如何构建 AI 客服智能体：知识库、业务查询、人工转接与跟进工作流

客服智能体的价值不在于自动回答所有问题，而在于将重复性咨询、信息查询和工单整理转化为稳定可靠的工作流，并及时将复杂投诉、身份争议及高风险操作升级给人工客服。

首先，将客服问题分为三类

分类的目的是为不同问题分配不同的权限。基于知识的回答绝不能编造额外政策；查询类问题必须验证用户身份；涉及资金、账户、隐私或政策例外的情况，默认应升级至人工处理。

完整的客服工作流

1. 接收用户问题，识别意图并提取所需信息。
2. 检索已批准的常见问题解答（FAQ）或政策文档以获取依据。
3. 需要业务数据时，先验证用户身份，再调用受限范围的 API。
4. 基于证据生成回复，并明确下一步操作。
5. 若证据不足、接口失败或请求超出智能体权限，则创建工单并升级至人工客服。
6. 向人工客服提供问题摘要、已核查信息及未解决的疑点。
7. 若业务要求，使用定时任务安排跟进或工单提醒。

为知识库回答设定证据边界

• 仅使用已批准且有效的政策文档
• 在回复中注明文档名称或依据，便于审核
• 若找不到支持证据，应明确告知，切勿猜测退款、赔偿或时效等问题
• 政策更新时及时归档旧版本，避免新旧规则混用

连接业务系统前应用最小权限原则

技能（Skills）可让智能体使用搜索、文件或 API。在客服场景中，查询与写入应拆分为不同技能：订单状态查询应使用只读权限；创建工单仅允许写入必要字段；退款、取消订单等高风险操作必须经人工确认。

如何分流复杂问题

当问题同时涉及订单、物流和政策时，可将独立查询分配给不同的分支，再由聚合器汇总成最终回复。各分支应共享相同的用户和订单范围，但绝不应各自向客户发送最终消息。若结果冲突，应保留冲突记录并交由人工判断。

人工转接时不要让客户重复陈述

• 用户的问题与意图分类
• 已完成的身份验证信息
• 已查询的系统及其回复摘要
• 已引用的政策依据
• 智能体无法解决该问题的具体原因
• 建议人工客服采取的下一步行动

上线前测试

首先使用历史问题或由人工编写的代表性问题进行测试。覆盖正常查询、信息缺失、接口超时、政策冲突及高风险请求等场景。检查智能体在证据不足时是否会停止响应，是否泄露其他用户信息，以及重复触发是否会生成多个工单。

SmaugBrain 在工作流中的作用

SmaugBrain 可用于组织记忆、技能、子智能体分支和定时任务。实际效果取决于知识库质量、接口权限及人工升级规则。从只读查询和工单摘要起步，逐步开放受控的操作，比追求“全自动化客服”更容易实现稳定落地。