智能客服最小案例
背景和价值
场景 1:使用 LLM Agent (ReAct)
用户查询: "我这个月要还多少钱?"
| 阶段 | 动作 | 目标/实现 | 流程管理层决策 |
|---|---|---|---|
| 意图解析 | LLM 解析查询 | 识别意图为:2.1 账单查询。 | execution_mode: "REACT_ACTION" |
| ReAct 思考 | Thought: 用户需要实时个性化数据。必须调用 get_user_current_bill 工具。 |
Prompt 指令: 调用工具,并以 JSON 输出。 | - |
| ReAct 行动 | Action: call_tool(get_user_current_bill, user_id) |
系统执行: 调用后端 API 获取数据:{"amount": 3500.00, "due_date": "2025-12-15"}。 |
- |
| 生成回复 | LLM 基于 API 结果生成自然语言回复。 | 最终回复: "您好,您本月的白条账单总金额为 3500.00 元,最晚还款日是 12 月 15 日。" | - |
场景 3:RAG (检索增强生成)
用户查询: "我的账单如果晚还了两天,会有什么后果?罚息怎么算?"
| 阶段 | 动作 | 目标/实现 | 流程管理层决策 |
|---|---|---|---|
| 意图解析 | LLM 解析查询 | 识别意图为:2.5 逾期/罚息咨询(政策解释)。 | execution_mode: "REACT_ACTION" |
| ReAct 思考 | Thought: 用户需要准确、合规的罚息政策解释。这是 RAG 的范畴。最相关知识库是 PenaltyPolicy。 |
Prompt 指令: 触发 RAG 检索知识库。 | - |
| ReAct 行动 | Action: retrieve_knowledge(PenaltyPolicy) |
系统执行: RAG 检索并返回相关的政策文本块:"...逾期第三日开始计收罚息,罚息计算公式为..."。 |
- |
| 生成回复 | LLM 基于检索到的文本块,生成通俗易懂的解释。 | 最终回复: "白条有 3 天的宽限期,在宽限期内还款不会计收罚息。如果超过宽限期,系统会根据合同约定开始计收罚息,具体的计算方式是..." | - |
3. Workflow 详细步骤 (流程扭转与 ReAct 协作)
| 步骤 | 流程节点 | 执行者/技术 | 动作与流程扭转 (Flow Control) |
|---|---|---|---|
| Step 1 | 计算金额 | ReAct Agent (调用 Tool) | 动作: LLM 调用 calculate_settlement_amount(user_id) API。API 返回精确的结清金额(含手续费减免)$X$ 元。 |
| Step 2 | 提示用户确认 | Workflow 引擎 (用户交互节点) | 动作: Workflow 暂停。Agent 向用户发送消息:“您的提前结清总额为 $X$ 元。请回复 ‘确认’ 或 ‘取消’ 进行下一步操作。” |
| Step 3 | 等待用户输入 | Workflow 引擎 (WAIT 状态) | 扭转点: 流程进入等待状态,设置 $5$ 分钟超时。等待用户回复。 |
| Step 4 | 用户回复判断 | Workflow 引擎 (分支判断) | 判断: 流程根据用户回复进行分支扭转: 1. 如果回复 “确认” $\rightarrow$ 扭转至 Step 5(继续执行)。 2. 如果回复 “取消” $\rightarrow$ 扭转至 Step 6(流程结束)。 3. 如果 超时 $\rightarrow$ 扭转至 Step 6。 |
| Step 5 | 执行交易 | ReAct Agent (调用 Tool) | 动作: LLM 调用 execute_settlement(user_id, X) API。API 返回交易状态。 |
| Step 6 | 流程结束与反馈 | ReAct Agent (生成回复) | 动作: 如果成功: “提前结清已完成,实时扣款。” 如果失败/取消/超时: “交易已取消/超时,请重新发起。” |

浙公网安备 33010602011771号