定义 18 类咨询场景与明确的可答、需确认、必须转人工边界，先设计风险策略再设计对话。
RAG · AGENT · AI SERVICE
Service Agent
AI 优先应答，低置信度问题进入人工质量闸门
面向高端摄影咨询，设计查询改写、检索、重排序、置信度分流、人工复核与知识回流，重点解决准确性、边界控制和持续更新。
18类咨询场景
3 级置信度分流
90%+检索准确率内部估算
50%+基础咨询自动应答内部估算
口径说明：以下准确率与自动应答率为内部小样本估算，待固定评测集与线上数据验证。
01
PROBLEM & SCOPE
先定义问题和责任边界。
业务问题
- 价格、档期、拍摄流程与敏感边界容错率低，纯大模型容易编造；静态 FAQ 又无法覆盖自然语言表达。
- 客服知识持续变化，若没有审核和回流机制，检索库会快速过期或被低质量对话污染。
我的职责
产品定义 / Agent 架构 / 评估方案 / MVP 开发
- 团队
- 3 人创业团队
- 周期
- 2026.04 - 至今
- 交付状态
- 业务验证中
02
PRODUCT DECISIONS
关键决策，不只是功能列表。
采用查询改写、候选检索与重排序链路，并通过三级置信度决定直接建议、人工复核或兜底转人工。
把人工确认作为知识更新的质量闸门，优质会话才进入飞书主源、检索库和 JSON 镜像。
03
SYSTEM ARCHITECTURE
从输入到反馈的产品链路。
场景路由
18 类意图、敏感边界与人工接管条件
查询理解
对话上下文、查询改写与关键词补全
检索增强
向量召回、候选重排序与引用上下文
质量闸门
高分建议、中分复核、低分转人工
知识飞轮
归档、清洗、人工确认和多端同步
实现栈
PythonLangGraphDifyLangSmithSentenceTransformerCloudBaseCOSGLM
04
EVIDENCE & OUTCOMES
展示证据，也说明证据边界。
完成从需求定义、知识组织、Agent 编排到 PC 客服辅助界面的端到端验证。
内部小样本估算检索准确率 90%+，基础重复咨询自动应答 50%+；指标已明确标注为估算。
形成“对话使用 - 归档清洗 - 人工确认 - 知识同步 - 检索增强”的可持续闭环。
指标边界
以下准确率与自动应答率为内部小样本估算，待固定评测集与线上数据验证。
05
PRODUCT EVIDENCE
界面、流程与实现证据。
06
TRADE-OFFS & NEXT
取舍、风险和下一步。
关键取舍
- 不追求无条件自动回复，牺牲部分自动化率以换取价格、档期与敏感场景的可靠性。
- 保留飞书权威主源和本地 JSON 镜像，避免单一向量库成为不可解释的知识黑箱。
下一步验证
- 建立覆盖 18 场景的固定评测集，分开统计召回率、答案采纳率、转人工率与知识过期率。
- 在真实流量中做分阶段灰度，校准置信度阈值并记录误答成本。
07
CROSS-PROJECT RELATIONSHIPS