【教程+提示词】AI智能客服

以【四季水果店】客服为案例，使用coze平台搭建智能客服系统。实现：

准确识别用户意图并做出分类解答；

精确召回知识库进行正确回复；

高效分析智能客服回复效果并及时更新知识库

一、效果预览

二、实现方案

用户输入问题后，先进行意图识别，将咨询问题分为产品问题和其他问题；
如果是产品问题，使用大模型进行历史对话上下文理解，并进行问题改写；
-- a. 从知识库中检索相关支持材料；
-- b. 发送给大模型，让大模型进行总结润色；
-- c. 添加代码节点，将用户问题和大模型回复进行格式化，以便插入飞书；
-- d. 添加插件节点，将用户问题和解决方案存储到飞书中；
-- e. 输出给用户->结束；
-- f. 增加一个管理员可将用户历史问题记录，通过自动化工具自动插入到知识库中，以便动态更新优化知识库
如果是非产品问题，则使用大模型进行知识检索和回复，提升用户体验：

三、业务流程图

四、具体步骤

1. 创建智能体

智能体是我们工作流和插件的集合载体，这里先创建一个名为【四季水果店智能客服】的智能体，配置模型和对话开场白等信息。

（1）创建一个智能体

（2）配置大模型

（3）配置工作流

这里先配置一个工作流，不管用户提出什么问题，直接走这个工作流，工作流内容稍后进行配置

（4）配置开场白

当用户进入会话时，自动弹出开场白。

到这里智能体基础配置就完成了，主要配置了大模型版本、工作流、开场白，其他详细配置可根据项目需要进行配置。

2. 工作流配置

刚刚我们在配置工作流时，临时创建了一个工作流，当用户进行咨询时默认直接执行工作流，现在我们来对他进行详细配置。

（1）创建一个对话流

对话流是工作流的一种特殊形式，主要用户对话场景。

（2）添加意图识别节点

进行用户意图识别，将用户问题分流成产品问题和非产品问题，不同意图将走不同流程进行处理

（3）产品：添加大模型改写问题

大模型需要结合历史记录上下文进行问题改写，改写成更专业的检索词汇。这一步是很关键的，比如之前用户发送自己咨询烂果坏果的相关信息，现在发送一句"你看看上边发的信息"，这就需要大模型进行上下文理解，从而分析用户是想进行坏果部分赔偿的咨询。

python 复制代码

# 角色
你是一个用户问题理解专家，你的任务是结合对话上下文和用户的问题，充分理解每次用户的问题，并对用户的问题进行准确的表达。

# 工作流程
## 步骤一：结合上下文信息理解用户问题
- 你必须结合上下文信息和用户当前的提问，准确地理解用户在问什么问题。比如用户先问了一句"配料里面有啥"，然后再问"没看到啊"，此时你结合上下文来理解用户的第二个问题，就能明白用户是在问"怎么在工作流中找到添加插件的入口"。

## 步骤二：结合步骤一的理解判断是否需要对用户的意图进行改写
对用户问题进行重新描述
- 结合步骤一的理解，你必须对当前用户的问题进行重新改写，以准确的语言描述用户的问题。

（4）产品：添加知识库节点

根据大模型改写后的问题，去知识库检索支持资料。这里的知识库一共包含2种知识库，

本地关于店铺商品和日常售前售后通用问题的材料；
在线飞书用户FAQ文档，主要根据实际使用中用户采纳的解决方案，用以不断更新优化我们的知识库；

（5）产品：添加大模型节点-总结回复

使用大模型根据用户的问题和知识库返回的支持语料，按照我们的要求，进行总结和语言润色，一般要求语气亲切，平易近人，可在给大模型的提示词中设置。

python 复制代码

# 水果店客服机器人提示词
## 角色
你叫电商小助手，专门解答用户关于店内水果的问题。

## 工作流程
### 步骤一：问题理解与回复分析
1. 认真理解从知识库中召回的内容和用户输入的问题，判断召回的内容是不是用户问题的答案。
2. 如果你不能理解用户的问题，例如用户的问题太简单、不包含必要信息，此时你需要追问用户，直到你确定已理解了用户的问题和需求。

### 步骤二：回答用户问题
根据理解的问题，从知识库中提取相关信息，以准确、简洁、易懂的方式回答用户。

## 限制
1. 风格：回答必须准确无误、言简意赅、容易理解，进行专业和确定性的回复。
2. 语言：用与用户输入相同的语言回答。
3. 如果用户的问题已经超出你的知识库范围，不知道答案，则不需要回答。话术参考"对不起，我已经学习的知识中不包含问题相关内容，暂时无法提供答案"。
4. 回答长度：答案应该简洁清晰，不超过300字。
5. 一定要使用Markdown格式回复。

## 完整用户提示词：
用户咨询{{input}}，知识库匹配结果是{{outputList}}，你需要根据你的技能给他回复：
- 如果{{outputList}}不为空，总结一下知识库的召回内容，给出回复

（6）产品：添加代码节点-消息结构化

新增一个代码节点用以将用户的问题和大模型返回的解决方案，格式化成可插入飞书的格式。可查看飞书多维表格插件的add_records要求的格式。

javascript 复制代码

// 在这里，您可以通过 'params'  获取节点中的输入变量，并通过 'ret' 输出结果
// 'params' 已经被正确地注入到环境中
// 下面是一个示例，获取节点输入中参数名为'input'的值：
// const input = params.input; 
// 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：
// const ret = { "name": '小明', "hobbies": ["看书", "旅游"] };

async function main({ params }: Args): Promise<Output> {
    // 构建输出对象
    const ret = 
       [
        {
      "fields": {
        "用户问题": params.user,
        "机器人答案": params.bot
      }
    }
  ]
    return ret;
}

（7）产品：添加飞书插件add_records将记录插入飞书表格

上一步我们已经使用代码将信息格式化为插件要求的格式，这一步调用插件，输入飞书文档的token，传入格式化好的数据即可插入飞书记录。

说明：

app_token：点击飞书文档【分享】按钮，点击复制链接即可

（8）产品：输出回复用户

配置输出节点，直接将大模型整理好的答案输出回复给用户。输出后，接入【结束】节点，预示着这轮对话结束了，当用户再发送信息时，则开启新的一轮会话。

（9）非产品：添加大模型节点总结回复用户

当用户咨询到了非产品问题时，我们直接调用大模型，提示大模型根据我们的要求回复用户，进行兜底，从而提升用户体验。

python 复制代码

# 水果店客服机器人提示词
## 角色
你叫电商小助手，专门解答用户关于水果店相关的问题。

## 工作流程
1. 认真理解分析用户问题，以准确、简洁、易懂的方式回答用户。。
2. 如果你不能理解用户的问题，例如用户的问题太简单、不包含必要信息，此时你需要追问用户，直到你确定已理解了用户的问题和需求。

## 限制
1. 风格：回答必须准确无误、言简意赅、容易理解，进行专业和确定性的回复。
2. 语言：用与用户输入相同的语言回答。
3. 如果用户的问题已经超出你的知识库范围，不知道答案，则不需要回答。话术参考"对不起，我已经学习的知识中不包含问题相关内容，暂时无法提供答案"。
4. 回答长度：答案应该简洁清晰，不超过300字。
5. 一定要使用Markdown格式回复。

## 用户问题
{{user}}

（10）添加结束节点

前边两种类型都已经接入了输出节点，将结果输出给了用户，最后接入的结束节点不需要变量和输出内容，直接删除变量即可。

到这一步整个智能体流程就已经完成了，如果对使用飞书和知识库比较熟悉的话可以略过，如果第一次使用，可以接下来看详细的配置

3. 飞书表格自动同步

在飞书文档中我们一共需要创建2个文档：

水果店客服记录表（多维表格）：用来记录用户的问题和机器人的答案；
水果店客服FAQ（普通表格）：用来记录【水果店客服记录表】中被采纳的记录，并且作为工作流的知识库之一；

水果店客服记录表由工作流自动记录，当我们工作人员审查这个记录表，发现有可采纳的记录时，可将这条记录中的【是否登记FAQ】列置为"是"。我们可使用飞书机器小助手，设置当我们设置"水果店客服记录表"表中的记录【是否登记FAQ】列置为"是"时，自动将这条记录更新到表【水果店客服FAQ】中。

4. 知识库配置

知识库中我们可根据手上的材料类型上传，可配置不同的分段策略。

飞书表格由于本身就是结构化数据，直接导入即可。

五、写在最后

到这一步就完成了一个基本的智能客服配置了，具体需要拓展可根据实际场景中进行修改。我们在项目中使用了双路径的回答模式，能收集更全面的用户问题数据，从而不断完善知识库内容，让客服系统变得越来越全面，用户咨询体验越来越好。