先抛结论：转人工这事，别等用户骂街了才转。我踩过这个坑，赔过钱。

去年给一个做家电售后的团队搭客服机器人，上线第一周投诉率不降反升。复盘发现一个典型case：用户问"我这空调装好了为什么不制冷"，机器人吭哧吭哧讲了一堆"请检查遥控器电池、确认模式是否为制热"——人家明明问的制冷，它答制热，然后用户连着发了三条全是感叹号，机器人还在那儿"很高兴为您服务"。

到第四条用户打了12315。

转人工到底看几个信号

我后来定的策略不是单一阈值，是几个信号叠加投票。

1. 模型置信度

这是最基础的。每次出意图识别结果，模型会带一个置信分。我一开始天真地设了个硬阈值0.7，低于就转。结果转人工率飙到40%多，人工席位顶不住。

后来发现置信度这东西不能孤立看。有些简单问题模型0.6就答得很准（比如"营业时间"），有些复杂问题0.85它也在一本正经胡说。所以置信度只能当其中一票，不能一票否决。

2. 情绪信号

这个反而是最该重视的。用户的脏话、连续感叹号、"投诉""退款""曝光"这些词、还有短时间内消息频率突然变高（一分钟发五条），都是要炸的前兆。

我现在的做法：情绪一旦判定为"愤怒"且连续两轮没被安抚下来，直接转，不管置信度多高。宁可多转，也别让人骂到第四条。

3. 同一问题转圈

用户翻来覆去问同一件事，机器人翻来覆去给同一个答案——这是死循环信号。我加了个计数器：同一意图连续命中3次还没解决（用户没说"好的""解决了"），强制转。

4. 高风险业务兜底

涉及钱的（退款金额、改地址、取消订单）、涉及人身安全的（"漏电""冒烟"），不走机器人判断，关键词命中直接转或直接走专人流程。这种地方省不得。

阈值不是拍脑袋，得拿数据测

我前面说的0.7、连续3次、两轮情绪，这些数字最初全是猜的。猜的数字上线就是灾难。

后来改了流程：先把历史对话翻出来，人工标一批"该转/不该转"的样本，然后拿不同阈值组合去跑，看准确率和转人工率怎么权衡。我搭机器人用的那个拖拖拽拽就能配流程的智能体平台，自带一个效果测评的模块，能把一批测试问题灌进去批量跑、出对比报表，我就靠它把阈值从"凭感觉"调到了"有数"。

调完的效果：转人工率从40%多降到18%，但用户主动投诉里"机器人答非所问"那类几乎没了。18%这个数我觉得还能再压，但再压人工兜底就太薄，暂时先这样。

一个没解决好的取舍

坦白讲有个问题我到现在没完美解决：转人工的时候上下文怎么交接。

机器人聊了五轮，转给人工坐席，坐席看不到前面聊了啥，又得让用户从头说一遍——这体验比不转还差。我现在是把对话摘要拼进工单，但摘要偶尔会漏关键信息（比如用户说过的订单号被摘没了）。临时方案是摘要里强制保留所有数字串，凑合用。这块谁有好办法欢迎评论区交流。

小结

转人工的核心不是"机器人不行了甩给人"，是"在用户失去耐心之前接住他"。置信度、情绪、转圈、高风险兜底，四个信号投票，再拿真实数据把阈值调实。

（搭这套我没自建模型，模型直接走的讯飞星辰MaaS，现成API调，省了一大笔算力钱。）