们给数据打标。 比如，如何开发一个大模型，业务在提出一个数据需求的时候，可以帮助我们自动化地评估我们的数据湖里、成熟的数据资产有没有相应的数据源，数据的时效性怎么样，是不是能够满足业务的需求，基于此来做一个数据需求的预评估，以及用什么的方式满足业务的需求，扮演一个数据咨询顾问的角色 再比如，更近一步，能不能利用我们现有的数据资产，帮助我们直接去满足业务老师的一些数据需求，取出想要的数据并且做合适的整理，甚至是生成自己想要的图表， 希望邢老师能够多一些AI toB端领域应用的案例介绍。我想在我们学习完这门课有了实现的技术之后，多一些这样的应用开发的思路启发，是非常有意义的一件事情——因为AI是一定要用了才有学习的意义