【AI面试临阵磨枪-38】设计一个外卖售后客服 Agent 的工具集与流程

一、面试题目

面试官：请你设计一个外卖售后客服 AI Agent，明确其核心工具集（Function Call 定义）、完整业务流程，以及工程落地的关键要点，确保能覆盖外卖售后高频场景（漏餐、错餐、延迟、退款、餐品质量）。

二、知识储备

1. 外卖售后客服 Agent 核心定位

聚焦外卖订单全场景售后需求，替代人工完成高频、标准化售后处理 （如漏餐退款、延迟补偿、错餐核实），复杂问题（纠纷、大额理赔）自动转接人工，核心目标：快速响应、精准处理、降低人工成本、提升用户满意度。

核心约束：需对接外卖平台订单系统、支付系统、商家系统，工具调用需保证数据安全、流程合规，用户信息（手机号、订单号）加密处理。

2. 核心工具集设计（Function Call 标准化定义）

按 "问题定位→处理执行→结果反馈" 分类，每个工具明确描述、参数约束，避免误调用，贴合实际业务场景。

（一）基础查询类工具（问题定位核心）

1. 订单信息查询工具（get_order_detail）

• 功能描述：根据用户提供的订单标识，查询订单完整信息，为售后问题核实提供基础数据；仅当用户咨询订单相关售后时调用，不主动触发。
• 参数定义：表格

|----------|--------|-----------------------|--------|------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号（平台唯一标识） | 二选一 | 1234567890123456 |
| phone | string | 用户手机号后 4 位（用于无订单号时查询） | 二选一 | 1234 |

• 返回结果：订单号、商家名称、餐品列表、配送员信息、支付金额、下单时间、配送状态、退款状态。
• 调用场景：用户反馈任何售后问题，第一步调用此工具，定位订单基础信息。

2. 售后记录查询工具（get_after_sales_record）

• 功能描述：查询当前订单历史售后记录（是否已发起售后、处理进度、处理结果），避免重复处理、重复退款。
• 参数定义：表格

|----------|--------|--------|--------|------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |

• 返回结果：售后发起时间、售后类型、处理进度（待处理 / 处理中 / 已完成）、处理结果、处理人。
• 调用场景：用户重复反馈同一订单售后、 Agent 需确认订单是否已处理时调用。

（二）售后处理类工具（核心执行工具）

1. 退款申请工具（apply_refund）

• 功能描述：针对漏餐、错餐、餐品变质等场景，自动发起退款申请，支持部分退款（按漏餐 / 错餐金额）、全额退款。
• 参数定义：表格

|---------------|--------|---------------|--------|---------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |
| refund_type | string | 退款类型（枚举） | 是 | 漏餐 / 错餐 / 餐品变质 / 其他 |
| refund_amount | float | 退款金额（≤订单支付金额） | 是 | 15.9 |
| reason | string | 退款原因（简洁描述） | 是 | 漏送一杯可乐 |

• 返回结果：退款申请单号、预计到账时间、处理状态。
• 调用场景：核实用户售后问题属实，且符合退款规则时调用（如漏餐核实后，自动计算漏餐金额并发起退款）。

2. 延迟补偿工具（apply_delay_compensation）

• 功能描述：针对配送延迟（超出预计送达时间 30 分钟以上），自动发放补偿券（无门槛券 / 满减券），无需用户手动申请。
• 参数定义：表格

|------------|--------|-----------|--------|------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |
| delay_time | int | 延迟时长（分钟） | 是 | 40 |
| user_id | string | 用户平台唯一 ID | 是 | u12345678 |

• 返回结果：补偿券面额、有效期、券码、发放状态。
• 调用场景：订单查询确认配送延迟，且符合补偿规则时自动调用。

3. 商家 / 配送员核实工具（verify_merchant_rider）

• 功能描述：当用户反馈的问题需商家 / 配送员确认（如错餐是否商家漏发、延迟是否配送员原因），自动给商家 / 配送员发送核实消息，获取反馈。
• 参数定义：表格

|-------------|--------|------------|--------|----------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |
| verify_type | string | 核实类型（枚举） | 是 | 错餐核实 / 漏餐核实 / 延迟核实 |
| content | string | 核实内容（简洁明了） | 是 | 用户反馈订单漏送可乐，请商家核实是否漏发 |

• 返回结果：核实对象（商家 / 配送员）、核实反馈内容、反馈时间。
• 调用场景：用户反馈的问题存疑（如商家否认漏餐），需第三方核实后再处理时调用。

（三）结果反馈类工具（闭环核心）

1. 售后结果通知工具（send_after_sales_notice）

• 功能描述：售后处理完成（退款到账、补偿发放、问题解决）后，自动给用户发送通知（短信 / APP 推送），告知处理结果。
• 参数定义：表格

|---------------|--------|-----------|--------|------------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| user_id | string | 用户平台唯一 ID | 是 | u12345678 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |
| handle_result | string | 处理结果描述 | 是 | 你的漏餐退款 15.9 元已到账，请注意查收 |
| notify_type | string | 通知方式（枚举） | 可选 | 短信 / APP 推送（默认两者都发） |

• 返回结果：通知发送状态（成功 / 失败）。
• 调用场景：每笔售后处理完成后，自动调用，确保用户知晓结果。

2. 人工转接工具（transfer_to_human）

• 功能描述：当遇到复杂售后问题（如用户对退款金额有异议、餐品质量纠纷、大额理赔），Agent 无法处理时，自动转接人工客服，并同步订单信息、售后记录，避免用户重复描述。
• 参数定义：表格

|-----------------|--------|-----------|--------|------------------|
| 参数名 | 类型 | 描述 | 必选 | 示例 |
| order_id | string | 外卖订单号 | 是 | 1234567890123456 |
| user_id | string | 用户平台唯一 ID | 是 | u12345678 |
| problem_type | string | 问题类型 | 是 | 退款金额异议 |
| current_process | string | 当前处理进度 | 是 | 已发起部分退款，用户对金额有异议 |

• 返回结果：人工客服工号、转接状态、预计等待时间。
• 调用场景：Agent 无法解决的复杂问题、用户明确要求人工处理时调用。

3. 完整业务流程（标准化闭环，Agent 自动执行）

核心流程：用户接入 → 意图识别 → 问题定位 → 处理执行 → 结果反馈 → 闭环结束

步骤 1：用户接入与意图识别（触发起点）

• 用户发送售后需求（如 "我的外卖漏送了""餐品变质了""配送太慢了"）；
• Agent 调用意图识别模块，精准判断售后类型（漏餐 / 错餐 / 延迟 / 退款异常 / 餐品质量）；
• 若意图模糊（如 "我的订单有问题"），Agent 主动追问，获取关键信息（订单号 / 手机号、具体问题）。

步骤 2：问题定位（工具调用核心环节）

• 调用「订单信息查询工具」，获取订单详情，确认订单状态、餐品列表、配送信息；
• 调用「售后记录查询工具」，确认该订单是否已发起过售后，避免重复处理；
• 若问题存疑（如商家否认漏餐），调用「商家 / 配送员核实工具」，获取第三方反馈，确认问题真实性。

步骤 3：分类处理执行（核心业务逻辑）

根据售后类型，自动调用对应处理工具，无需人工干预：

• 漏餐 / 错餐 / 餐品变质：调用「退款申请工具」，按实际损失计算退款金额，发起自动退款；
• 配送延迟：调用「延迟补偿工具」，根据延迟时长发放对应面额补偿券；
• 退款异常（如退款未到账）：查询退款进度，同步给用户，若未到账则触发人工核实；
• 复杂问题（如纠纷、大额理赔）：调用「人工转接工具」，同步订单信息，转接人工客服。

步骤 4：结果反馈与闭环

• 售后处理完成后，调用「售后结果通知工具」，给用户发送处理结果通知；
• 询问用户是否满意处理结果，若不满意，进一步核实需求，必要时转接人工；
• 若满意，记录售后处理结果，更新订单售后状态，流程闭环。

步骤 5：异常处理（容错机制）

• 工具调用失败（如订单查询失败）：重试 2 次，仍失败则转接人工，同步失败原因；
• 核实超时（如商家 3 分钟未反馈）：自动触发备用方案（按用户反馈优先处理，后续补核实）；
• 用户重复反馈同一问题：调用售后记录，告知用户当前处理进度，无需重复发起。

4. 工程落地关键要点（面试高分重点）

• 数据安全：用户手机号、订单信息等敏感数据加密传输，工具调用需校验权限，避免信息泄露；
• 规则约束：预设售后规则（如延迟 30 分钟以上才补偿、漏餐按单品金额退款），Agent 严格按规则执行，不擅自突破；
• 反思机制：处理完成后，Agent 自动反思（如退款金额是否正确、补偿券是否发放成功），出现错误自动重试；
• 人工协同：明确 Agent 与人工客服的边界，高频标准化问题 Agent 处理，复杂问题快速转接，不耽误用户时间；
• 日志与监控：记录每一步工具调用、处理流程、用户反馈，便于后续排查问题、优化 Agent 处理逻辑；
• 多轮上下文记忆：记住用户之前反馈的问题、提供的信息，避免重复追问（如用户已提供订单号，后续无需再问）。

5. 高频场景覆盖（确保实用性）

• 场景 1：用户反馈 "漏送一杯可乐" → 订单查询→核实漏餐→发起部分退款→通知用户；
• 场景 2：用户反馈 "外卖迟到 40 分钟" → 订单查询→确认延迟→发放补偿券→通知用户；
• 场景 3：用户反馈 "餐品变质，吃了不舒服" → 订单查询→发起全额退款→同步商家→通知用户；
• 场景 4：用户反馈 "退款没到账" → 订单查询→售后记录查询→核实退款进度→同步用户；
• 场景 5：用户反馈 "对退款金额有异议" → 自动转接人工→同步订单与售后记录。

三、破局之道

面试高阶表述：

设计外卖售后客服 Agent，核心不是 "能聊天"，而是 "能解决问题、效率高、体验好"。工具集设计要贴合外卖售后高频场景，做到 "按需调用、参数严格、流程闭环"，每个工具只负责单一职责，避免功能冗余；业务流程要标准化，从用户接入到闭环结束，每一步都有明确的工具调用和逻辑判断，减少 Agent 自由发挥，确保处理结果一致。

工程落地的关键，是 "Agent 自动化处理 + 人工协同兜底"：用工具对接平台系统，实现订单查询、退款、补偿等操作的自动化，覆盖 80% 的高频售后场景；同时明确 Agent 与人工的边界，复杂问题不拖延、不瞎处理，快速转接人工，既降低人工成本，又不牺牲用户体验。

本质上，外卖售后客服 Agent 是 "规则 + 工具 + 流程" 的结合体，核心目标是让用户的售后需求 "少等待、少描述、快解决"，这也是 Agent 能替代人工客服的核心价值。

四、代码实现（Python 极简演示，贴合工具调用与流程）

# 模拟外卖售后客服 Agent 工具集与流程
def llm(prompt):
    # 模拟大模型调用，返回结构化意图/工具调用指令
    return prompt

# 1. 工具集实现（模拟对接平台系统）
class TakeoutAfterSalesTools:
    # 订单信息查询工具
    def get_order_detail(self, order_id=None, phone=None):
        # 模拟对接外卖平台订单系统，返回订单详情
        return {
            "order_id": order_id or "1234567890123456",
            "merchant_name": "麦当劳（XX店）",
            "food_list": ["巨无霸", "可乐", "薯条"],
            "delivery_status": "已送达",
            "pay_amount": 35.9,
            "delivery_time": "2026-04-30 12:30",
            "expected_time": "2026-04-30 12:00"
        }

    # 售后记录查询工具
    def get_after_sales_record(self, order_id):
        return {"order_id": order_id, "status": "未处理", "history": []}

    # 退款申请工具
    def apply_refund(self, order_id, refund_type, refund_amount, reason):
        return {
            "refund_id": "refund123456",
            "order_id": order_id,
            "refund_amount": refund_amount,
            "expected_arrival_time": "1-3个工作日",
            "status": "已发起"
        }

    # 延迟补偿工具
    def apply_delay_compensation(self, order_id, delay_time, user_id):
        return {
            "coupon_amount": 5,
            "validity_period": "7天",
            "coupon_code": "KM5678",
            "status": "已发放"
        }

    # 人工转接工具
    def transfer_to_human(self, order_id, user_id, problem_type, current_process):
        return {"staff_id": "human123", "wait_time": "1分钟", "status": "已转接"}

    # 售后结果通知工具
    def send_after_sales_notice(self, user_id, order_id, handle_result):
        return {"status": "发送成功", "message": handle_result}

# 2. 外卖售后 Agent 核心流程
class TakeoutAfterSalesAgent:
    def __init__(self):
        self.tools = TakeoutAfterSalesTools()
        self.user_intent = None  # 用户售后意图
        self.order_info = None   # 订单信息
        self.user_id = "u12345678"  # 模拟用户ID

    # 步骤1：意图识别
    def recognize_intent(self, user_query):
        # 模拟大模型识别意图
        if "漏" in user_query or "错" in user_query:
            return "漏餐/错餐"
        elif "慢" in user_query or "延迟" in user_query:
            return "配送延迟"
        elif "变质" in user_query or "难吃" in user_query:
            return "餐品质量"
        elif "退款" in user_query:
            return "退款异常"
        else:
            return "模糊意图"

    # 步骤2：问题定位（工具调用）
    def locate_problem(self, user_query):
        # 追问获取订单标识（模拟用户提供订单号）
        order_id = "1234567890123456"
        # 调用订单查询工具
        self.order_info = self.tools.get_order_detail(order_id=order_id)
        # 调用售后记录查询工具
        after_sales_record = self.tools.get_after_sales_record(order_id=order_id)
        return self.order_info, after_sales_record

    # 步骤3：分类处理执行
    def handle_after_sales(self, intent):
        order_id = self.order_info["order_id"]
        if intent == "漏餐/错餐":
            # 模拟漏餐（可乐漏送），计算退款金额（5元）
            refund_res = self.tools.apply_refund(
                order_id=order_id,
                refund_type="漏餐",
                refund_amount=5.0,
                reason="漏送可乐"
            )
            # 发送结果通知
            self.tools.send_after_sales_notice(
                user_id=self.user_id,
                order_id=order_id,
                handle_result=f"你的漏餐退款5.0元已发起，预计1-3个工作日到账，退款单号：{refund_res['refund_id']}"
            )
            return refund_res
        elif intent == "配送延迟":
            # 计算延迟时长（30分钟）
            delay_time = 30
            compensation_res = self.tools.apply_delay_compensation(
                order_id=order_id,
                delay_time=delay_time,
                user_id=self.user_id
            )
            self.tools.send_after_sales_notice(
                user_id=self.user_id,
                order_id=order_id,
                handle_result=f"你的订单延迟30分钟，已发放5元无门槛券（券码：{compensation_res['coupon_code']}），7天内有效"
            )
            return compensation_res
        else:
            # 复杂问题转接人工
            return self.tools.transfer_to_human(
                order_id=order_id,
                user_id=self.user_id,
                problem_type=intent,
                current_process="已完成订单查询，待进一步处理"
            )

    # 完整运行闭环
    def run(self, user_query):
        # 1. 意图识别
        self.user_intent = self.recognize_intent(user_query)
        if self.user_intent == "模糊意图":
            return "请告知你的订单号和具体售后问题，我将快速为你处理"
        # 2. 问题定位
        self.locate_problem(user_query)
        # 3. 处理执行与反馈
        result = self.handle_after_sales(self.user_intent)
        return result

# 测试：模拟用户反馈漏餐
agent = TakeoutAfterSalesAgent()
print(agent.run("我的外卖漏送了一杯可乐，订单号1234567890123456"))

JavaScript 版本

// 模拟外卖售后工具集
class TakeoutAfterSalesTools {
  getOrderDetail(orderId = null, phone = null) {
    return {
      orderId: orderId || "1234567890123456",
      merchantName: "麦当劳（XX店）",
      foodList: ["巨无霸", "可乐", "薯条"],
      deliveryStatus: "已送达",
      payAmount: 35.9,
      deliveryTime: "2026-04-30 12:30",
      expectedTime: "2026-04-30 12:00"
    };
  }

  getAfterSalesRecord(orderId) {
    return { orderId, status: "未处理", history: [] };
  }

  applyRefund(orderId, refundType, refundAmount, reason) {
    return {
      refundId: "refund123456",
      orderId,
      refundAmount,
      expectedArrivalTime: "1-3个工作日",
      status: "已发起"
    };
  }

  applyDelayCompensation(orderId, delayTime, userId) {
    return {
      couponAmount: 5,
      validityPeriod: "7天",
      couponCode: "KM5678",
      status: "已发放"
    };
  }

  transferToHuman(orderId, userId, problemType, currentProcess) {
    return { staffId: "human123", waitTime: "1分钟", status: "已转接" };
  }

  sendAfterSalesNotice(userId, orderId, handleResult) {
    return { status: "发送成功", message: handleResult };
  }
}

// 外卖售后Agent
class TakeoutAfterSalesAgent {
  constructor() {
    this.tools = new TakeoutAfterSalesTools();
    this.userIntent = null;
    this.orderInfo = null;
    this.userId = "u12345678";
  }

  recognizeIntent(userQuery) {
    if (userQuery.includes("漏") || userQuery.includes("错")) return "漏餐/错餐";
    if (userQuery.includes("慢") || userQuery.includes("延迟")) return "配送延迟";
    if (userQuery.includes("变质")) return "餐品质量";
    if (userQuery.includes("退款")) return "退款异常";
    return "模糊意图";
  }

  locateProblem(userQuery) {
    const orderId = "1234567890123456";
    this.orderInfo = this.tools.getOrderDetail(orderId);
    const afterSalesRecord = this.tools.getAfterSalesRecord(orderId);
    return [this.orderInfo, afterSalesRecord];
  }

  async handleAfterSales(intent) {
    const orderId = this.orderInfo.orderId;
    if (intent === "漏餐/错餐") {
      const refundRes = this.tools.applyRefund(
        orderId,
        "漏餐",
        5.0,
        "漏送可乐"
      );
      this.tools.sendAfterSalesNotice(
        this.userId,
        orderId,
        `你的漏餐退款5.0元已发起，预计1-3个工作日到账，退款单号：${refundRes.refundId}`
      );
      return refundRes;
    } else if (intent === "配送延迟") {
      const delayTime = 30;
      const compensationRes = this.tools.applyDelayCompensation(
        orderId,
        delayTime,
        this.userId
      );
      this.tools.sendAfterSalesNotice(
        this.userId,
        orderId,
        `你的订单延迟30分钟，已发放5元无门槛券（券码：${compensationRes.couponCode}），7天内有效`
      );
      return compensationRes;
    } else {
      return this.tools.transferToHuman(
        orderId,
        this.userId,
        intent,
        "已完成订单查询，待进一步处理"
      );
    }
  }

  async run(userQuery) {
    this.userIntent = this.recognizeIntent(userQuery);
    if (this.userIntent === "模糊意图") {
      return "请告知你的订单号和具体售后问题，我将快速为你处理";
    }
    this.locateProblem(userQuery);
    return await this.handleAfterSales(this.userIntent);
  }
}

// 测试
const agent = new TakeoutAfterSalesAgent();
agent.run("我的外卖漏送了一杯可乐，订单号1234567890123456").then(console.log);

---