AI落地Best Practice · 企业与业务成品 · 2026-07-15

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

本文深入解析得物如何将智能客服从“机械应答”升级为“服务伙伴”,分享了高可控Agent工程的核心实践。

核心内容:

  1. 智能客服Agent落地的必然性与核心挑战
  2. 多轮协商优化与RL决策训练的关键技术
  3. 情感温度对齐与半双工消息流控制的设计实践

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

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:

第二阶段:Multi-Agent(渐进式披露)

采用 AutoGen 的 Multi-Agent 架构,引入:

通过 SelectorGroupC…

— 以上为试看内容(约 40%),开通会员后阅读全文 —

原文出处:https://www.53ai.com/news/zhinengkefu/2026071515026.html