擁抱 AI：轉轉智能客服自主化升級之路
1 前言
2 進化之路：從構想到落地
2.1 技術路線選擇——NLP 還是 AIGC？
2.2 模型構建與訓練——厚積薄發
2.3 穩扎穩打——線上灰度與數據驗證
3 總結
1.前言
轉轉2015年上線后，機器人客服系統歷經多年，完成了三次重要版本迭代。但核心NLP（自然語言處理）能力一直依賴外部廠商，資源受限，一直沒有完成突破。
2024年，迎來了技術與資源雙重條件成熟的關鍵時機——借助AI技術東風，公司加大了AI投入，將客服列為重點突破方向。得益于業務和系統持續的沉淀，抓住機遇，轉轉客服機器人系統（MOSS系統）快速完成了核心NLP能力的全面自研，目前已經達到徹底擺脫對外部廠商的依賴目標，實現了客服智能化能力的質的飛躍。
圖片
2.進化之路：從構想到落地
2.1 技術路線選擇——NLP 還是 AIGC？
在AI技術飛速迭代的背景下，主流企業級客服機器人大多仍選擇以成熟、工程化完善的NLP（自然語言處理）技術作為基石。我們的選擇也基于以下幾點關鍵考量：
- 強可控性： 標準客服場景要求回復精準、流程清晰、可解釋，需要避免大語言模型（LLM/AIGC）可能帶來的“幻覺”和不可控輸出風險。
- 低成本高效： NLP模塊訓練通常僅需數千條標注數據即可達到較高識別率，其投入成本遠低于對LLM進行深度調整和優化的方案。
- 即時維護性： 業務規則變化時，知識庫可通過配置平臺快速更新，響應敏捷，確保服務時效性。
雖然AIGC在開放對話上展現出強大魅力，但在模型幻覺、高資源消耗、知識更新滯后等問題尚未完全解決前，為了滿足轉轉客服對強規則、高準確性的嚴格要求，我們堅定選擇了成熟的NLP技術作為識別用戶問題的核心引擎。
同時，針對用戶模糊提問（如“好的”、“你再說一遍”、“然后呢”）和超出預設范圍的問題，我們引入了RAG（檢索增強生成）模型。RAG結合用戶當前對話上下文對問題進行智能改寫，并精準檢索內部知識庫，生成更貼近意圖的答案，顯著提升了機器人的上下文理解和解答能力。
技術路線
2.2 模型構建與訓練——厚積薄發
客服領域天然積累了海量結構化知識和豐富的用戶交互歷史數據，這為構建強大的自研模型奠定了堅實基礎。
目前，我們的機器人客服系統已沉淀了大量標準問答知識條目和相似問題數據。經過算法團隊的充分驗證和比較，最終選擇了業界驗證效果卓越的預訓練模型BERT來構建核心知識向量庫。
訓練環節我們擁有獨特優勢：過往幾年使用第三方服務過程中，通過持續的算法優化和訓練師調優，我們在線上積累了千萬級別的語義識別高質量數據，這成為我們自研模型的寶貴“養料”。利用這些數據，我們能夠快速完成自研模型的訓練和參數調優。再輔以訓練師的精準標注糾錯和針對線上bad case的定向優化，轉轉自研的NLP模型在短時間內快速崛起，其性能迅速趕超了原使用的廠商模型。
強大的模型能力離不開豐富且高質量的知識庫支撐。業務迭代發展中，用戶的問題也在持續變化。為了不斷提升機器人客服的服務質量，突破知識庫覆蓋面的瓶頸，我們設計了一套動態知識提煉流程。
運用大模型對機器人與人工會話日志進行智能分析，提煉潛在的新知識建議，再由訓練師進行專業分析、優化和審核，源源不斷地完善知識庫內容，確保知識庫的時效性和覆蓋面。
知識提煉
2.3 穩扎穩打——線上灰度與數據驗證
模型的“畢業考試”——正式上線前，嚴謹的驗證不可或缺。我們首先抽取了一批新產生的真實用戶提問數據，在線下對自研模型進行了充分的“模擬考”（數據測試），確認效果達標后才允許“上戰場”。
同時，我們對機器人客服系統架構進行了關鍵升級，支持了NLP模型的靈活配置和流量切分。這意味著我們可以隨時切換不同模型進行A/B測試，或者在發現問題時快速回滾，實現了模型的無縫切換和業務零中斷的風險控制。
至此，我們上線了完全轉轉自研的機器人客服系統：
- 精準識別： 用戶發起咨詢后，機器人首先利用自研NLP模型快速匹配對應的標準問題。
- 數據融合： 基于識別結果，機器人動態調用各業務系統API，實時獲取用戶的訂單、服務狀態等精準業務數據。
- 智能生成與適配： 結合業務數據和應用場景，系統生成最佳匹配的答案模板，并靈活運用占位符填充、配置自助操作按鈕、適配轉人工規則等方式，完成答案的最終組裝和個性化適配。
- 模糊與未知處理： 對于“好的”、“請重復一遍”等模糊回應或語義不明輸入，系統會調用RAG引擎關聯上下文進行意圖補充/改寫后重新匹配；對于NLP未能覆蓋的未知問題，則同樣通過RAG模型整合知識庫信息直接生成回復。
- 知識庫提取和訓練：通過大模型對歷史會話持續分析提取，不斷完善機器人知識庫。
問答流程
3.總結
從依賴第三方到實現全棧自研，轉轉機器人客服的此次升級不僅是一次核心技術的躍遷，更是追求“自主可控”戰略目標的重要里程碑。通過審慎選擇以NLP為核心、RAG能力為補充的實用技術路線，依托我們深厚的客服數據積累、高效的模型訓練驗證策略以及動態優化的知識庫體系，我們成功構建了高精度、強可控、維護便捷的智能客服基石。
未來，隨著自研能力的持續深耕和前沿AI技術的有效融入，轉轉機器人客服將持續進化，不斷提升用戶體驗和客服效率，為公司業務的高質量發展提供更加智能、可靠的技術支撐。
關于作者
李帥，轉轉履約中臺研發工程師，主要負責客服方向業務
