GenAI Customer-Support Assessment
GenAI Customer-Support Assessment
閱讀角度
簡介
一個客服助手，對每個問題做確定性路由 — 數據問題走 SQL、文件問題走 RAG、混合問題走混合路徑 — 每個回答都標明出處。
角色
技術評估作業
獨立構建 — 技術評估項目
2026
技術棧
LangGraph
ChromaDB
FastMCP
Streamlit
實證
三條回答路徑的確定性路由 — SQL、RAG、混合
明確的引用機制，可追溯到所用的數據行或文本塊
Streamlit 界面，核心流程有 Playwright 檢查
客服問題混雜數據查詢與文檔問題 — 單一 RAG 管道兩邊都答不好。
01 — 核心工作流03 段影片
Film — overview.mp4
01 — 一條問題,一氣呵成
客服問題進去;完整答案連來源出來。該查資料庫、查文檔庫,還是兩者都要 — 助手自己決定 — 沒有模式切換,沒有下拉選單,更不要求用戶懂得分辨。
一條問題,由頭到尾
Film — routing.mp4
02 — 三條問題,三條路線
問一條數據問題、一條政策問題、一條混合問題 — 各自明顯走上不同路徑:SQL 管數據、RAG 管文檔、hybrid 兩者兼取。路由是確定性的,同類問題每次走同一條路。
三條問題,三條不同路線
Film — kb_answer.mp4
03 — 有據可查
知識庫命中時,答案連依據一起回來 — 引用它取材的具體片段,客服在轉發給客戶之前可以先核對來源。
知識庫答案,附上來源
02 — 信任與驗證03 段影片
Film — fallback.mp4
04 — 一句誠實的「答不了」
問超出範圍的問題,它明確說明答不了,而不是自信地亂猜。在客服場景,錯誤答案的代價高於沒有答案 — 這個兜底是設計出來的行為,不是錯誤狀態。
超範圍輸入,得到誠實兜底
Film — followup.mp4
05 — 上下文一路帶着走
在同一段對話追問,上下文自動延續 — 助手結合上一條問題回答新問題,不需要重新交代背景。
追問時對話上下文延續
Film — run_tests.mp4
06 — 測試套件全綠
Playwright 檢查直接駕駛真實應用 — 本頁展示的流程就是測試走的流程,套件在鏡頭上以全綠作結。
測試套件跑至全綠
03 — 商業價值改變了什麼
路由
數據問題直達資料庫;文檔問題有據有引;混合問題兩者兼得。一位助手,每次都用對工具。
錨定
每條回覆都帶一條指回具體行或片段的引用 — 客服團隊可以直接轉發,不必自己再查一次來源。
誠實
超範圍的問題得到設計好的兜底,而不是一個自信的猜測。
以技術評估作業形式構建,數據為合成 — 這裡展示的是架構,不是生產使用量。
閱讀角度