AI 智能客服 (AI Customer Service) 建设方案

版本: v1.0 日期: 2026-02-02 状态: 规划完成 -> 开发实施

1. 核心功能规划 (Functionality)

智能客服作为数字员工体系中的特定职能角色（如：“金牌客服”），应具备 “听得懂、答得准、办得了、能共情” 四大维度的能力：

• 多模态交互与记忆:
  • 支持文本、图片（如用户发故障截图）、语音输入。
  • 具备长期记忆，能记住用户上一轮的投诉或偏好，实现连续对话。
• 私域知识精准问答 (RAG):
  • 基于企业产品文档、SOP、FAQ 进行回答，严格杜绝幻觉。
  • 支持“引用来源”展示，增加可信度。
• 意图识别与任务路由:
  • 自动判断用户是“闲聊”、“咨询政策”还是“查询订单”。
  • 将复杂需求（如退款）路由给能够调用工具的 Agent 或人工。
• 业务办理 (Action):
  • 从“咨询型”进化为“交易型”。
  • 通过挂载工具（Skills），直接执行查询物流、重置密码、创建工单等操作。
• 人机平滑协作 (HIL):
  • 情绪检测报警（如用户愤怒值>80%）。
  • 无缝转接人工坐席，并自动生成“摘要总结”给人工客服查看。

2. 解决方案设计 (Solution)

构建 “大模型 + RAG + 数字员工 Agent” 融合的方案：

A. 知识库治理方案（核心基石）

• 分层知识管理: 将知识库分为 通用知识（公司介绍）、产品知识（说明书）、话术库（高情商回复模板）。
• QA 对挖掘: 利用 LLM 自动从非结构化文档中抽取标准 QA 对，人工审核后入库，提高检索精度。

B. 意图分流与状态机 (Router)

• Level 1 (快速回答): 对于简单 FAQ（如“营业时间”），直接通过向量检索 (Vector Search) 返回。
• Level 2 (复杂推理): 对于需要分析的问题（如“为什么不管用”），调用 LLM 结合 RAG 上下文进行推理。
• Level 3 (业务办理): 识别到动词（查、改、退），触发 Function Calling，调用后端 API。

C. 千人千面 (Persona)

• 复用 数字员工 (Digital Employee) 模块，创建不同人设的客服（例如：“严谨的技术支持” vs “亲切的售后顾问”）。
• 针对不同渠道（官网、微信、钉钉）配置不同人设。

3. 系统架构设计 (Architecture)

架构上复用现有的 Enterprise AI PaaS，在应用层扩展客服业务逻辑。

graph TD
    User[用户 (Web/App/微信)] --> Gateway[接入网关 (Websocket/HTTP)]
    
    subgraph "智能客服数字员工 (Digital Employee)"
        Router[意图识别 (Intent Classification)]
        Memory[对话记忆 (Session DB)]
        
        Router -- "咨询" --> RAG_Flow[RAG 知识检索]
        Router -- "办理" --> Agent_Flow[Agent/Tool 执行]
        Router -- "愤怒/复杂" --> Human_Flow[人工接管系统]
        
        subgraph "核心能力"
            RAG_Flow --> Knowledge[AI 知识库]
            Agent_Flow --> Skills[工具箱: 订单API/CRM/工单]
        end
        
        LLM[大模型基座 (MaaS)] --- RAG_Flow
        LLM --- Agent_Flow
    end
    
    subgraph "数据支撑"
        Analytics[会话质检与分析]
        Feedback[点赞/点踩反馈]
    end

4. 技术实施路径 (Technical Path)

建议分三个阶段迭代，避免“一步到位”导致的落地困难：

阶段一：咨询型客服 (The Consultant)

• 重点: 高准确率的 RAG 问答。
• 技术栈:
  • 完善 KnowledgeRetriever。
  • 引入 Rerank (重排序) 模型提升检索相关性。
  • 调整 Prompt 让回答更拟人化。
• 目标: 拦截 60%-70% 的通用咨询，释放人工压力。

阶段二：办事型客服 (The Operator)

• 重点: 意图识别与工具调用。
• 技术栈:
  • 完善 Digital Employee 的 EmployeeSkill 表。
  • 开发 ToolRegistry，对接企业内部 CRM 或 ERP 接口 (Read-only 接口优先)。
• 目标: 实现自助查询（查单、查积分），减少人工查询工作量。

阶段三：主动型客服 (The Proactive)

• 重点: 预判与营销。
• 技术栈:
  • 结合用户画像 (User Profile)，在用户进入时主动发问（“您好，是想咨询刚才查看的 X 商品吗？”）。
  • 利用 AI 流程质检 模块分析对话数据，反哺知识库。
• 目标: 从成本中心转变为营销机会中心。

5. 开发建议 (For Current Codebase)

1. 复用代码: 直接使用 services/digital-brain 中的 QwenClient (LLM) 和 KnowledgeRetriever (RAG)。
2. 新开发模块:
   • Frontend: 开发一个 Web Widget (网页聊天挂件) 集成到 apps/official-site。
   • Backend: 开发基于 Websocket 的对话服务，支持流式输出 (Streaming)。
3. 数据表扩展:
   • 在 models.py 中增加 ChatSession (会话) 和 ChatMessage (消息) 表。
   • 关联 DigitalEmployee ID。