智能机器人

机器人类型

问答机器人

最常见的客服机器人形态，基于知识库回答用户问题。

知识库结构
├── 标准问题（Q）
│   ├── 相似问法（扩展问）
│   └── 标准答案（A）
├── 分类体系
│   ├── 一级分类（如：账户问题）
│   └── 二级分类（如：密码找回）
└── 富媒体答案
    ├── 纯文本
    ├── 图文混排
    ├── 视频
    └── 引导按钮（快捷回复）

任务型机器人

能完成特定业务流程的机器人，如查询订单、办理业务。

多轮对话示例（查询快递）
用户：我的快递到哪了？
机器人：请提供您的订单号
用户：123456789
机器人：[调用订单系统 API]
        您的订单已发货，预计明天送达
        快递单号：SF1234567890
        [查看物流详情] [联系快递员]

大模型机器人（2023+）

基于 LLM + RAG 的新一代机器人，无需精确配置问答对。

优势对比：

对比项	传统问答机器人	大模型机器人
知识库维护	需要精确配置 Q&A	上传文档即可
模糊问题处理	较弱	强
多轮理解	有限	强
幻觉风险	无（基于规则）	有（需控制）
适用场景	标准化问题多	知识复杂、问法多样

机器人配置流程

1. 知识库建设

知识库建设步骤
1. 收集历史会话数据（Top 100 高频问题）
2. 整理标准问答对
3. 为每个问题添加 5-10 个相似问法
4. 配置富媒体答案（图片、按钮等）
5. 设置分类体系
6. 测试验证（准确率 > 85% 才上线）

2. 对话流程设计

欢迎语 → 意图识别 → 答案匹配
                         ↓
                    置信度判断
                    ├── 高：直接回答
                    ├── 中：推荐候选
                    └── 低：
                         ├── 追问澄清
                         ├── 推荐相关问题
                         └── 转人工

3. 转人工策略

合理设置转人工触发条件，避免机器人「死撑」：

• 连续 2 次未解决 → 主动提示转人工
• 用户输入「人工」「客服」「投诉」→ 立即转人工
• VIP 用户 → 优先转人工
• 非工作时间 → 留言或预约回电

效果评估指标

指标	说明	参考目标
解决率	机器人独立解决的会话占比	> 60%
准确率	回答正确的问题占比	> 85%
转人工率	转入人工的会话占比	< 40%
用户满意度	会话结束后评分	> 4.0/5.0
知识库覆盖率	有答案的问题占比	> 80%

持续优化

机器人优化闭环
运营数据分析
    ↓
识别未解决问题（低置信度 Top 50）
    ↓
补充知识库 / 优化答案
    ↓
A/B 测试验证效果
    ↓
全量上线
    ↓
继续监控...