AI实现智能客服第2节：借助RAG实现常见问题的同程旅行AI客服

在上一轮的分享中，我们聊了AI大模型在客服领域的初步探索，也基于FastGPT搭建了一个简易的Demo。这次，我们更进一步，尝试用FastGPT的工作流模式，以同程旅行的真实数据为蓝本，打造一个更具实战感的AI客服。这种玩法，其实已经带上了AI Agent的影子，对后续深入理解Agent的构建也很有帮助。

传统客服系统高度依赖预设脚本和有限的知识库，面对海量、复杂且不断变化的问题时，常常显得力不从心。而基于RAG（检索增强生成）的智能客服，能更精准地捕捉用户意图，即使面对表述不清或语境复杂的问题，也能给出靠谱的答案。从数据来看，这种方案在提升客户体验上效果显著。FastGPT这类工具，正是帮我们快速实现“RAG+AI Agent”能力的关键。

在动手之前，不妨先看看市场上成熟的AI客服产品都在解决什么问题——无非就是意图识别、知识匹配、多轮对话这些核心挑战。FastGPT恰好能帮我们快速跑通这个流程。

正文

1.

我们以同程旅行官网的常见问题为知识来源，重点选取了“会员服务”和“火车票”两类问题。数据需要手动整理成结构化的格式，方便后续索引。

这里分享的是手动制作数据的方式。准备了4个文件，分别对应这两类问题的FAQ。后续如果数据量大，可以写个爬虫批量抓取。

对于AI客服来说，FAQ类知识最适合“原文返回”，即尽可能复现标准答案，避免模型自由发挥。因此，我将数据整理成问答对格式，每条记录包含一级分类（L1）、二级分类（L2）、问题（Q）和答案（A），并用6个等号（======）作为分隔符。

会员服务找回密码忘记密码了，如何找回？A、进入会员登录页面，点击登录按钮右侧的“忘记密码”链接，进入重置密码页面；======会员服务找回密码系统显示已经向手机发送验证码，长时间没收到信息怎么办？请查看您输入的手机号码是否正确并保证手机账户没有欠费，如果还是没有收到同程的信息，可以通过邮箱找回密码，若无邮箱，可拨打同程热线4007-777-777（免长途费），由专员为您处理。======

2.

接下来，在FastGPT中新建两个知识库：“同程旅行-会员服务”和“同程旅行-火车票”。

3.

上传文件时，我们选择“直接分段”，并将分段符号设置为“======”（6个等号），这样系统就能准确地按我们的格式切分每一条问答对。

等待系统完成向量索引后，知识库的基础工作就算完成了。

4.

在工作台模块，新建应用时，记得选择“工作流”模式。

5.

FastGPT为我们提供了一个“问题分类+知识库”的模板，直接拿来用，省时省力。

6.

系统初始化了一个基础流程，我们需要对其进行定制。

首先，修改开场白，让AI知道自己的身份和任务。

然后，配置“问题分类”节点。这里定义了“火车票”和“会员服务”两个类别。这个节点本质上就是一个意图识别器，目的是先判断用户问的是什么类型的问题，然后只去对应的知识库里检索，这样能有效缩小搜索范围，避免噪声干扰，提升回答的准确性。

接着，在画布中创建两个“知识库”节点，并与分类节点连接起来。再创建两个“AI对话”组件，分别设置提示词和引用对应的知识库。

在知识库引用的设置中，我们输入提示词，告诉AI如何理解我们的数据格式并回答。核心提示词如下：

## Roles
你是一个同程旅行的客服，能够根据当前提供的知识，准确回答用户的问题

## 知识格式
1、提供的知识中，L1标签中的内容代表问题的一级分类，L2标签中的内容代表问题的二级分类，Q标签代表问题，A标签代表该问题的答案

## Rules
1、你需要根据用户的提问的问题，从知识库返回匹配的答案
2、如果未发现合适的知识，请回复：当前问题，正在学习中

最终的工作流截图如下所示：

7.

发布后，我们来测试几个场景。

• 测试1：
  提问“我注册会员的时候，提示手机号已被注册怎么办”。知识库中的原答案明确提到“您可以拨打4007-777-777咨询”。AI准确复现了答案。

• 测试2 & 3：
  其他已知问题的回答也都准确无误。

• 测试4：
  问一个知识库之外的问题，AI按照设定回复“当前问题，正在学习中”。

这说明我们的分类和回答机制都生效了。

8.

在对话日志中，我们可以清晰地看到执行过程。AI先对问题进行了分类，确定是“会员服务”类问题，然后去对应的知识库中检索相似度最高的问答对，最终构造提示词并生成回答。整个过程透明、可控，这正是基于工作流构建AI客服的优势所在。

通过日志可以看到，系统构造的最终提示词里，明确包含了检索到的、与用户问题最相关的几条问答对，要求AI从中选取最匹配的答案进行回复。

记录预览(仅展示部分内容):
System
## Roles
你是一个同程旅行的客服...
...
Human
我注册会员的时候，提示了提示手机号已被注册，这个怎么办呢
AI
您可以拨打4007-777-777咨询。

关联知识

AI的出现，带来了全新的搜索范式。理解这四种搜索方式，对构建智能系统很有帮助：

• 精确搜索：
  像拿快递取件码，必须100%匹配。适用于身份证号、订单号等场景。

• 模糊搜索：
  像相亲时的条件筛选，允许部分匹配。例如在通讯录搜“张*”找所有姓张的朋友。

• 全文检索：
  像图书馆的智能索引机，对文本进行分词并建立映射表，支持相关性排序。ElasticSearch就是这项技术的核心代表。

• 向量搜索：
  像艺术品的灵魂匹配，将内容转化为数学向量，计算语义相似度。它能理解“电脑”和“计算机”是同类，也能在淘宝进行“以图搜物”。

本节实践的核心，正是一个典型的RAG（检索增强生成）过程。RAG的核心价值，就是让大模型能基于我们提供的私有知识库进行回答，极大地提升了回答的准确性和可控性。除了AI客服，它在产品知识问答、文档辅助生成、内部知识库搜索等场景中也有着广泛的应用前景。

问题分类是AI客服的“智能路由器”。它的价值体现在多个层面：

• 电商场景：
  将“商品参数”、“促销规则”、“退货申请”等不同意图分流到对应的处理流程，实现秒级响应和高效管理。

• 金融场景：
  自动识别“信用卡盗刷”、“异常登录”等高危事件，优先转人工处理；区分“贷款申请”和“理财产品咨询”等不同业务类型。

• 医疗场景：
  通过症状关键词（如“胸痛持续3小时”）自动触发急诊预警，或将“用药指导”与“检查报告解读”分流至不同专科知识库。

问题分类节点不仅是即时服务的优化器，更是一个持续积累的结构化数据库。通过对用户问题的长期分析，企业可以绘制出“用户需求热力图”，驱动产品迭代和商业决策，这才是其更深层的价值。

总结

本文通过FastGPT的工作流，实现了基于同程旅行数据的AI客服。这种工作流的设计思想，本质上是AI Agent的一种具体实践。FastGPT还提供了代码运行、判断器、变量更新、HTTP请求等更多组件，感兴趣的话可以尝试将它们整合到客服流程中，打造功能更强大的智能助手。