言犀是京东云推出的产业级大模型产品线，涵盖言犀大模型（基础模型能力）与言犀AI开发计算平台（应用开发层）。它基于京东数智供应链场景中服务超5.8亿用户的真实业务数据训练，在电商零售、智能客服、营销文案、商品知识等产业场景具备明显的知识密度优势。本文从零开始梳理言犀的注册开通、零代码智能体搭建、知识库/RAG 配置、API 发布接入生产，以及与腾讯混元、百度文心一言、阿里通义千问的选型对比，帮助 AI 工程师和企业选型团队快速判断「言犀适合解决什么问题、怎么落地」。
对 AI 从业者而言，掌握言犀等于掌握一条「大模型 + 垂直产业数据」的落地路径：从平台零代码编排到 API 生产接入，是进入电商零售与供应链 AI 领域最直接的技能储备。
目录
速览卡是工具类内容的固定首屏模块：30 秒判断「这工具是什么、能不能商用、适不适合我」。
为什么需要言犀：通用大模型落地产场景，缺的是行业知识
传统通用大模型在产业场景落地时普遍面临三个问题：一是缺乏行业知识，模型能写通顺文案，但不理解 SKU（库存量单位，电商中每个商品的唯一编码）属性、活动规则、供应链术语；二是企业数据存在安全顾虑，业务数据不能直接传给公网模型；三是部署与运维成本高，自建模型集群需要 GPU 资源与算法团队。这些问题导致不少企业「模型有了，却用不起来」。
言犀的解法是把产业知识前置到模型训练环节。言犀大模型基于京东在零售、物流、金融、健康等场景服务超 5.8 亿用户沉淀的真实交互数据训练，天然理解电商语境下的商品描述、客服话术、营销活动等业务语义。同时，言犀AI开发计算平台以 SaaS 形式提供智能体编排、知识库、模型微调等能力，企业无需自建 GPU 集群，直接在浏览器中搭建业务应用，并通过 API 无缝接入现有系统。
与同类工具的差异在于气质：腾讯混元、百度文心、阿里通义更强调「通用底座 + 生态整合」，言犀则明确押注「产业纵深」，把电商零售与供应链场景的知识密度作为核心竞争力。如果你的业务不在消费零售领域，言犀的差异化优势会明显减弱。
注册与环境准备：3 步就绪
言犀不需要安装任何软件，全部操作在浏览器完成。
1. 注册账号：访问 [yanxi.jd.com](https://yanxi.jd.com)，使用手机号或京东账号注册并登录。企业用户建议在京东云完成企业实名认证，以获得更高的 API 调用配额。
2. 完成实名认证：进入「账号中心」提交实名认证信息。个人认证即可体验平台功能，企业认证用于生产环境 API 调用与合同流程。认证通常 1-2 个工作日审核完成。
3. 创建应用获取凭证：在平台控制台点击「创建应用」，填写应用名称与用途描述，创建成功后系统生成该应用的 API Key（调用凭据，用于后续 API 请求鉴权）。此步骤是调用言犀大模型 API 的前置条件，所有线上请求都必须携带该凭证。
# 言犀为 SaaS 服务，无需安装任何命令行工具。# 完成后通过浏览器访问平台控制台，即可开始创建智能体。# API 调用凭证在「控制台 → 应用管理」中查看与重置。
快速上手：15 分钟零代码跑通一个营销文案智能体
言犀平台的核心使用路径是「选模板 → 配 Prompt → 挂知识库 → 发布」，全程不需要写代码。以下以「商品营销文案生成智能体」为例：
1. 进入智能体广场：登录言犀AI开发计算平台，在「智能体广场」浏览预置模板，选择「营销文案生成」类模板。平台提供客服、营销、商品知识问答等多种行业模板可直接复用。
2. 创建并配置智能体：点击「创建智能体」，填写名称；在角色设定 Prompt 中描述任务（如「你是资深电商运营，根据商品卖点生成 200 字详情页文案」）；模型选择言犀大模型 V2.0。
3. 关联知识库（可选）：在「知识库」模块上传品牌手册、商品文档（支持 PDF、Word、TXT 等格式），平台自动切片并建立向量索引。这一步让文案输出贴合品牌调性，属于 RAG（检索增强生成，先检索知识库相关内容再让模型生成答案）的标准用法。
4. 测试调试：在调试窗口输入商品信息，检查生成文案质量。不满意可调整 Prompt 或补充知识库文档。
5. 发布：点击「发布」将智能体上线，可选择发布为页面应用或 API 应用。发布为 API 应用后可获得独立调用地址，供业务系统集成。
进阶技巧：用同一核心 Prompt 衍生多个细分智能体（如「详情页文案」「直播口播稿」「朋友圈种草文案」），并配合知识库的「分段规则」设置，可显著提升生成内容的针对性。
核心能力详解：4 大支柱
支柱一：产业语料训练的大模型底座。言犀大模型基于京东数智供应链场景数据训练，模型对电商术语（如「促销叠加」「价保」「京仓京配」）、客服场景意图与用户表达习惯有更好的理解。V2.0 版本参数规模达数千亿级，覆盖文案创作、知识问答、逻辑推理、代码生成等通用能力，并在电商业务语义理解上保持差异化。这是言犀区别于纯通用模型的核心竞争力来源。
支柱二：零代码智能体编排。平台提供可视化智能体编排能力，用户通过拖拽配置角色设定、Prompt 模板、关联模型与工具插件，即可构建面向具体业务的智能体，无需编写代码。对于需要深度定制的团队，平台也提供 API 方式支持代码集成。门槛低、交付快，适合业务人员直接参与 AI 应用搭建。
支柱三：知识库与 RAG。平台内置企业知识库模块，支持上传多种格式文档，自动完成文本解析、切片与向量化，使模型在回答时优先引用企业自有知识，降低幻觉（模型生成与事实不符内容的概率）。知识库支持权限管理，不同团队可维护独立知识空间，适合客服、合规、产品说明等需要绑定企业资料的场景。
支柱四：模型微调与数据管理。对于有深度定制需求的客户，平台提供模型微调工具与数据集管理能力，企业可基于业务数据对模型进行监督微调（用标注好的输入输出对进一步训练模型，使其适配特定任务风格），并评估微调前后效果。该能力面向企业级客户，适合对输出格式、语气、专业术语有严格规范的场景。
生产部署与监控：从上线到运维
部署方式一：SaaS API 接入。在平台将智能体发布为 API 应用后，业务系统通过 HTTPS 调用接口，请求头携带应用 API Key 鉴权。平台负责底层资源调度与弹性扩容，企业无需关心 GPU 与推理服务运维，适用于大多数中轻量级业务场景。
部署方式二：企业级私有化部署。面向数据敏感的大型企业，京东云提供言犀的私有化/专有云部署方案，模型与数据均部署在企业自有或专有云环境中，满足数据不出域要求。该模式需商务对接，交付周期与费用按资源规模评估。
可观测性：SaaS 模式下，平台控制台提供应用调用量、Token 消耗（按词元计量的输入输出用量单位）、错误率等统计信息，用于成本核算与异常排查。生产环境建议在业务侧建立调用日志与告警机制——对延迟和可用性要求高的场景，需在接入前进行压测，确认平台配额满足业务峰值。
<p class="para-label">避坑清单：</p>
<ul class="dash-list"><li>坑 1：把 API Key 硬编码在前端页面或客户端代码中。API Key 是账号级凭证，一旦泄漏可被他人盗用产生费用。必须存放在服务端环境变量或密钥管理服务中，并定期轮换。</li><li>坑 2：期待通用大模型直接输出合规的电商文案。生成内容可能涉及夸大宣传或违禁词，生产环境应叠加审核环节（关键词过滤 + 人工抽检），不能跳过质量校验直接发布。</li><li>坑 3：知识库文件过大或格式混乱导致检索效果差。上传前应清理无关内容，并按业务主题拆分文档，必要时调整平台的分段参数，否则 RAG 检索精度会明显下降。</li></ul>
| 维度 | 言犀 | 腾讯混元 | 百度文心一言 | 阿里通义千问 |
|---|---|---|---|---|
| 定位 | 产业大模型（电商/供应链纵深） | 全模态大模型体系 | 全栈 AI 平台 | 云+AI 基础设施 |
| 训练根基 | 京东数智供应链场景数据 | 腾讯社交/内容生态数据 | 百度搜索与知识图谱 | 阿里电商/云生态数据 |
| 典型场景 | 营销文案、智能客服、供应链知识 | 社交、广告、游戏 AI | 搜索增强、企业知识管理 | 电商、办公、企业云 |
| 开放形态 | 平台 + API（闭源） | API + 部分开源 | 千帆平台 + API | 百炼平台 + 开源 Qwen 系列 |
| 知识库/RAG | 平台内置知识库模块 | 生态接入为主 | 千帆知识库 | 百炼知识库 |
| 生产部署 | SaaS API + 私有化 | 云 API + 私有化 | 云 API + 私有化 | 云 API + 私有化 |
| License | 闭源商用 | 闭源为主/部分开源 | 闭源商用 | 闭源 + 开源双轨 |
| 适合谁 | 电商零售与供应链 AI 团队 | 社交/内容平台开发者 | 搜索与知识管理场景 | 阿里云生态与通用企业 |
选型建议：业务与电商零售、供应链强相关的团队优先评估言犀，其产业知识密度在同类中差异化明显；场景偏通用办公与搜索增强可考虑文心一言；已深度使用阿里云或有开源定制需求（如基于 Qwen 自部署）选通义千问；依赖腾讯社交/内容生态则选混元。三者均闭源商用，长期成本需按 Token 用量与调用量综合评估。
版本迭代
言犀的演进主线是「千亿级模型发布 → V1.0 通用能力 → V2.0 参数规模跃升与多模态扩展 → 配套开发平台上线」。从模型能力到应用平台，言犀逐步从单一模型服务走向完整的产业 AI 开发链路，其版本节奏与京东云产业 AI 战略深度绑定。（截至训练数据，可能已有更新版本）
| 版本 | 时间 | 变化 | 提升 |
|---|---|---|---|
| 千亿级预训练模型（技术发布） | 2023-02 | 首次公开言犀大规模预训练语言模型，参数规模达千亿级 | 京东云宣布布局产业大模型，明确服务数智供应链的战略方向 |
| 言犀大模型 V1.0 | 2023-07 | 正式发布，开放文本生成、文案创作、知识问答等能力 | 通用文本能力对外可用，面向企业客户开放 API 服务 |
| 言犀大模型 V2.0 | 2024 | 参数规模升至数千亿级，多模态与产业场景能力扩展 | 模型理解与生成质量显著提升，强化营销、客服等场景表现 |
| 言犀AI开发计算平台 | 2024 | 智能体广场、智能体编排、知识库、模型微调、数据管理上线 | 从「模型 API」升级为「应用开发平台」，支持零代码智能体构建 |
| 基准 | 言犀 V2.0 | |
|---|---|---|
| CNQA（中文问答） | 0.622 | 百川开源评测集公开数据，中文知识问答准确率 |
| CMNLI（中文自然语言推断） | 0.788 | 百川开源评测集公开数据，中文语义推断能力 |
| BBH（综合推理基准） | 0.559 | 百川开源评测集公开数据，多步推理与综合能力 |
言犀 V2.0 的评测数据来自百川智能公开的中文大模型评测集，代表第三方视角下的中文基础能力水平；言犀的实际竞争力更多体现在电商零售、客服、供应链等垂直场景的产业知识理解上，这类能力在通用评测集中难以体现。选型时应结合业务场景实测，而非只看通用榜单分数。
AI 应用场景
电商营销文案批量生成
阶段：内容生成管道（Prompt 工程 + 知识库 RAG）
解决的问题：传统营销文案依赖人工撰写，一个 SKU 的详情页、推广语、直播口播稿需要运营逐条产出，耗时长且风格不统一。言犀结合商品属性和品牌知识库，可批量生成多版本文案，运营只需审核微调。
具体案例：电商品牌团队将产品手册与历史爆款文案导入言犀知识库，再通过营销文案智能体生成新品详情页文案与社交媒体种草文案；基于言犀服务超 5.8 亿用户交互数据训练的产业语料，生成内容更贴合电商语境，人工修改量大幅低于通用模型。平台自动完成文案初稿，运营聚焦审核与投放。
智能客服与售后问答
阶段：RAG 管道构建（知识库检索 + 生成）
解决的问题：售后场景问题重复度高、政策条款更新频繁，纯人工客服成本高且响应慢；规则式机器人又难以处理复杂表述。言犀智能客服基于企业知识库回答退换货、价保、物流等高频问题，复杂问题再转接人工。
具体案例：零售企业将售后政策文档导入言犀知识库，构建 7×24 小时客服智能体，用户咨询时先检索匹配政策条款再由模型组织回答；相比纯人工模式，常见问题处理耗时从分钟级降至秒级，人工客服聚焦高价值与复杂客诉。该模式已广泛验证于京东体系内的大规模客服场景。
供应链商品知识问答
阶段：知识增强生成（企业知识库 + 大模型）
解决的问题：供应链场景中商品信息、库存规则、物流条款分散在多个系统中，业务人员查询效率低。言犀可将分散的商品文档与规则数据统一接入知识库，提供自然语言问答入口。
具体案例：采购与运营人员用自然语言提问「这款商品的跨区调拨规则是什么」「某 SKU 的库存周转天数」，智能体从知识库检索并汇总答案，替代翻查文档与多系统核对；回答准确率依赖知识库的完整性与更新频率，企业需建立文档定期更新机制以保持检索质量。
常见误区
误区言犀跟 Llama 一样是开源大模型，去 Hugging Face 或者 GitHub 就能下载权重，部署到自己服务器上随便用。
正解言犀大模型是京东云的闭源商业产品，不开放模型权重，也不提供权重下载。对外提供的是言犀AI开发计算平台（SaaS）与大模型 API 服务两种使用方式，均需通过京东云/言犀账号创建应用获取凭证后调用。企业若要求私有化部署，需通过商务渠道对接专有云方案，而非自行下载部署。
为何常见：国内大模型开源与闭源产品并存，且言犀的开发者平台外观上与开源社区产品有相似之处，容易让初次接触者误以为它是可自由获取的开源项目。
误区言犀和 ChatGPT、文心一言一样，就是拿来做通用对话的，聊天写作文都能干，没有什么特别的。
正解通用对话只是言犀的基础能力，它的核心定位是产业大模型。言犀最大的差异化来自基于京东数智供应链场景数据训练所带来的电商、零售、物流等领域知识，典型应用是营销文案生成、智能客服、商品知识问答、数字人交互等产业场景。用通用聊天需求来评估言犀，会忽略它最有价值的产业能力。
为何常见：大模型产品对外展示时一般先展示对话能力，通用对话是用户最容易直接感知的部分，产业场景知识则需要实际操作和对比才能体会到差异。
误区用大模型肯定要买 GPU、搭服务器、配推理环境，成本很高，言犀应该也一样。
正解言犀AI开发计算平台是 SaaS 服务，注册账号后直接在浏览器中使用智能体编排、知识库、Prompt 模板等能力，无需自备任何算力资源。只有通过 API 大量调用时才需要关注费用配额（按 Token 用量计费），但底层算力完全由京东云托管。对想自建模型集群的团队，言犀走的是商业 API 路线而非提供自部署软件。
为何常见：自建大模型基础设施是 AI 圈的主流话题，很多从业者习惯于「用模型先买卡」的思路，忽略了托管式平台本身就包含了算力服务。
误区把言犀的 API Key 直接写在前端代码或配置里，前端请求时直接带上，省事又方便，反正业务量不大。
正解API Key 是账号级调用凭证，写在客户端意味着任何人可通过抓包获取并盗用，产生额外费用甚至被封禁账号。正确做法是将 Key 存放在服务端环境变量或密钥管理服务中，由后端代理转发请求；同时启用平台提供的密钥轮换机制，发现异常及时重置。
为何常见：快速原型开发阶段图省事，开发者习惯把凭证直接硬编码，等到生产环境才意识到这是严重的安全漏洞。
误区把公司所有文档一股脑上传到言犀知识库，资料越全，AI 回答得越准。
正解知识库效果取决于文档质量和检索配置，而不是单纯的数量。如果文档包含大量无关内容、版本混乱或格式复杂，切片和向量化后的检索质量会下降，反而导致回答不准。上传前应清理过期内容、按主题拆分文档，并针对查询场景调整分段规则，定期更新维护知识库。
为何常见：「数据越多越智能」是人们对大模型的常见直觉，但 RAG 系统的效果天花板由检索质量决定，垃圾进则垃圾出。
面试题
Q1. 言犀大模型由哪家公司推出？
- A.阿里巴巴
- B.京东集团← 正确答案
- C.腾讯公司
- D.字节跳动
答案：B。言犀是京东云（京东集团旗下云计算品牌）推出的产业大模型产品。阿里巴巴对应通义千问，腾讯对应混元，字节跳动对应豆包，均不是言犀的出品方。
Q2. 言犀大模型训练的数据基础主要来自？
- A.搜索引擎数据
- B.社交平台数据
- C.数智供应链数据← 正确答案
- D.学术论文语料
答案：C。言犀的核心差异在于基于京东数智供应链与零售场景中服务超 5.8 亿用户的真实业务数据训练，因此对电商、供应链语境理解更深。搜索引擎、社交平台、论文语料分别是其他通用大模型的主要数据来源。
Q3. 言犀AI开发计算平台的官方网址是？
- A.https://yanxi.jd.com← 正确答案
- B.https://github.com
- C.https://pypi.org
- D.https://docs.jdcloud.com
答案：A。言犀AI开发计算平台的官方入口是 yanxi.jd.com。GitHub 和 PyPI 是代码托管与包管理平台，与言犀无关；docs.jdcloud.com 是京东云文档中心，虽然同为京东系，但不是平台产品入口。
Q4. 言犀大模型 V2.0 的参数规模约为？
- A.十亿级
- B.百亿级
- C.千亿级← 正确答案
- D.万亿级
答案：C。言犀大模型 V2.0 官方口径为数千亿参数规模，属于千亿级大模型。十亿级、百亿级对应更早期的中小模型，万亿级目前尚无公开实例，因此 C 正确。
Q5. 以下哪项是言犀平台内置的核心功能？
- A.知识库管理← 正确答案
- B.区块链部署
- C.基因测序分析
- D.CI/CD流水线
答案：A。言犀AI开发计算平台内置知识库管理，支持文档上传、切片、向量化，用于 RAG 检索增强生成。区块链、基因测序、CI/CD 流水线均不属于言犀平台的功能范畴。
Q6. 使用言犀大模型 API 前，必须先完成哪一步？
- A.创建应用获取API凭证← 正确答案
- B.下载开源权重包
- C.购买GPU服务器
- D.搭建K8s集群
答案：A。言犀 API 调用前必须在平台创建应用并获取 API Key 作为鉴权凭证。言犀不提供权重下载，也不需要用户自备 GPU 或 K8s 集群，算力由京东云托管。
Q7. 言犀在电商营销场景的核心优势源于？
- A.开源社区贡献量
- B.绑定京东电商场景← 正确答案
- C.免费GPU资源
- D.开放模型权重
答案：B。言犀的优势来自与京东电商零售、供应链场景的深度绑定——基于真实业务数据训练，使模型理解 SKU 属性、促销规则、客服话术等电商语境。言犀不开源、不提供免费 GPU 算力，开源社区贡献量也不是其宣称的竞争力。
Q8. 关于言犀大模型的开源状态，正确的是？
- A.完全开源可商用
- B.闭源商业API服务← 正确答案
- C.开源14B权重
- D.全部权重开源
答案：B。言犀大模型是闭源商业产品，不开放模型权重，通过 SaaS 平台和商业 API 对外提供服务。选项 A、C、D 描述的开源形式均与言犀的实际发布方式不符。
Q9. 言犀AI开发计算平台支持哪些智能体构建方式？
- A.零代码可视化编排← 正确答案
- B.拖拽式低代码编排← 正确答案
- C.必须编写CUDA内核
- D.平台预置模板创建← 正确答案
答案：ABD。平台支持零代码可视化编排、低代码编排以及通过智能体广场的预置模板快速创建智能体。编写 CUDA 内核是底层 GPU 编程工作，与平台层的智能体构建无关，C 错误。
Q10. 根据百川开源评测集数据，言犀 V2.0 的表现包括？
- A.CNQA 中文问答约 0.62← 正确答案
- B.CMNLI 中文推理约 0.79← 正确答案
- C.BBH 综合能力约 0.56← 正确答案
- D.MMLU 超过 GPT-4
答案：ABC。百川开源中文评测集中，言犀 V2.0 的公开评测结果为 CNQA 0.622、CMNLI 0.788、BBH 0.559，A、B、C 正确。该评测集并未提供言犀在 MMLU 上超过 GPT-4 的数据，D 无依据。