> For the complete documentation index, see [llms.txt](https://yeasy.gitbook.io/claude_guide/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://yeasy.gitbook.io/claude_guide/di-si-bu-fen-shi-zhan-pian/09_practical/9.1_customer_service.md).

# 9.1 智能客服系统：从“人工智障”到“金牌销售”

在企业应用中，客服系统往往是 AI 落地的第一站。 但大多数现有的 AI 客服只是简单的关键词匹配，体验极差。基于 Claude 构建的下一代客服 Agent，不仅能回答问题，还能 **解决问题**。

## 9.1.1 痛点与解决方案

| 传统 Chatbot 痛点                | Claude Agent 解决方案                                           |
| ---------------------------- | ----------------------------------------------------------- |
| **车轱辘话**：反复确认同样的信息。          | **Memory**: 借助 Memory 工具或外部存储记住关键信息，实现跨会话记忆（模型本身并不自带跨会话记忆）。 |
| **答非所问**：只能匹配预设的 FAQ。        | **RAG**: 动态检索最新的知识库（如 PDF 手册、Wiki）。                         |
| **只能看不能动**：告诉用户怎么退款，但不能帮用户退。 | **Tool Use**: 直接调用 `refund_api` 帮用户操作。                      |
| **没有情商**：语气生硬，不懂安抚。          | **Persona**: 设置高情商 System Prompt，甚至能在合适时候发表情包。              |

## 9.1.2 架构设计图谱

这是一个经典的 **RAG + Tool Use** 混合架构。

```mermaid
sequenceDiagram
    participant User as 用户
    participant Agent as Claude Agent
    participant KB as 向量知识库 (RAG)
    participant API as 订单系统 API

    User->>Agent: "我买的耳机坏了，能退吗？订单是从昨天买的。"

    Note over Agent: 思考：需要先查订单状态，再查退换货政策。

    Agent->>API: get_latest_order(user_id="U123")
    API-->>Agent: {id: "O999", item: "AirPods", date: "2026-05-17"}

    Agent->>KB: search("耳机退换货政策")
    KB-->>Agent: "电子产品拆封后，非质量问题 7 天内不可退，但在 15 天内质量问题可换。"

    Note over Agent: 思考：昨天买的，在 15 天内。用户说是"坏了"（质量问题）。

    Agent->>User: "很抱歉听到您的耳机出了问题。查到您是昨天（5月17日）下的单，还在 15 天质保换货期内。请问具体是哪里坏了？比如是连不上蓝牙还是没有声音？"

    User->>Agent: "左边没声音。"

    Agent->>Agent: 思考：符合质量问题特征，可以发起售后。
    Agent->>API: create_ticket(order_id="O999", type="replacement", reason="left_ear_no_sound")
    API-->>Agent: {ticket_id: "T888", status: "created"}

    Agent->>User: "已为您创建售后申请（单号 T888）。快递员会在明天上门取件，请保持电话畅通。"
```

## 9.1.3 关键实现细节

### 1. 动态知识库的精细化切片

客户的问题千奇百怪，简单的切片（Chunking）往往不够。

* **挑战**: 用户问 “红色款掉色吗？”，但手册里写的是 “Scarlet Red 采用阳极氧化工艺”。
* **优化**:
  * **元数据增强**: 在存入向量库时，给段落打上 `{"color": ["red", "scarlet"], "issue": ["fading", "durability"]}` 标签。
  * **查询改写**: 先让 Claude 把 “掉色” 改写为 “耐久性、表面工艺”，再去检索。

### 2. 权限鉴权与敏感操作

涉及到 “退款”、“改密码” 等敏感操作时，不能仅靠 System Prompt。

* **方案**:
  * **Human-in-the-Loop**: 定义工具时，设置 `risk_level: high`。当 Claude 调用此类工具时，后端拦截并向用户前端发送二次确认弹窗。
  * **参数校验**: 在 Tool Definition 中，`refund_order` 工具必须要求提供 `user_otp` (验证码)。如果用户没提供，Claude 会收到 `MissingParameter` 错误，并自动反问用户索要验证码。

### 3. 情绪智能与人工接管

AI 不应死磕。

* **触发条件**:
  1. **情绪分析**: 每轮对话并行调用一个小模型 (如 Haiku) 评分 (1-10)。如果愤怒值 > 7，立即触发接管。
  2. **死循环检测**: 如果 Claude 连续 2 次调用同一个查询工具且参数相同，说明它卡住了。
* **平滑切换**: Claude 生成一份 `Summary` (摘要)，发送给人工客服系统：“用户张三，遇到耳机单侧无声问题，已尝试重置但无效，目前情绪较为激动。” —— 真人客服接手时能直接说：“张先生您好，我看过记录了，别着急...”

## 9.1.4 真实案例：生产级 System Prompt

一个好的 System Prompt 是客服 Agent 的灵魂。

```xml
<system_prompt>
<role>
你是由 TechGear 及其 AI 实验室开发的高级技术支持专家。你的名字叫 "TG 助手"。
你的目标是高效、专业且富有同理心地解决用户的硬件产品问题。
</role>

<tone_style>
1. **同理心优先**: 永远先安抚用户情绪。例："很抱歉给您带来不便..."
2. **专业简洁**: 不要堆砌技术术语，用通俗易懂的语言解释。
3. **拒绝废话**: 不要每次都说 "我明白了"，直接进入解决步骤。
</tone_style>

<guidelines>
1. **先查后说**: 在回答任何关于订单、物流、政策的问题前，必须先调用工具查询。严禁编造信息。
2. **多步引导**: 如果问题复杂（如排查故障），请一步一步引导用户，不要一次性甩出 10 个步骤。
3. **退款流程**:
   - 必须先通过 `check_eligibility` 检查资格。
   - 如果不符合政策，委婉拒绝并提供替代方案（如维修券）。
</guidelines>

<tools_instruction>
- 使用 `search_kb` 查询产品说明书。
- 使用 `get_order` 查询订单状态。
- 使用 `create_ticket` 创建工单。
- 如果工具返回 Error，请根据 Error Message 调整参数重试，或者询问用户更多信息。
</tools_instruction>
</system_prompt>
```

***

客服只是冰山一角。在企业的后台，有着海量的文档——合同、发票、简历——正在等待被数字化。 下一节将介绍 Claude 如何成为一名不知疲倦的 **文档处理专员**。

➡️ [文档处理与知识库](/claude_guide/di-si-bu-fen-shi-zhan-pian/09_practical/9.2_doc_processing.md)