一、客服成本高企，成为企业负担

2019年，我们客服团队有100人：

• 人工成本：每月100万+
• 培训成本：新人上手需要1个月
• 高峰期响应慢：用户等待超过5分钟
• 客户满意度：只有70%

引入智能客服后：

• 机器人承接80%咨询
• 人工客服减少到30人
• 响应时间降到10秒内
• 客户满意度提升到90%

---

二、客服系统架构

2.1 整体架构

┌─────────────────────────────────────────────────────────────────┐
│                    客服系统架构                                   │
│                                                                  │
│    用户 → 网关 → 智能路由 → ┬→ 机器人客服（80%）                    │
│                          ↘→ 人工客服（20%）                       │
│                                                                  │
│    核心组件：                                                     │
│    - IM长连接服务                                                │
│    - 消息路由服务                                                 │
│    - 机器人客服                                                   │
│    - 工单系统                                                     │
│    - 知识库系统                                                   │
│                                                                  │
└──────────────────────────────────────────────────────────────────┘

2.2 消息流转流程

用户发送消息 → WebSocket网关 → 消息队列 → 路由服务
                                          ↓
                                    判断消息类型
                                    ↙        ↘
                              简单问题          复杂问题
                                ↓                ↓
                            机器人回复      分配人工客服

---

三、智能客服核心

3.1 意图识别

/**
 * 意图识别服务
 */
@Service
public class IntentRecognitionService {
    
    @Autowired
    private NLPModelService nlpModel;
    
    /**
     * 识别用户意图
     */
    public IntentResult recognize(String message) {
        // 1. 文本预处理
        String text = preprocess(message);
        
        // 2. NLP模型识别
        IntentResult result = nlpModel.predict(text);
        
        // 3. 置信度过滤
        if (result.getConfidence() < 0.8) {
            // 置信度低，转人工
            result.setNeedHuman(true);
        }
        
        return result;
    }
}

3.2 知识库匹配

/**
 * 知识库服务
 */
@Service
public class KnowledgeBaseService {
    
    @Autowired
    private ElasticsearchClient esClient;
    
    /**
     * 查找最佳答案
     */
    public Answer findBestAnswer(String question) {
        // 1. ES相似度搜索
        SearchResponse response = esClient.search(s -> s
            .index("knowledge")
            .query(q -> q
                .match(m -> m
                    .field("question")
                    .query(question)
                )
            ),
            Knowledge.class
        );
        
        // 2. 取最高分答案
        if (response.hits().total().value() > 0) {
            Knowledge knowledge = response.hits().hits().get(0).source();
            return new Answer(knowledge.getAnswer(), knowledge.getId());
        }
        
        return null;
    }
}

3.3 多轮对话

/**
 * 对话管理服务
 */
@Service
public class DialogManagerService {
    
    // 对话状态存储
    private Map<String, DialogContext> dialogContexts = new ConcurrentHashMap<>();
    
    /**
     * 处理多轮对话
     */
    public String processDialog(String sessionId, String message) {
        // 1. 获取对话上下文
        DialogContext context = dialogContexts.computeIfAbsent(
            sessionId, k -> new DialogContext());
        
        // 2. 根据当前状态处理
        switch (context.getState()) {
            case INIT:
                // 询问订单号
                context.setState(WAITING_ORDER);
                return "请问您咨询的是哪个订单？请提供订单号";
                
            case WAITING_ORDER:
                // 提取订单号
                String orderId = extractOrderId(message);
                if (orderId != null) {
                    context.setOrderId(orderId);
                    context.setState(WAITING_ISSUE);
                    return "请问您遇到什么问题？1.物流问题 2.商品问题 3.退款问题";
                }
                return "订单号格式不正确，请重新输入";
                
            case WAITING_ISSUE:
                // 处理问题
                return handleIssue(context, message);
        }
    }
}

---

四、IM长连接

4.1 WebSocket服务

/**
 * WebSocket服务
 */
@ServerEndpoint("/ws/{userId}")
@Component
public class WebSocketServer {
    
    private static Map<String, Session> sessions = new ConcurrentHashMap<>();
    
    @OnOpen
    public void onOpen(Session session, @PathParam("userId") String userId) {
        sessions.put(userId, session);
        log.info("用户上线: {}", userId);
    }
    
    @OnMessage
    public void onMessage(String message, Session session) {
        // 1. 解析消息
        ChatMessage chatMessage = JSON.parseObject(message, ChatMessage.class);
        
        // 2. 发送到MQ处理
        rocketMQTemplate.send("chat-message", chatMessage);
    }
    
    @OnClose
    public void onClose(Session session, @PathParam("userId") String userId) {
        sessions.remove(userId);
        log.info("用户下线: {}", userId);
    }
    
    /**
     * 发送消息给用户
     */
    public void sendMessage(String userId, String message) {
        Session session = sessions.get(userId);
        if (session != null && session.isOpen()) {
            session.getAsyncRemote().sendText(message);
        }
    }
}

---

五、踩坑实录

坑1：机器人回答牛头不对马嘴

解决方案：持续优化知识库，收集bad case重新训练。

坑2：高峰期排队久

解决方案：引入排队系统，预估等待时间，优化客服排班。

坑3：长连接不稳定

解决方案：心跳机制 + 自动重连。

---

六、总结

智能客服核心：知识库 + NLP + 多轮对话。

血的教训：

智能客服是"降本"利器，但不能完全替代人工，关键问题仍需人工介入。

---

个人观点，仅供参考