AI馆员是基于大语言模型构建的类人类馆员智能体，通过对话交互为读者提供全天候参考咨询、资源推荐与业务办理。图二、图三，楚雄彝族师范学院图书馆和贵州大学图书馆的AI馆员。
AI馆员的技术底座包括大语言模型（豆包、DeepSeek、混元等）、知识图谱和RAG检索增强生成。大语言模型负责理解读者意图并生成回答；知识图谱将馆藏目录、数据库元数据等建立语义关联；RAG技术通过向量数据库实时检索相关文献。
人类馆员通过后台维护AI馆员，核心工作可归纳为五个维度。（我发现好像许多图书馆都用的超星公司的AI馆员服务）
第一是知识库管理。AI回答的质量取决于知识库的质量。馆员需要将OPAC目录、读者指南、借阅规则等数据导入，并定期更新。图书馆的开放时间、借阅规则是可能是动态变化的，馆员须及时删除过时信息，防止AI给出错误答复。
第二是提示词调校。馆员需要在后台设定AI的“人设”与行为边界。例如设定基础提示词，要求AI基于本馆馆藏和规章制度回答；设计对话分支逻辑；设置敏感词拦截，遇到无关内容时礼貌拒答或转人工服务。
第三是日常监控与闭环优化。馆员每天查看AI无法回答的问题日志，将高频问题补充到标准问答库中；对AI的历史对话进行评分，对错误回答及时纠偏，让AI通过反馈持续学习优化。
第四是系统接口巡检。AI需要调用借阅系统、座位预约系统等多个业务接口。馆员要在后台监控接口状态，一旦某个系统升级导致接口断开，需及时切断相关功能并联系技术部门修复。
第五是数据分析。AI后台记录了读者的提问热点，从而在线下提前张贴指引或针对性采购资源；通过分析AI解决问题的成功率，找出知识库的薄弱环节。
当然，AI馆员也存在局限。大模型可能生成虚假文献或错误政策解读；我在使用楚雄彝族师范学院图书馆和贵州大学图书馆的AI馆员时，让它给我一些书单，没有给出正确的结果。
AI馆员似乎不会替代人类馆员，而是与其协同工作——AI处理多数的标准化咨询，人类馆员聚焦深度学科服务与复杂问题处理。并且AI馆员的运维也需要人类馆员负责。
