专题演讲嘉宾：樊强

NOMI 问答是蔚来面向车辆、品牌、服务等场景打造的座舱知识问答能力。随着用户需求不断复杂化，其产品定位也从最初“支持语音搜索的车辆说明书”，逐步演进为“懂车、懂用户、能办实事的车载专家伙伴”。
这一过程中，传统问答链路面临多方面挑战：一方面，大量长尾和复杂问题难以被有效覆盖，问答兜底率和用户满意度仍有提升空间；另一方面，车辆状态类问题需要实时联动车端信号与云端模型，单纯依赖云端知识检索难以满足实际用车场景。
本次分享将介绍 NOMI 在问答技术体系上的工程升级实践，包括 Query 理解、多源检索、RAG 优化、Agentic Search 与知识图谱等技术在复杂问答中的应用，以及端侧车辆实时信号与云端大模型协同的问答链路。经过优化，整体问答兜底率由 36% 降至约 10%，并支持上百种车辆状态信号问答。在此基础上，NOMI 也在进一步探索从“回答问题”走向“咨询—诊断—执行”的完整车载智能服务闭环。

演讲大纲

1. 从车辆说明书到车载专家：NOMI 问答为什么需要端云协同
   • NOMI 知识问答是一套端云一体的问答系统，需要结合云端知识、模型能力与端侧车辆实时信号共同完成用户需求。在持续迭代过程中，主要面临四类问题：
     • 问答兜底率较高：大量用户提问会触发“我还不知道呢”等兜底回复，影响使用体验；
     • 用户满意度有待提升：部分问题只能返回部分相关信息，难以准确命中用户真实诉求；
     • 长尾复杂问题难以处理：传统问答链路难以覆盖车载场景下多样、复杂的用户问题；
     • 实时车辆状态问答能力不足：车辆运行过程中涉及大量实时状态信号，传统模板化问答难以充分利用端云协同能力。
2. NOMI 问答技术体系的全链路升级
   • 问答系统整体架构升级：融合 FAQ、KBQA、RAG、Deep Research、Agentic Search 等技术方案，构建覆盖用车问答、品牌知识、服务问答及车辆状态查询等场景的问答系统，为数百万车主提供实时问答服务。
   • Query 理解、检索与生成链路优化：围绕汽车问答全流程，对 Query 理解、文本 Chunk、多源混合检索及回复生成等关键环节进行系统优化，提升基础问答能力与复杂场景覆盖率。
   • Agentic Search 与知识图谱解决复杂问答：针对汽车场景中的复杂问题进行业务路径拆解，搭建自研 Agentic Search 架构，并结合 NOMI 自研知识图谱，形成从复杂 QA 样本生成、专项模型训练到系统架构优化的完整链路，提升复杂问题处理效果。
3. 端侧实时车辆状态如何进入云端大模型问答链路
   • 针对功能信号及非功能状态类问题，构建从端侧数据采集、云端数据存储到云端大模型理解与回复的完整链路，实现端侧车辆状态与云端模型能力的结合，目前已支持上百种车辆状态信号问答。
   • 重点分享：车辆实时状态信号如何进入问答系统；用户自然语言问题如何与车辆状态进行匹配；云端模型如何基于实时状态生成更自然、更准确的回答。
4. 落地效果与未来规划：
   • 当前收益：整体问答兜底率从优化前的36%降到10%左右，用户体验也有大幅提升。复杂问题解决有大幅提升。实现了端云一体的车辆实时信号问答技术，为后续车辆更复杂的综合智能打造了很好的基础。
   • 未来计划：多模态问答需求感知，实现对用户需求的深层理解与精准识别。端到端问题解决，深度打通车机状态与后台服务，形成“咨询-诊断-执行”的完整闭环，提供真正有价值的解决方案。

前沿亮点：

1. 面向超百万用户的业内领先的问答效果，面向用户的问答兜底率降到10%以下。
   • 从端侧版本控制/端侧信号上传，query理解，chunk优化，多源检索，回复生成优化等，做全链路的nomi问答技术升级。
2. deepsearch及知识图谱在 nomi复杂问题问答下的应用与实践。
   • 设计了从业务复杂问题划分，到基于知识图谱的训练数据采样，到自研agentic-search的解决框架。

实践痛点

1. 车机联动：问答的最终目标是落地问题解决；系统联动车机状态、车载服务与整车功能，实现从单纯答疑到闭环处置的完整链路。
2. 多源搜索：针对用户模糊且复合化的提问意图，系统需动态路由至多类数据源，完成跨渠道信息的融合与整合后，再生成统一答复。
3. 复杂推理问题：业务复杂问题种类多，利用强化学习过的大模型依旧存在推理严谨度不足、推理过程不稳定的缺陷。需要抽象出关键模式，设计专项解决方案。
4. 品牌保护问题：面对用户多样的观点类提问，疏漏的回答容易造成品牌负面舆情；需健全品牌防护机制，规范应答内容，贴合品牌人设与核心价值观。

听众收益：

1. 了解汽车行业问答技术的特点和发展趋势。
2. 了解未来问答技术的框架和实践效果。
3. 了解汽车行业如何联动端侧信号进行实时语音问答。
4. 问答系统的搭建与效果优化，为开发人员提供一些优化思路。
5. 如何满足用户实际问答需求，为产品经理提供业务思路。