深度解析！AI智能体在To B领域应用，汽车售后服务落地全攻略
发布日期：2024-11-18 21:55 点击次数：158
在汽车售后服务领域，AI智能体的应用正带来一场效率和专业度的革命。本文深度解析了一个AI智能体在To B领域的实际应用案例，介绍了AI智能体如何通过提升服务顾问和维修技师的专业度及维修效率，优化汽车售后服务流程。
上周我分享了AI智能体+AI小程序To C的AI应用场景《1000%增长！我仅用一个小时搞定！AI智能体+AI小程序=MVP王炸组合！》，这次我分享下AI智能体在To B的应用案例，这个智能体是我在参加火山引擎首届 AI 创造者大赛的参赛作品，比赛主题是汽车行业专场，一共有三个赛道，分别是座舱、营销、售后，这个AI智能体是解决售后服务效率问题，最终获得了售后赛道的第二名，希望这个工作流思路分享出来可以给大家一起启发。
一、业务介绍
该Bot针对汽车售后场景，为服务顾问和维修技师提升专业度和维修效率：
主要从3个方面去提升：
服务顾问：缺少专业知识，无法提前协助车主评估车辆问题，并反馈标准化解决方案
维修技师：车辆检查和车辆故障分析依赖技师经验水平，缺少辅助分析的工具，缺少直观的辅助指引
文档标准：维修方案由技术支持人工编写，输出标准无法保障
二、功能介绍
1. 解答问题
当用户提出问题，它如一位专业的售后顾问，通过询问细节给出初步判断，涵盖问题原因、维修方向、价格与时间预估。接着，转变为技术维护人员角色，分析问题原因，列出具体检查步骤，等待工程师反馈结果后，给出精准解决方案及操作视频。
2.文档输出
问题解决后，生成维修报告给到用户，以及案例归档文档，这不仅仅是一份记录，更是宝贵的经验积累。将其存入 AI 知识库，犹如为智能体打造了一个不断成长的大脑。每一次的诊断经验都成为知识库的一部分，让我们在面对新问题时，能迅速查询过往经验数据库，提供更专业、更有经验的回答。
3. 智能录入
AI 知识库功能强大，不仅支持单独文本录入还支持链接录入。通过识别一篇文章，能智能解析分解出多个知识点并录入知识库。对归档文档的解析录入，进一步丰富了知识库的内容。
让每一次与用户的互动都是一次成长的机会，让我们携手共进，为汽车售后行业带来全新的高度，为车主提供更优质、更高效、更贴心的服务，开启汽车售后的智能辉煌时代！
三、拆解分析
从业务上一共分为两个角色，所以工作流可以分角色设计：
1. 服务顾问
主要负责接受用户问题进行追问，然后根据用户回答去搜索知识库和数据库然后再做一个初步诊断。
整个工作流相对简单，共11个节点：
大模型节点x2
问答节点x1
数据库节点x1
知识库节点x1
消息节点x6
当用户提出问题的时候，需要对这个问题进行分析，在此放一个实时输出的消息节点，避免让用户等待。
售后服务顾问提示词
当需要用户回答问题的时候使用问答节点，然后回答之后去搜索知识库和数据库相关问题的解决方案。
然后再根据用户的回答以及搜索到的相关解决方案去做一个初步评估方案，因为有可能数据会比较多，大模型推理时间较长所以在之前加了一个加载动画。
初步诊断提示词：
顾问流程就结束了，接下来就把这个阶段收集到的信息（客户问题，顾问提问，客户回答）传递出去给到维修技师。
2. 维修技师
根据问题进行拆解分析可能出现故障的排查方案，然后根据排查结果搜索具体解决方案和操作视频，当操作结束后询问用户是否需要生成文档，生成文档（维修报告、案例归档）然后再生成下载文件，案例归档入数据库。
整个工作流相对复杂，共41个节点：
大模型节点x5
问答节点x3
数据库节点x3
知识库节点x2
搜索引擎节点x2
意图识别x1
插件节点x3
选择器x1
消息节点x23
当接受到问题后先会对知识库、数据库、搜索引擎进行搜索再给一个加载动画，因为下个节点是大模型节点比较费时：
搜索完成后给到结果到大模型进行方案输出排查方案：
检查方案提示词：
给出方案后等待技师输入检查结果，在这里我处理了两种情况：
找到解决方案根据提问去搜索知识库、数据库、搜素引擎、抖音视频，再给一个加载动画，因为下个节点是大模型节点比较费时。
如果没有找到原因继续再去找一遍（提示词同上）
然后根据排查原因输出解决方案和抖音视频，这里还做了一个选择器判断：
有视频就显示视频列表（显示用到了卡片）
没有视频显示提示“很抱歉，目前没有找到完全符合你搜索需求的内容呢。”
输出完解决方案后需要让用户确认是否生成文档，如果不需要直接结束，需要走文档生成流程再给一个加载动画，因为下个节点是大模型节点比较费时。
由于文档中需要有时间所以新增了获取时间的插件，生成完内容后还调用了生成文档插件输出下载地址。
维修报告提示词：
这样的报告不仅提供了所有必要的信息，而且格式清晰，易于客户快速理解维修的内容和结果，输出完维修报告后接着输出案例归档文档。
归档文档提示词：
归档文档输出完成后同时生成在线文件以及录入数据库
整个业务流程就结束了。
3. 手动入库
上面提到了每次案例都会入库，除此之外还支持直接输入文本或者链接解析智能录入功能。
这个手动入库流程复杂度一般，，共26个节点：
问答节点x5
大模型节点x2
循环节点x2
插件节点x1
数据库x3
选择器x2
文本处理x1
消息节点x10
通过关键词「set」进入工作流，三选一菜单，接下来我们一个一个说
文本问题，给出用户案例然后接受用户消息进行解析梳理，给一个加载进度条，下一步是大模型解析问题。
让大模型解析，如果有数据进行入库，如果没有直接结束流程，入库完成后询问用户是否需要检查入库（入库查询放在最后讲）
解析问题提示词：
解析链接，给出具体链接调用读取链接插件读取网页内容，给一个加载进度条，下一步是大模型解析问题。
让大模型解析，如果有数据进行入库，如果没有直接结束流程，入库完成后询问用户是否需要检查入库（入库查询放在最后讲）。
入库查询，前两个流程入库成功后会询问调用同时也支持单独菜单调用，输出调用案例，然后接受用户输入查询数据库。
判断查询结果，有的话通过文本处理显示输出结果，没有直接走结束流程。
该Bot所有独立功能完毕。
四、整体结构
Bot提示词：
# 角色你是一位资深的 4S 店老师傅，以引导式方法为技师进行诊断。能精准地提供详细检查建议、故障分析解决方案，并传授相关学习知识。## 技能### 技能 1：问题解答1. 用户提出问题时，调用工作流 repository_v2_get。### 技能 2：学习知识1. 当用户输入【set】调用工作流 repository_v2_set。## 限制- 只回答与 4S 店技师咨询相关的问题，拒绝回应无关话题。- 输出内容必须严格按照给定格式进行组织，不得偏离要求。
通过外部Bot逻辑去调用两个工作流：
repository_v2_get：包含服务顾问和技师维修的工作流
repository_v2_set：包含手动录入所有流程
数据库：
需要把支持在Prompt中调用取消勾选，否则会被误调用
数据库都是在工作流直接操作的不需要外部Bot去调用
菜单设置：
五、亮点
根据需求，在售后顾问和技术维护人员之间灵活转换角色，工作流架构采用分角色设计，后续支持灵活扩展。
通过案例归档和智能录入功能，形成一个动态更新、日益丰富的知识库，提高问题解决效率和质量。
不仅提供问题的初步判断和解决方案，还提供精准的操作视频，准确地理解和执行维修步骤。
六、思考
这次实践让我深刻领悟到To B领域AI落地的关键在于对业务深度的理解和AI智能体能力的结合应用。AI与企业服务的融入，不仅极大提高了作业效率，更显著增强了客户互动体验。
这一变革正在引领传统行业的转型升级，实现了服务品质与运营效能的双重飞跃。后续我将持续探索AI在企业服务中的应用潜力，期待与大家共同探讨。
