我如何用 Coze 独立开发一个 AI 客服系统（上篇）

从零到一打造AI客服系统：揭秘Coze平台上的实战开发历程，分享3个月迭代优化的关键阶段与技术选型。

核心内容：
1. 项目开发三大阶段：从基础RAG实现到多模态交互，最终形成代码+提示词的混合架构
2. 关键技术应用：意图识别、多语言支持、API集成与复杂故障处理流程设计
3. 产品设计哲学：在AI灵活性与服务稳定性之间寻找平衡点的实战经验

项目是今年4月份启动的，采用小版本迭代配合AB灰度测试的策略推进，前后花了3个月时间。这期间，团队始终把问答体验和AI解决问题的能力放在首位。整体来说，产品经历了三个关键阶段：

• 实现基本功能
  • 意图识别、追问逻辑、上下文联系、知识库管理、支持多语言问答等
  • 基于RAG的问答

• 实现复杂功能：
  • 文字、图片问答（图片理解、文字提取、自动检测语言并翻译）
  • AI查询接口数据、与API交互（商品推荐、套餐查询、登录状态判定）
  • 多步骤的技术故障处理（AI引导用户进行多个步骤的排障流程）

• 缘由：特定业务场景需要更稳定的服务，这与AI的灵动创新性和自主性存在冲突
• 因此：
  • 增加

    代码节点
    ，适用于需要稳定服务的场景（允许那种死板或严肃的回复），舍弃AI的灵活性与创新性
  • 保留

    AI提示词节点
    ，解决模型层面的难点（如图片理解、语义理解、跨语言问答），让AI在合适的场景中发挥其优势与价值

先来聊聊几个核心概念：

基于RAG的AI问答服务

RAG技术能够有效解决知识库信息过时的问题，同时大幅减少AI在回复中编造不存在事实（即幻觉）的现象。这一新技术典型的应用场景包括“AI客服”和“法律咨询”等，例如：

• AI客服能够快速检索产品手册，回复客户咨询
• AI助手快速检索法条案例，提供法律咨询

不过，它也有短板：处理复杂问题的能力偏弱，面对需要多步骤逻辑分支的任务，表现并不理想。即便如此，这项技术依然能满足人们快速检索知识的需求——无论是企业资料还是日常工作中积累的知识。而且，目前市面上有不少AI应用开发平台，大多数人都能上手搭建一个基于RAG的AI问答服务。你只需选择一个平台，按照以下步骤操作：

1. 第一步
   ：选一个合适的大模型

2. 第二步
   ：上传一份文档

3. 第三步
   ：打开对话界面，向AI提出第一个问题

绝大多数AI平台都遵循这样的流程，几乎零门槛，也不需要什么技术背景。

对话产品需要保证哪些基础的用户体验

• AI的主动追问与自主改写

先聊聊AI的追问逻辑和自动改写用户提问这件事。设计一款AI产品，关键在于提升用户对AI的第一印象——AI不能显得太笨，不能“答非所问”，更不能让用户失去提问的耐心。这本质上是个效率问题：AI越快理解用户的意图与需求，越快解决问题，体验就越好。

为此，你需要做决定：什么时候让AI自主改写用户的提问，而不是跟在用户后面不断追问。但反过来，也不能任由AI胡乱改写提问，所以还必须明确：什么时候绝不能允许AI自主改写提问。

当用户意图不明确时——比如用户输入的内容让人摸不着头脑，或者AI完全理解不了——那么就应该指令AI去追问“你需要什么帮助吗？”，直到AI完全搞清用户的意图。这属于

。如果能做得更好，就要结合历史对话，联系上下文，避免针对同一个意图反复追问。

另一种是

：如果用户意图明确，但可能同时命中两个意图类型，出现多意图重叠，这时可以指令AI追问“您是需要XXX服务，还是YYY服务？”

还有一个场景必须追问：业务关键信息缺失的情形。比如用户让AI帮忙买一张车票，却没有说明日期、起点和终点——这种情况一定要追问，否则订错票就麻烦了。

• 用户提问中间出现明显错别字时，允许改写/修正
• 商品推荐场景：将“你们产品覆盖日本地区吗”改写成“请为我推荐日本相关产品”
• 联系上下文改写：（问1：杭州天气如何？问2：上海呢？）针对问2，AI可以改写成“上海的天气如何？”

这些都属于低风险的安全改写，按标准流程处理，能有效提升问答效率。

核心模块

核心业务流程

• 支持文本输入
• 支持图片输入（多模态）

• 分词
• 错词修正、同义词改写

• 跨语言意图识别
• 结合上下文、基于对话历史改写意图
  • 提问1：日本天气如何？
  • 提问2：韩国呢？（改写成“韩国天气如何？”），避免意图识别服务混淆
• 支持人工标注意图（主意图+子意图+问答示例）

示例：产品咨询-价格咨询-“日本上网套餐多少钱？”

• 槽位（Slot）提取
  • 槽位示例：订单号、时间、产品名称、国家
  • 槽位可以理解为关键参数信息，也可以视为实体

意图回答“用户想做什么”，槽位回答“涉及哪些关键要素/信息”
示例：意图=查询订单，槽位=订单号（若槽位不完整，则需要AI主动追问用户）

• 意图类别
• 意图置信度
• 槽位信息

定义：根据意图识别结果，规划AI的处理路径

• 不同意图对应不同的AI处理路径
  • 示例：商品推荐，处理路径包含AI与API之间的交互
  • 示例：产品咨询，处理路径包含AI与知识库/FAQ之间的交互

AI在回复用户提问之前，需要先检索知识库或FAQ中的信息，以解决用户提问中涉及的业务问题。

当用户提问中间出现“转人工”时：

• AI需要提供人工客服的链接
• AI需要将用户信息传递给人工客服系统