agent智能客服产品系统

原有基础 RAG 客服仅支持单轮静态问答，无多轮交互、工具自主调用能力，无法处理复杂业务故障、多步骤业务办理需求，人工
客服承接压力大。基于 Dify 搭建新一代智能 Agent 客服，实现多轮对话、自主工具调用、复杂问题自动闭环，降低人工成本。

原有基础 RAG 客服仅支持单轮静态问答，缺少多轮交互与自主工具调用能力，难以处理复杂故障、多步骤业务办理，人工客服负荷较重。依托 Dify 搭建新一代智能 Agent 客服，支持多轮连续对话，可自主调用工具拆解任务，自动闭环复杂业务诉求，有效分流咨询量，显著减轻人工压力、降低运营成本。

核心职责
负责领域语义模型训练、对话数据集清洗标注、多模型容器化部署、Agent 决策逻辑迭代、开源大模型微调优化。
技术方案
1. NLU 语义模块优化：基于 bert-base-chinese 训练领域专属意图识别模型，注入错别字、口语化噪声样本，提升真实对话鲁棒
性，替换原有旧版识别底座；
2. RAG 链路升级：复用现有向量库与知识图谱，新增检索重排模块，优化召回筛选逻辑，有效缓解大模型知识幻觉；
3. 多轮对话持久化：使用 Redis 缓存存储用户会话上下文，微调开源大模型强化长上下文记忆与多轮对话逻辑；
4. Agent 决策模块（核心）：基于 Dify 完成 Agent 全流程编排，封装向量检索、知识库查询、业务日志查询工具；采用 PPO 强
化学习优化决策模型，实现需求自主判断、工具按需调用、主动追问补全信息、分步处理复杂业务；
5. 工程落地：BERT、微调大模型、RAG、Agent 服务统一 Docker 容器化部署，搭建标准化数据标注流水线，持续迭代优化全链
路效果。
业绩:
业务咨询一次性解决率提升至 89%，客户办理时长缩短 65%；单客服日均承接咨询量提升 200%，全链路自动化处理占比提升
62%，人工介入量大幅下降；