一、四個階段概述

安全大模型的應用大致可以分為四個階段：

階段一主要基于開源基礎模型訓練安全垂直領域的模型；

階段二主要基于階段一訓練出來的安全大模型開展推理優化、蒸餾等工序，從而打造出不同安全場景的專家模型，比如數據安全領域、安全運營領域、調用郵件識別領域等等；

階段三基于不同安全場景的專家模型開展智能體開發，此過程屬于復雜的系統工程，需要基于不同的場景對多個專家模型和安全大模型進行微調、提示、檢索增強、聯合任務適配、大小模型協同等，典型的架構為MOE。

階段四主要為生產環境的推理應用，將不同場景的安全智能體通過本地部署或者SAAS服務的方式，接入用戶側的安全系統，再經過適當的人工調優即可實現大模型賦能安全。當然，此階段內也存在不同階段的應用需求，大致可分為基于RAG的客制化需求、基于用戶語料的微調需求以及新領域的智能體需求。鑒于這些可能的需求，在引入大模型賦能安全時，采用支持多智能體靈活擴展，且支持新智能體開發的解決方案架構，可有效避免后期的煙囪式建設。