9 月 1 日，GB/T 47746---2026《顾客联络服务 人工与智能客户服务协同要求》正式实施。这是国内第一个专门约束人机客服协同的国家标准，几条硬要求值得直接抄进需求文档：
- 必须设置清晰、醒目的人工服务入口，严禁隐藏人工通道；
- 用户明确要求转人工时，必须及时转接；
- 切换后要同步客户信息，不得重复询问；
- 涉及价格、折扣、退款、赔偿、合同变更等事项，AI 可以解释规则、收集材料、生成工单，最终确认应由人工或规范化流程完成。
现实是落地两个月，媒体实测仍在翻车：某购票平台记者三次说「转人工」才接通，有人等 40 分钟未接通导致票作废，甚至有机器人在识别到用户坚持后直接挂断。中消协上半年数据里，售后服务投诉占 26.79%，「AI 客服不实承诺、人工接入困难」是新增热点。
这些问题跟模型能力关系不大，几乎全是会话状态管理 和产品策略的问题。下面给一份能直接跑的骨架。
技术要点
四个约束，决定了实现方式：
1. 转人工必须是规则，不是模型判断。 意图识别交给人，兜底交给规则引擎。标准里写的「明确要求」「超时」「高风险场景」，本质都是可枚举的触发条件。 2. 会话要有状态计数。 兜底话术连续命中几次、总轮次到了几轮，都得记。大多数线上事故就是没有这两个计数器。 3. 风险词优先于业务词。 「投诉」「监管」「12315」「人身安全」这类词必须走独立通道，不能被「自助流程」吃掉。 4. 转接要带上下文。 转过去之后人工看不到历史记录，等于用户要把委屈再讲一遍，体验二次崩塌。
可运行示例
纯标准库，复制即可跑。核心是一个 route() 函数，返回「继续聊」还是「转人工」。
python
# 三段代码块按顺序拼接后可直接运行
from dataclasses import dataclass
from typing import Callable
# --- 明确要求转人工：命中即转（国标硬要求）---
ESCALATE_PATTERNS = ("转人工", "人工客服", "找真人", "真人客服", "我要人工")
# --- 风险词：命中即升级，优先级最高 ---
RISK_PATTERNS = ("投诉", "监管", "12315", "起诉", "曝光", "受伤", "人身", "诈骗")
MAX_TURNS = 4
MAX_REPEAT = 2
# --- 会话状态：三个计数器全在这儿 ---
@dataclass
class Session:
sid: str
turns: int = 0
fail_hits: int = 0 # 兜底话术连续命中次数
last_reply: str = ""
history: list = None
def __post_init__(self):
self.history = []
def route(session: Session, text: str, reply_fn: Callable[[str], str]):
"""返回 (action, 回复文本)。"""
text = (text or "").strip()
session.turns += 1
session.history.append(("user", text))
# 1. 风险词最高优先级，不做任何自助挽留
if any(k in text for k in RISK_PATTERNS):
return "escalate", "已为您转接人工，请稍候。"
# 2. 明确要求转人工：一次就转，不挽留
if any(k in text for k in ESCALATE_PATTERNS):
return "escalate", "正在为您转接人工客服。"
# 3. 正常业务链路：模型只负责生成回复，永远不决定要不要转
reply = reply_fn(text)
if reply == session.last_reply:
session.fail_hits += 1
else:
session.fail_hits = 0
session.last_reply = reply
session.history.append(("bot", reply))
# 4. 兜底：重复话术 / 轮次超限，两个计数器任一命中
if session.fail_hits >= MAX_REPEAT:
return "escalate", "这个问题我处理不了，已为您转接人工。"
if session.turns >= MAX_TURNS:
return "escalate", "已经为您尝试多次，转接人工继续处理。"
return "reply", reply
if __name__ == "__main__":
FALLBACK = "非常理解您的心情，请您耐心等待。"
def fake_llm(text: str) -> str:
# 模拟一个只会答非所问的机器人
if "退" in text:
return FALLBACK
return "您可以在订单详情页自助操作。"
def run(cases, label):
s = Session(sid=label)
print(f"--- {label} ---")
for i, q in enumerate(cases, 1):
action, msg = route(s, q, fake_llm)
print(f"[{i}] {q} -> {action}: {msg}")
if action == "escalate":
print(f" 升级时携带 {len(s.history)} 条上下文")
break
# 三条路径各跑一遍
run(["我要退两张电影票", "退不了", "还是退不了", "算了"], "兜底话术重复触发")
run(["这个优惠券怎么用不了", "我要投诉"], "风险词触发")
run(["这个优惠券怎么用不了", "转人工"], "明确要求触发")三条路径各跑一遍：兜底重复那条在第 3 句升级，风险词和明确要求都在第 2 句升级。也就是说，不需要模型多聪明，只要三个计数器有一个响了，人就能被捞出来。
如果要接大模型生成兜底话术，建议把「生成」和「决策」拆开：模型只负责 reply_fn，升级与否永远由 route() 决定。我平时调这类多模型兜底，统一入口切换的，省掉给每家单独对接 SDK 的功夫，也不用为了几个备用模型各开一份订阅。关键路径上别用单一供应商，这点比选哪个模型重要。
踩坑提示
坑一：把「人工」「0」当触发词。 很多系统对单字识别不准，「人工」两个字经常被当成业务词吃掉。要么匹配完整短语，要么维护一张同义词表，别指望模糊匹配。
坑二：情绪识别做反了。 有团队上了情绪打分，用户越急越触发「安抚话术」分支，结果把人困得更久。正确做法是情绪升级直接降权自助流程、提权转人工，不是加一段安慰。
坑三：把「转人工率」当负向 KPI。 这是根子上的问题。一旦转人工率高要被扣绩效，产品经理就会去藏入口，工程侧再漂亮也白搭。指标至少要成对看：转人工率 + 转人工后一次解决率 + 平均接通时长。
坑四：转接丢上下文。 国标明确要求切换后同步客户信息、不重复询问。实现上给工单附一段结构化摘要就够：用户诉求、已尝试动作、订单号、情绪标记。别把整段对话原样丢过去，人工读不完。
坑五：AI 的承诺没留痕。 中消协的态度很明确，经营者自己部署的 AI 客服，输出内容属于服务的一部分，「AI 说的不算」这种甩锅站不住。会话记录必须可检索、可导出，退款赔偿类承诺要落工单。
总结
转人工难的解法，八分在工程，两分在决心。工程部分是这几个计数器和一个优先级队列，一个下午能写完；决心部分是愿不愿意在「省人工」和「别把人逼疯」之间选后者。标准已经给了标尺，接下来谁先改，谁少挨骂。