为什么会涌现这样的问题昵？
传统智能客服以NLP技能为主，核心是分词。在处理问题上有两个关键的步骤：
以是他目前办理问题时，大部分依赖于用户输入问题的关键字，进行检索匹配。将已经匹配好的答案给到用户
2. 利用本钱高
受限于技能，须要花费极高的人力本钱进行配置，来达到业务诉求。
当业务变革，或者新项目上线，须要去配置整理用户意图、配置各种意图问法。准备大量的FAQ，以及各种关联问题，配置实体等。全体过程常日须要专业的机器人演习师，来担保问题的覆盖率、相似问题重复度、办理率、意图识别率等。二、大模型产品的上风大模型是根据大量的知识演习出来，以是天然能够“理解”根本的问题。以是不须要去准备大量的相似问题，繁芜的知识图谱，实体关系。
如相似问法：如退货，不须要补充”我想退货”，”退个货“等相似问法如根本知识图谱：活着->作者->余华其次模型的cot能力，让模型具备较强的推理能力，借助模型推理的能力，去理解流程做决策。不用去配置大量的流程，以及实体的抽取，传参，全体流程让模型办理。
以是他的利用本钱门槛会低很多。
三、大模型Agent如何办理？1. agent框架的根本逻辑
Agent的核心如下：
Planning 方案
-子目标和分解:AIAgent 将大型任务分解为更小的、可管理的子目标，从而能够有效处理繁芜的任务。-反思和完善:Agent可以对过去的行为进行自我批评和自我反思，从缺点中吸取教训，并针对未来的步骤进行完善，从而提高终极结果的质量Memory 影象
短期影象:所有的高下文学习(拜会提示工程)都是利用模型的短期影象来学习。长期影象:这为AIAgent供应了长期保留和调用无限信息的能力，常日是通过利用外部向量存储和快速检索来实现。Tool / Toolkit
Agent学习调用外部 AP! 来获取模型权重中缺失落的额外信息，常日这些信息在预演习后很难变动，包括当前信息、代码实行能力、对专有信息源的访问等工具是代理可以调用的功能，实质上便是一个函数。2. 将Agent框架逻辑运用到客服场景运用逻辑和过程如下：
当用户输入讯问时：
1、影象能力
先通过模型的影象能力，将用户画像、浏览记录、订单数据、历史会话记录等推送给大模型拿到办理对应问题的参考sop流程2、操持能力+推理
让模型基于用户的提问+办理的SOP，制订与用户的沟通操持根据用户反馈调度沟通操持，推理出新的步骤3、tools：
根据推理出来的操持、选择实行的内容比如调用ERP、知识库等终极得出结论、输出给用户全体过程中，模型能够仿照人+参考sop流程，实行对应的任务，从而达到相应的结果
四、大模型的办理方案的代价1. agent的代价
1、利用本钱、掩护本钱极低。
利用：三步完成利用
Step1：用纯文本定义有情绪的机器人，用Chat文本来描述授予机器人情感、明确处理任务SOP流程。Step2：补全产品与做事知识。构建企业专属知识库“产品手册、做事规则，退货规则“实现产品、做事信息与大模型的互通，加强模型的理解。Setp3：快速对接企业已有系统。选择要接入的系统，如有赞商城、自有CRM、ERP。让模型实时获取信息，精准相应问题。OK！
普通客服主管，花费1-2天，既可配置基于大模型的智能咨询做事机器人
掩护内容少。
2、全渠道能接入、全面的解答：模型的关键在于理解、以是任何意图都能理清楚。同时授权授权即多个渠道，多种问题类型都能被全解答。
3、做事先知：会话开始前，将用户行为数据、标签提前给到大模型，开口即可知道你的用户想做什么！
解答问题更加精准。
3、更灵巧的策略：Agent 的推理、操持、思考…让模型根据SOP和用户输入，自己做决策、做操持，灵巧应对用户问题，不再须要固定的去世流程。
2. 方法效果运用
Ai客服退货
Ai代购
Ai会员卡的办理
五、大模型的Agent客户做事、用户体验带来了什么？
1、更低的本钱：模型的能力强大，开拓本钱低、利用本钱低
2、更智能的效果：用的推理代替了关键之的匹配，能办理的问题更广、效果更好。
本文由 @易俊源 原创发布于大家都是产品经理。未经容许，禁止转载
题图来自 Pixabay，基于 CC0 协议
该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。
