智能客服工作台：AI 独立闭环 68%，剩下 32% 带着上下文交给人

项目速览

• 行业：连锁零售与电商售后
• 交付内容：多渠道接入（网页 / 公众号 / 企业微信 / 电话）+ AI 应答 + 人工工作台 + 工单与质检
• 周期：10 周；团队 6 人
• 技术栈：PHP + MySQL、Redis、向量检索、语音转写、WebSocket、对象存储

背景：咨询量涨了三倍，人只加了一倍

客户做的是区域连锁零售，售后咨询从每天 300 条涨到 900 多条，坐席从 6 人加到 11 人还是吃紧。更麻烦的是质量问题：同一类问题不同坐席答得不一样，新人上手要一个月。

他们最初想直接买一个「AI 客服机器人」，我们建议先别买——如果知识库本身是乱的，接了模型只会更快地答错。项目因此从知识梳理开始，而不是从模型开始。

目标（量化口径）

• AI 独立闭环率 ≥ 60%（不进人工即视为闭环，且客户 24 小时内未重复进线）
• 平均首次响应 ≤ 15 秒（AI 即时，人工排队时给出明确等待预期）
• 转人工必须带上下文：历史消息、订单、客户等级、已尝试的方案一次带过去
• 全量质检：AI 与人工会话都打分，抽检改为全检

功能构成

① 多渠道统一接入

网页、公众号、企业微信、电话四条线进入同一个会话池。电话走语音转写后与文字会话同构，坐席不用切换系统。渠道标识保留在会话上，因为不同渠道的客户耐心不同——电话进来 30 秒没人接就会挂，网页可以等两分钟。

② AI 应答与知识引用

每个回答都带引用出处（哪份政策、第几条），坐席和客户都能核对。解决不了的问题，AI 不是硬答，而是输出结构化摘要：「客户问的是换货时效，已确认订单在保修期内，知识库最高匹配度 0.72，建议人工确认是否属于人为损坏」。

③ 工单：分类、优先级与派单

工单自动分类（退换货、物流、安装、投诉、咨询），优先级由「客户等级 + 情绪 + 是否涉及金额」三条共同决定。投诉类强制 2 小时内首响，超时升级到主管。分类准确率我们只承诺 85%，剩下 15% 由坐席一键改类，改类结果回流成训练样本。

④ 情绪识别与坐席辅助

情绪从「中性 / 不满 / 愤怒」三档，触发条件是关键词 + 句式 + 连续负面轮次。识别到愤怒时不弹广告、不推优惠券，直接给坐席一个「优先安抚话术 + 转主管」的快捷入口——这是客户自己定的规则，因为过去机器人越推券客户越火。

工程上的关键取舍

• 不追求 95% 闭环：客户试过把阈值调激进，闭环率上去了，但重复进线率也跟着上去，整体成本反而更高。最终稳定在 68% 左右。
• 上下文裁剪：只保留最近 3 轮对话与最相关 5 个知识片段，长上下文既贵又容易跑题。
• 兜底永远存在：所有 AI 回答都有「转人工」按钮，且不做挽留式拦截（客户点两次还在拦，体验极差）。
• 可观测性：谁在问、问了什么、命中哪些文档、耗时多少、失败原因，全部可查。没有这层数据，优化无从下手。

结果

AI 独立闭环稳定在 68% 上下，转人工的会话带着完整上下文进入，坐席不用再问一遍「您的订单号是多少」；全量质检上线后，答错的会话能被当天发现，而不是月末抽查时才知道。具体人力节省数据由客户掌握。

复盘

如果重做，我们会把「质检」提到第一版。因为这个项目的推动力其实来自质检——管理层看得见「哪句话答错了」，才愿意继续投入知识治理。先有可观测，才有优化。