AI场景落地之：快速搭建企业智能客服

企业智能客服可以大大简化企业的客服成本，也是企业AI应用落地的一个主要场景，本篇内容我们围绕智能客服相关的几个需求来进行阐述如何通过ThinkBot启智来快速搭建一个实用的企业智能客服。

关于启智

ThinkBot启智2.0是一个基于LLM大模型的AI应用构建引擎，提供企业 AI Agent 应用解决方案，可以连接业务系统快速构建企业AI智能体应用，无需开发即可轻松部署上线，并提供私有化部署方案。

智能客服属于企业AI智能体的一个典型和成熟应用场景之一，对于这个场景企业通常比较关心的问题主要包含：

• 数据如何训练和更新
• 是否能按知识库精准回复
• 能否展示回复内容相关的文档链接
• 是否支持转人工客服
• 如何整合到自己网站或产品
• 智能客服的使用成本

下面我们就来分别对以上问题进行一些阐述。

训练知识库数据

要提供企业的智能客服服务，通常是需要把企业的自有知识库数据训练并转成向量数据存储，然后通过ARG（检索增强生成）方案提供精准回复。

首先登录启智，点击左侧的知识库菜单。

启智提供了两种方式来训练数据，如果你有现成的企业文档可以通过上传文件的方式创建知识库。

然后进入知识库里面添加文档，一个知识库可以添加多个文档。

通常我们选择第二个方式上传自己的文档，支持txt/docx/pptx/pdf/md/jpg/png格式文档，比较推荐的方式是使用md文档对大模型理解和输出更加友好，并且可以支持图片内容回复，通常使用标题（H2/H3）来表示问题，正文内容用于问题的回复。

上传确定后等待数据自动训练完成即可。

你可以添加多个不同的文档来提供足够的训练数据。

如果你使用了顶想云的知识管理服务，那么可以更方便的绑定知识库对应的知识管理文档而不需要上传文档的方式来训练数据，并且可以支持每次发布自动训练更新数据（想象一下，如果你使用上传文件的方式更新数据会有多麻烦），需要使用团队版以上空间并开启智问搜索功能，记得开启后需要重新发布一次文档才能进行自动训练数据。

需要更新训练数据的时候，直接编辑知识管理的文档然后重新发布即可完成自动训练增量数据。

顶想云的知识管理本身作为一个现代化的知识管理工具，还可以作为企业的文档中心或帮助中心，更多介绍可以参考这里。

创建智能体

训练完了企业知识库数据后，接下来我们创建一个智能客服的智能体。

智能体头像会随机生成，后期也可以随时修改智能体的名称、描述和头像等信息。

创建完成后会进入智能体的编排页面，我们可以选择自带的智能客服提示词模板快速设置。

点击知识库按钮添加需要关联的知识库。

如果使用了知识管理的文档作为知识库，那么需要安装知识管理工具。

第一次安装知识管理工具的时候需要授权，点击去授权按钮。并输入知识管理的空间令牌（勾选接口调用权限），然后点击工具设置绑定下文档ID。

文档ID标识是文档阅读URL地址的一部分，通常可以在URL地址的book后面

如果你没有修改过阅读地址的话，也可以在这里找到

绑定知识库文档后，我们就可以进行对话调试了，如果效果不理想还可以在右上角切换不同的模型来测试不同效果。

如果觉得效果OK，记得点击保存按钮，否则智能体的相关设置和工具不会自动保存，下次打开就失效了。这样，一个智能客服的智能体已经创建完成。

整合到网站或产品

启智创建的智能体可以很方便的集成到自己的官网或产品里面，只需要通过部署一个JS代码即可。

可以选择气泡方式或iframe方式嵌入页面，可以对气泡颜色进行设置，并添加域名白名单。复制JS代码部署到官网或网站页面即可显示一个对话气泡，点击进行智能客服回话。

通过这种方式可以嵌入任何的页面，如果你需要调整前端对话框的样式也可以通过调用智能体的API接口自己整合到产品。

如何精准回复

要做到更加精准的按照知识库内容进行回复，通常在于几个方面。

• 知识库数据的覆盖和准确性：这个问题属于知识库内容问题，内容尽量规范和全面即可。最好是整理一些FAQ形式的QA文件。
• 数据的准确召回率：启智使用的ARG算法采用增强检索及多路召回机制，基本可以确保准确召回。
• 选取合适的模型：各个模型的能力不同，这个自然不必多说，但各大主流模型基本上问题都不大。
• 高频问题的数据标注：对于高频问题，可以进行数据标注，标注后会严格按照标注内容进行完全一致的回复，减少发挥和幻觉，而且还可以降低Token使用开销，真的是一举两得。

精准回复的主要目的是：拒绝胡编乱造！并且尽可能一致的回答知识库已有内容。

显示相关文档

这个对于智能客服来说，有时候非常重要，毕竟客服不可能回答详尽内容，有个相关文档的链接会更加方便用户查看。

如果使用了知识管理文档作为知识库的来源，就可以很方便的支持相关文档回复。你可以在智能体的提示词里面设置回复内容最后添加相关文档，然后回复效果如下：

转人工客服

智能客服如果需要提供转人工服务，有个比较简单的方法就是通过设置智能体的提示词来引导。比如你可以在技能设置里面添加类似于下面的内容：

必要的时候可以引导用户添加人工客服微信 XXX（也可以使用md语法的微信二维码图片） 进行更加专业的解答和问题处理。

这样，智能体在回复的时候，如果遇到解决不了的复杂问题可以自动让用户主动联系人工客服。当然，也可以由用户自己在对话中触发转人工。

关于使用成本

企业对智能客服的另外一个顾虑是使用成本问题，相对于传统客服系统而言，智能客服不存在坐席的概念，并且可以24小时全天候提供服务，而通常传统客服是按坐席数付费，再加上人工坐席的成本，所以好的客服系统成本是不低的。

再回到智能客服本身，使用的是LLM大模型技术，所以客服对话主要是消耗Token，而目前国内大模型的token使用成本已经越来越低了。

大模型的使用成本已经不再是企业的成本焦虑，如何找到合适的应用场景才是。

最后总结

希望通过本篇内容，能够给企业的智能客服场景带来更多的启发和尝试，让AI应用在企业更好的落地。我们还会陆续介绍一些企业AI应用场景的使用。

​

如何学习大模型

现在社会上大模型越来越普及了，已经有很多人都想往这里面扎，但是却找不到适合的方法去学习。

作为一名资深码农，初入大模型时也吃了很多亏，踩了无数坑。现在我想把我的经验和知识分享给你们，帮助你们学习AI大模型，能够解决你们学习中的困难。

我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习，等录播视频免费分享出来，需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向，东学一点西学一点，像只无头苍蝇乱撞，我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

二、AI大模型视频教程

三、AI大模型各大学习书籍

四、AI大模型各大场景实战案例

五、结束语

学习AI大模型是当前科技发展的趋势，它不仅能够为我们提供更多的机会和挑战，还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型，我们可以深入了解深度学习、神经网络等核心概念，并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时，掌握AI大模型还能够为我们的职业发展增添竞争力，成为未来技术领域的领导者。

再者，学习AI大模型也能为我们自己创造更多的价值，提供更多的岗位以及副业创收，让自己的生活更上一层楼。

因此，学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。