microsoft/Conversation-Knowledge-Mining-Solution-Accelerator

解決的問題

分析人員經常難以從龐大的非結構化對話資料（轉錄文字、錄音與文件）中提取可執行的洞察。手動審查耗時耗力，且不一致，難以浮現有意義的模式，或在整個資料集上提出複雜且具上下文的問題。

如何運作

本專案實作一個AI提取管道，將原始資料轉換為互動式分析體驗。它使用 Azure Content Understanding 和 Azure OpenAI 提取實體、主題與關係。處理後的資料被索引至 Azure AI Search 以支援混合檢索，並儲存在 Azure SQL Database 中用於結構化分析。

Microsoft Foundry ChatAgent 作為主要介面，利用兩個工具：語意搜尋用於檢索，SQL 用於結構化分析。此外，LLM 會分析資料模式，自動規劃並產生基於特定上傳資料集的動態 KPI 儀表板，包含圖表與指標。

適用對象

此解決方案專為組織分析人員（如 IT 輔助台分析人員、貸款分析人員與營運分析人員）設計，他們需要從高吞吐量的對話日誌中挖掘情感、聚類重複主題並執行風險分析。

主要亮點

• LLM 規劃的儀表板：透過分析資料集模式，自動產生資料驅動的 KPI 與圖表。
• 混合資料探索：透過單一聊天介面，結合語意搜尋與 SQL 分析。
• 多模態資料支援：支援處理 PDF、DOCX、JSON、CSV、TXT、影像、WAV 與 MP3 檔案。
• 彈性資料攝取：支援直接上傳檔案，或連接至現有的 Azure AI Search 索引以及 Microsoft Fabric Lakehouses/Warehouses。