CarbonChat：基于大型语言模型的企业碳排放分析与气候知识问答系统

随着全球气候变化影响的加剧，企业碳排放已成为全球关注的焦点。针对大型语言模型中气候知识更新滞后、传统增强生成架构在复杂问题上缺乏专业性和准确性、以及可持续发展报告分析成本高、耗时等问题，本文提出了 CarbonChat：大型语言模型驱动的企业碳排放分析与气候知识问答系统，旨在实现精准的碳排放分析和政策理解。首先，提出了多样化索引模块构建方法，用于处理基于规则和长文本文档的分段及结构化数据提取，优化了关键信息的解析。其次，设计了增强自提示检索增强生成架构，集成意图识别、结构化推理链、混合检索和 Text2SQL，提高了语义理解和查询转换效率。随后，基于温室气体核算框架，建立了 14 维碳排放分析指标，实现报告摘要、相关性评估和定制化响应。最后，通过多层分块机制、时间戳和幻觉检测功能，确保分析结果的准确性和可验证性，降低了幻觉率，提升了响应的精确度。