从"机械应答"到"服务伙伴":得物高可控智能客服的 Agent 工程实践|AICon 演讲整理

目录

一、智能客服当下的痛点

二、智能客服 Agent 落地的必然性与挑战

    1.Agent 智能客服的必然性

    2.Agent 智能客服的挑战

三、客服 Agent 多轮协商优化(高可控性 PE 自动化)

    1.单场景架构演进

    2.跨场景 Harness 架构

    3.数据飞轮:PE 自动化与模型训练

四、RL 决策训练:让 Agent 学会"正确决策"

    1.训练框架

    2.实验

五、情感温度:人类经验对齐模型蒸馏

    1.服务测评标准

    2.模型蒸馏训练

    3.人工对齐效果

六、多轮消息流控制:半双工对话逻辑设计

    1.消息收发模式

    2.多消息处理策略

七、总结与展望

   1.本次实践总结

   2.未来展望


一

智能客服当下的痛点

  • 听不懂人话、自作聪明:无法准确理解用户意图,频繁答非所问。

  • 成本高、排队严重:高并发场景下人力无法覆盖。

  • 问题解决能力弱:只能处理简单 FAQ,复杂多轮问题无能为力。

二

智能客服 Agent 落地的必然性与挑战

Agent 智能客服的必然性

传统结构存在上限:意图分类 + NER + 对话管理 + FAQ 召回 + 重排的流水线架构,无法处理多步骤任务,上下文衔接不畅。

SOP 人工维护成本高:场景问法无法穷举。多模型运维成本高:多套小模型分头部署,“牵一发而动全身”,运维成本极高。会话拟人度 / 流畅度不佳:出话单一,无法复刻优秀人工的决策和话术能。

Agent 智能客服的挑战

场景复杂指令优化成本高:场景复杂,知识流程繁琐,长尾 case 的 PE 优化成本高。长 Context 多轮能力不足:结合用户多样性需求和长历史上下文的多轮决策 / 协商挑战较大。对齐人工拟人化能力不足:人工回复多样性高,昵称 / 话术 / 表情 / 模态运用灵活,需要 “人工辅助 Agent”。多轮半双工下消息控制:推理时长较长,半双工环境下,消息打断 / 上下文话题切换,控制难度较大。

三

客服 Agent 多轮协商优化(高可控性PE自动化)

单场景架构演进

第一阶段:Single-Agent(单 Prompt)


基于 Qwen 的 Single-Agent 架构,问题在于:

  • Prompt 过长,模型指令遵循能力有限。

  • 串行 Pipeline 无法实现 Agent 多轮 ReAct。


第二阶段:Multi-Agent(渐进式披露)


采用 AutoGen 的 Multi-Agent 架构,引入:

  • 总控 Agent:负责任务调度与流程管控。

  • 出话 Agent:负责生成最终回复话术。

  • 评估器 Agent:对输出质量进行实时评估。

— 以上为试看内容(约 40%),开通会员后阅读全文 —