核心观点 - I.T集团通过与网易云商合作部署客服Agent，在月均2.5万通、大促期超3.5万通会话的高压下，显著提升了客服效率与用户体验[4][6] - 项目成功将售前应答速度提升60%，售后单个处理时长从7分钟缩短至3分钟[4][8] - 该案例为企业提供了从场景选择、多Agent协同到大小模型协作的AI落地方法论，实现了从“可用”到“好用”的跨越[4][8] 项目背景与核心诉求 - I.T集团作为多品牌买手制时尚集团，客服场景复杂，从售前尺码推荐到售后退货安抚均需精准理解用户意图[6] - 客服团队规模有限，日常每月需应对2.5万通会话，大促期间会话量超3.5万通，客服压力巨大[6][9] - 核心诉求是通过智能化升级，重点提升机器人在复杂场景下的意图识别与多轮应答能力，以拦截更多需人工接待的会话[6][9] 试点场景选择与扩展 - 试点场景选择基于高频性、小模型存在瓶颈、以及需要复杂流程或上下文记忆能力三个标准[10] - 最终选择了“尺码推荐”、“订单取消”、“退货安抚”三个高频且传统NLP机器人效果不佳的场景作为切入点[7][10] - 项目从最初三个试点场景扩展到覆盖售前、售中、售后全旅程的十八个具体场景，由十个Agent共同支撑[12][13][15] 实施阶段与关键技术攻坚 - 第一阶段聚焦于教会AI理解用户“话外音”，例如通过设计意图澄清Agent应对“我买多了”等模糊表达，实现会话精准分流[7][17] - 第二阶段解决多Agent协同“静默”问题，通过增设“寒暄Agent”专门处理“你们服务不错”等与业务无关的寒暄语，确保对话流畅[8][18] - 第三阶段实现大小模型高效协作，通过重新划分知识边界，将简单固定问答交由小模型，复杂咨询问题划归大模型处理[8][21] 复杂场景处理示例 - 以“退款”场景为例，其复杂性在于用户意图的多样性和模糊性，用户常以“我买多了”、“颜色不对”等间接表达[7][17] - Agent通过主动追问澄清意图，并根据物流状态、商品条件等多个判断条件逐步引导用户至正确业务流程[17] - 在转接人工前，Agent会总结会话内容，提炼客户退款原因及关键信息，助力人工坐席快速接手[17] 项目评估与知识管理 - 评估Agent表现的三大核心指标为意图识别匹配率、问题解决率以及用户满意率[25] - 知识库分为静态知识（如退换货政策）和动态知识（如商品信息、优惠活动），后者通过系统接口对接实现自动化更新[26] - 合作流程分为需求确认、POC验证、正式交付三个阶段，并提供自运营工具确保客户能顺利接手并持续优化[27][28] 成功落地关键要素 - 开发了如“AI知识萃取”工具，可将原始PRD文档自动转化为高质量FAQ，为客户省去巨大知识整理成本[29][30] - 提供“AI知识编排”能力，旨在解答客户问题时能“比客户多想一步”，提升服务体验与完整性[32][33] - 通过工具将历史对话信息转化为新的AI知识飞轮，持续优化项目落地效果[34]