- 1 前言
- 2 进化之路：从构想到落地
- 2.1 技术路线选择——NLP 还是 AIGC？
- 2.2 模型构建与训练——厚积薄发
- 2.3 稳扎稳打——线上灰度与数据验证
- 3 总结
1.前言
转转2015年上线后，机器人客服系统历经多年，完成了三次重要版本迭代。但核心NLP（自然语言处理）能力一直依赖外部厂商，资源受限，一直没有完成突破。
2024年，迎来了技术与资源双重条件成熟的关键时机——借助AI技术东风，公司加大了AI投入，将客服列为重点突破方向。得益于业务和系统持续的沉淀，抓住机遇，转转客服机器人系统（MOSS系统）快速完成了核心NLP能力的全面自研，目前已经达到彻底摆脱对外部厂商的依赖目标，实现了客服智能化能力的质的飞跃。
图片
2.进化之路：从构想到落地
2.1 技术路线选择——NLP 还是 AIGC？
在AI技术飞速迭代的背景下，主流企业级客服机器人大多仍选择以成熟、工程化完善的NLP（自然语言处理）技术作为基石。我们的选择也基于以下几点关键考量：
- 强可控性： 标准客服场景要求回复精准、流程清晰、可解释，需要避免大语言模型（LLM/AIGC）可能带来的“幻觉”和不可控输出风险。
- 低成本高效： NLP模块训练通常仅需数千条标注数据即可达到较高识别率，其投入成本远低于对LLM进行深度调整和优化的方案。
- 即时维护性： 业务规则变化时，知识库可通过配置平台快速更新，响应敏捷，确保服务时效性。
虽然AIGC在开放对话上展现出强大魅力，但在模型幻觉、高资源消耗、知识更新滞后等问题尚未完全解决前，为了满足转转客服对强规则、高准确性的严格要求，我们坚定选择了成熟的NLP技术作为识别用户问题的核心引擎。
同时，针对用户模糊提问（如“好的”、“你再说一遍”、“然后呢”）和超出预设范围的问题，我们引入了RAG（检索增强生成）模型。RAG结合用户当前对话上下文对问题进行智能改写，并精准检索内部知识库，生成更贴近意图的答案，显著提升了机器人的上下文理解和解答能力。
技术路线
2.2 模型构建与训练——厚积薄发
客服领域天然积累了海量结构化知识和丰富的用户交互历史数据，这为构建强大的自研模型奠定了坚实基础。
目前，我们的机器人客服系统已沉淀了大量标准问答知识条目和相似问题数据。经过算法团队的充分验证和比较，最终选择了业界验证效果卓越的预训练模型BERT来构建核心知识向量库。
训练环节我们拥有独特优势：过往几年使用第三方服务过程中，通过持续的算法优化和训练师调优，我们在线上积累了千万级别的语义识别高质量数据，这成为我们自研模型的宝贵“养料”。利用这些数据，我们能够快速完成自研模型的训练和参数调优。再辅以训练师的精准标注纠错和针对线上bad case的定向优化，转转自研的NLP模型在短时间内快速崛起，其性能迅速赶超了原使用的厂商模型。
强大的模型能力离不开丰富且高质量的知识库支撑。业务迭代发展中，用户的问题也在持续变化。为了不断提升机器人客服的服务质量，突破知识库覆盖面的瓶颈，我们设计了一套动态知识提炼流程。
运用大模型对机器人与人工会话日志进行智能分析，提炼潜在的新知识建议，再由训练师进行专业分析、优化和审核，源源不断地完善知识库内容，确保知识库的时效性和覆盖面。
2.3 稳扎稳打——线上灰度与数据验证
模型的“毕业考试”——正式上线前，严谨的验证不可或缺。我们首先抽取了一批新产生的真实用户提问数据，在线下对自研模型进行了充分的“模拟考”（数据测试），确认效果达标后才允许“上战场”。
同时，我们对机器人客服系统架构进行了关键升级，支持了NLP模型的灵活配置和流量切分。这意味着我们可以随时切换不同模型进行A/B测试，或者在发现问题时快速回滚，实现了模型的无缝切换和业务零中断的风险控制。
至此，我们上线了完全转转自研的机器人客服系统：
- 精准识别： 用户发起咨询后，机器人首先利用自研NLP模型快速匹配对应的标准问题。
- 数据融合： 基于识别结果，机器人动态调用各业务系统API，实时获取用户的订单、服务状态等精准业务数据。
- 智能生成与适配： 结合业务数据和应用场景，系统生成最佳匹配的答案模板，并灵活运用占位符填充、配置自助操作按钮、适配转人工规则等方式，完成答案的最终组装和个性化适配。
- 模糊与未知处理： 对于“好的”、“请重复一遍”等模糊回应或语义不明输入，系统会调用RAG引擎关联上下文进行意图补充/改写后重新匹配；对于NLP未能覆盖的未知问题，则同样通过RAG模型整合知识库信息直接生成回复。
- 知识库提取和训练：通过大模型对历史会话持续分析提取，不断完善机器人知识库。
3.总结
从依赖第三方到实现全栈自研，转转机器人客服的此次升级不仅是一次核心技术的跃迁，更是追求“自主可控”战略目标的重要里程碑。通过审慎选择以NLP为核心、RAG能力为补充的实用技术路线，依托我们深厚的客服数据积累、高效的模型训练验证策略以及动态优化的知识库体系，我们成功构建了高精度、强可控、维护便捷的智能客服基石。
未来，随着自研能力的持续深耕和前沿AI技术的有效融入，转转机器人客服将持续进化，不断提升用户体验和客服效率，为公司业务的高质量发展提供更加智能、可靠的技术支撑。
关于作者
李帅，转转履约中台研发工程师，主要负责客服方向业务
