如何设计快手电商场景的 AI 客服系统？

先这样答

我会把快手电商 AI 客服按售前咨询、订单、物流、售后四类意图分层，再分别连接订单工具、商品知识和人工处理流程。用户咨询商品时，系统先识别售前意图，再从商品知识库检索相关内容，最后让模型基于检索结果生成回答。这样可以减少模型脱离商品信息自由作答的情况。

订单类问题要接订单工具链，至少支持查单、退款和改地址。查单可以直接返回订单状态。退款和改地址属于写操作，系统要做幂等控制，避免重复执行。退款还要接人工审批，模型不能直接完成高风险操作。售后问题需要结合订单信息和商品知识，再决定是否转人工。

我会单独识别用户情绪。用户情绪明显升级时，直接转人工，避免模型继续重复解释。大促期间要做限流和降级，流量过高时让用户排队，并用 FAQ 先回答常见问题。上线后重点看自助解决率、转人工率和 GMV 影响，再根据不同意图和处理结果调整策略。

面试官会怎么追问

• 「为什么不能让大模型直接处理退款？」
  退款会改变订单状态，属于写操作。系统要先做幂等控制，避免同一请求重复退款。退款还需要人工审批，模型负责识别意图和收集信息，不能直接越过审批。

• 「商品知识 RAG 在这个系统里解决什么问题？」
  它主要服务售前咨询，也可以辅助售后回答商品相关问题。系统先识别意图，再检索对应商品知识，模型只能基于检索结果生成回答。这样能让回答贴近当前商品信息，而不是只依赖模型自身记忆。

• 「大促时客服请求暴增，你怎么保证服务可用？」
  先做限流，避免请求量继续压垮服务。超出处理能力的用户进入排队，同时用 FAQ 兜底回答高频问题。情绪升级或 FAQ 无法处理时，再转人工。

回答的坑

• 只讲模型和 RAG，不讲查单、退款、改地址等订单工具，答案会缺少电商场景的关键动作。
• 把退款当成普通问答直接自动执行，忽略幂等和人工审批，容易产生业务风险。