Ai客服机器人

🏦 场景与客户

一家中型企业的客服团队，日常咨询量在每天数百到上千条，其中大部分是重复问题：订单到哪了、怎么退换、能不能改地址、发票怎么开。夜间与节假日无人值守，客户只能留言等第二天；而三个班次的客服对同一个问题的回答口径还不一致。

客户想要的不是「一个会聊天的机器人」，而是能顶掉大部分重复咨询、答不准就老实转人工、并且绝不说错话的客服助手。

📅 实施节奏

• 第 1–2 周：拉取历史咨询，按意图聚类，挑出高频且答案稳定的问题
• 第 3 周：整理知识源——官方规则、产品说明、历史优质工单，逐条确认口径
• 第 4 周：接入对话流程，配置转人工规则，小流量灰度
• 第 5 周起：按未解决率与转人工率迭代知识库与阈值

🗝️ 方案要点

• 意图分层：高频且规则明确的问题由机器人直接回答；涉及纠纷、投诉、金额争议、情绪激烈的，第一句就转人工
• 检索增强而非自由发挥：回答以官方知识源为依据，先检索再生成，答案带出处，检索不到就明说
• 转人工规则要具体：按置信度阈值、意图白名单、情绪词、连续两轮未解决四条规则触发，且用户随时可以主动要求人工
• 多轮要有状态：订单号、手机号这类信息逐步补齐，用会话状态记录已收集的槽位，避免反复问同一件事
• 话术合规：不承诺赔偿金额与处理时效，不做超出规则的解释，涉及个人信息的字段做脱敏处理

⚖️ 选型与权衡

🚧 实施难点与排查

• 知识库过期：活动规则变了，机器人还在按旧规则答。为每条知识加生效时间与责任人，到期强制复核
• 相似问句识别差：「退款」和「退货」、「改地址」和「改电话」经常混淆。通过补充同义表达与负样本明显改善
• 多轮丢槽位：用户中途插话后，之前提供的订单号丢失。引入会话状态记录后解决
• 模型自行承诺：出现过「我们会在 24 小时内赔付」这类越权表述。收紧提示词并加关键词拦截，同时明确可说的边界
• 交接断档：转人工后客服看不到前面的对话。把会话上下文一并转给坐席

💵 成本与收益

• 成本结构：知识治理的一次性人力 + 按用量计费的模型调用，成本随咨询量线性增长
• 收益侧：首次响应时间从分钟级降到秒级，夜间与节假日实现全覆盖，人工坐席从重复问题中释放出来
• 省钱的关键：把意图白名单收窄、检索做准，比换更贵的模型省得多——答错一次带来的客诉成本远高于调用费

🛡️ 风险与保障

• 准确性：检索不到依据时必须说「这个问题我确认后回复您」并转人工，不允许编造
• 隐私：订单号、手机号等在日志中脱敏，敏感信息不进入模型训练或长期留存
• 可追溯：每轮会话保留完整记录与引用的知识条目，便于事后核对
• 人工兜底：任何环节用户都可以一句话转人工，人工可随时接管会话
• 合规话术：不做价格、赔偿、时效类承诺，不解释超出规则范围的处理方案

♾️ 可复用与演进

• 同一套「意图分层 + 检索增强 + 规则化转人工」可平移到内部 IT 服务台、HR 问答、售后与渠道支持
• 演进方向：把转人工的对话回流成新的知识条目，并用咨询数据定位规则说不清楚的地方，从源头减少咨询量