项目是今年 4 月份开始的，我以小版本迭代+AB 灰度的方式推进，耗时 3 个月，期间我们重点关注问答体验、以及AI 解决问题的能力。大概而言，一共经历了 3 个产品阶段：
阶段一：RAG+贴合业务的意图识别分类+AI 路径规划
- 意图识别、追问逻辑、上下文联系、知识库管理、支持多语言问答 等
阶段二：支持多模态问答+AI 介入处理复杂问题
- 文字、图片问答（图片理解、文字提取、自动检测语言并翻译）
- AI 查询接口数据、与 API 交互（商品推荐、套餐查询、登录状态判定）
- 多步骤的技术故障处理（AI 引导用户进行多个步骤的排障流程）
阶段三：技术人员介入，工作流以代码+提示词为组合形态
- 缘由：特定业务场景需要更稳定的服务，这与 AI 的灵动创新性和自主性是存在冲突的
- 我们增加代码节点，适合需要稳定服务的场景（
允许那种死板或者严肃的回复），舍弃 AI 的创新和灵活性 - 我们保留 AI 提示词节点，解决模型层面难点（例如图片理解、语义理解、跨语言问答），让 AI 在正确的场景中发挥他的优势和价值
先介绍几个概念：
基于 RAG 的 AI 问答服务
RAG 技术可以解决知识库的信息过于陈旧的问题，同时减少 AI 在回复中编造不存在的事实（即幻觉）。新技术的典型应用场景包含了“AI 客服”、“法律咨询”等，例如：
但是它也存在不足之处：复杂问题的处理能力弱，面对需要多步骤逻辑分支的任务，表现得不给力。但是即便如此，新技术依旧能满足人们快速检索知识的需求（不管是企业资料还是平时工作中积累的知识），而且市面上现存很多 AI 应用开发平台，大部分人都可以上手去打造一款基于 RAG 的 AI 问答服务。你可以前往任一个 AI 应用开发平台，然后按如下步骤：
大部分 AI 平台都是这种体验步骤，几乎无门槛，也不需要懂技术。
对话产品需要保证哪些基础的用户体验
聊一下 AI 的追问逻辑、和自动改写用户提问。 首先我认为做一款 AI 产品，是需要去提升用户对 AI 的第一印象，AI 不能显得太笨，不可以“答非所问”、也不可以让用户失去提问的耐性。所以这是一个效率的问题：最好是 AI 越快了解我的意图/需求，越快越好，并快速为我解决眼下问题。
这需要你去决定：什么时候让AI去自主改写用户的提问，而不是跟着用户屁股后面不断追问。但是我也不能由着 AI 胡乱改写用户提问，也需要你去决定：什么时候一定不能让AI自主改写提问。这需要去平衡用户体验与问答效率。
1. 什么情况下，需要 AI 主动追问用户
用户意图不明确的时候，假如用户输入的内容不知所云，或者 AI 不理解，那么就指令 AI 去追问用户“你需要什么帮助吗？”，直到 AI 完全理解用户的意图需求。这属于开放式追问，做得更好一点则要考虑历史对话，联系上下文、避免同样的意图做重复追问。
另一种是选择性追问，假如用户的意图明确，但是也有可能会同时命中 2 个意图类型，出现了多意图重叠现象，可以指令 AI 去追问用户“你是需要 XXX 服务还是 YYY 服务呢？”
此外还有一种场景是一定要追问用户的：业务关键信息缺失的情形，假如用户提出让 AI 帮他购买一张车票时（未明确订票日期、起点和终点），这是一定要追问的，不然订错票就很麻烦了～
2. 什么情况下，允许 AI 自主改写用户提问
- 商品推荐场景：把用户提问“你们产品覆盖日本地区吗”改写成“为我推荐一下日本相关产品”
- 联系上下文改写：（问 1：杭州天气如何？问 2：上海呢？）针对问 2，AI 就可以改写成“上海的天气如何？”
这些都属于低风险的安全改写，按照标准流程处理，能够提升问答效率。
核心模块
一. 意图识别与分类
核心业务流程
- 提问 2：韩国呢？（改写成“韩国天气如何？”），改写是为了避免意图识别服务。
示例：产品咨询-价格咨询-“日本上网套餐多少钱？”
意图回答“用户想做什么”槽位回答“涉及哪些关键要素/信息”示例：意图=查询订单，槽位=订单号（若槽位不完整，则需要AI主动追问用户）
二. AI路径规划
定义：根据意图识别结果，规划AI处理路径
- 示例：商品推荐，处理路径包含了AI与API之间交互
- 示例：产品咨询，处理路径包含了AI与知识库/FAQ之间交互
三. 知识库/FAQ管理
AI回复用户提问之间，需要先检索知识库/FAQ中信息，以解决用户提问中涉及的业务问题
四. 跨系统之间协作
当用户提问中出现“转人工”时，
粤ICP备14082021号
免费POC，
零成本试错
