实时互动内容

🏦 场景与客户

某直播团队，一场直播几个小时，主播要一边讲一边接弹幕提问。重复问题占比很高，但每条都得秒回；互动话术、抽奖规则、产品对比这些内容临场想来不及，事先准备又猜不准会问到什么。

客户要的是问题进来几秒内有一条可用的回答，且口径与商品页完全一致。

📅 实施节奏

• 第 1–2 周：把商品知识、常见问题、政策口径整理成可检索的知识库
• 第 3–4 周：接实时链路（提问 → 检索 → 生成 → 主播端展示），把延迟压到可接受
• 第 5–6 周：加护栏（不承诺、不擅自报价、超纲转人工），做一场试播
• 第 7 周起：进入日常直播，按场次复盘补充知识库

🗝️ 方案要点

• 检索先行、生成在后：回答只能引用知识库片段，模型只负责组织与口语化
• 分档响应：命中知识库的直接答，模糊的给建议话术，超纲的转人工
• 主播端在最前面：生成结果先进主播看的提词区，说不说由主播决定
• 延迟与质量分开调：宁可三秒给一条稳的，不要半秒给一条含糊的

⚖️ 选型与权衡

🚧 实施难点与排查

• 延迟不稳：高峰期生成排队，回答赶不上弹幕节奏。加缓存与高频问题预生成
• 擅自报价：模型自己编了折扣。把价格与政策做成硬约束，非知识库不输出
• 上下文串场：上一场的商品信息带到这一场。按场次隔离会话上下文
• 转人工不及时：超纲问题没人接。设兜底提示与转人工入口，超时自动提醒

💵 成本与收益

• 成本：知识库整理与实时链路改造是一次性投入；推理按次计费，成本集中在高峰期
• 收益：重复问题不再占主播精力，互动密度与转化都能提
• 注意：省下来的是「应答」，不是「选品与控场」，这两件仍要人来定

🛡️ 风险与保障

• 合规：不承诺收益、不诱导消费，广告用语自动校验
• 事实：价格、库存、政策只从业务系统取，不由模型生成
• 标识：数字人与合成语音按各平台要求标注
• 留痕：每条自动回复可追到引用的知识片段与生成时间

♾️ 可复用与演进

• 可复用到客服热线、线上答疑、门店导购等一切实时问答场景
• 演进方向：从「给话术」到「按观众反应提示节奏与选品」
• 再进一步：把高频问题的优质回答沉淀回知识库，减少每次重生成