大模型落地应用：让Agent自动“退款”，防止被薅羊毛，平衡成本与用户体验

最新推荐文章于 2024-10-07 07:28:01 发布

大模型老猿

最新推荐文章于 2024-10-07 07:28:01 发布

阅读量850

点赞数 8

文章标签： llama 人工智能自然语言处理知识图谱大模型 LLM Agent

本文链接：https://blog.csdn.net/DEVELOPERAA/article/details/141894230

版权

处理大量的退款请求时，如何平衡用户体验和成本控制？通过引入AI技术自动处理退款请求，不仅提高了处理效率，降低了成本，还能有效防止恶意的薅羊毛行为。本文将详细介绍AI如何在充电行业中实现自动化退款处理，并探讨其对行业的深远影响。

在这里插入图片描述

一、两轮充电行业的”Ai退款”实践

1. 业务场景与矛盾点

业务简述：提供线下充电桩的充电服务。服务千万级的用户。用户直接扫码付费完成充电

1）场景下的角色：

服务商：提供场地。厂商安装设备后，进行设备维护，获取用户充电金额的提成；
厂商：提供充值小程序软件，设备硬件等设施
消费者：扫码充电，享受充电服务

2）业务的问题：

线下环境比较复杂，会因为各种原因导致充值失败。设备故障、停电、网络等；
消费金额普遍较低：1元、2元、5元居多；
若人工进行退款，服务链路长（涉及设备排查、订单排查、服务商等），服务成本太高；
若实现直接退款，容易“羊毛党”泛滥导致服务商利益受损。直接退款只会导致羊毛党只会越来越多；
若不处理或者处理太慢等，导致用户投诉过多，体验太差

3）本质是矛盾点：用户体验与成本的平衡

人工介入处理，订单量大，成交金额低（1元、2元、5元），人工去处理成本高。
为了体验直接退款，容易被恶意使用。给服务商造成损失

2. 解决办法

让AI来当裁判，对于符合规则的直接进行直接退款或者部分退款；
对于恶意使用退款操作的人/用户，直接不退款；
对于Agent判断有争议，引导客服进行介入；

Agent介入的好处

相对明确的判断的和操作，AI可以直接进行操作。不用人工参，降低人工处理成本
提高了“薅羊毛”的操作成本，杜绝了一批羊毛党。

二、整体的Agent的处理逻辑

让大模型来直接辅助退款的逻辑流程

在这里插入图片描述

1）涉及到的大模型/Agent的主要能力：

Rag：知识库查询规则等
Agent会话模式：re-act控制流程和目标
调用工具：辅助模型fanction call
长期记忆：画像数据、订单数据等长期记忆内容

2）流程说明

在会话之前。把他的订单、画像、浏览轨迹给到大模型-。然后基于问题直接解答；
将规则“退款规则”、“判断规则”等文本内容推过知识库的形式，让模型来访问获取，补充内容；
提前预设sop退款流程，让模型理解执行步骤。

1. 整体的效果如下（测试环境下）：

在这里插入图片描述

1）过程我们可以看到

主动引导：Agent引导用户提供退款的理由。
订单/设备信息确认：提前获取用户订单数据、设备信息。通过各种状态、规则等推理退款理由的合理性
退款金额协商：通过设备状态、退款规则等，同客户确认可退金额
自动退款：直接完成退款操作。

2）效果

整个过程由大模型来控制，操作、判断。
通过理解问题、规则、要求。来进行准确的处理。模拟人进行复杂情况的判断
合理用户的合理诉求下，能够在短时间内完成退款的请求。
对于羊毛党，有设备的数据、订单数据等，有效防止恶意薅羊毛和退款

3）成本层面

约80%的退款操作、退款金额由大模型判断直接执行，不再需要人工审核

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望