军衔等级:

  列兵

注册:2026-11-21
跳转到指定楼层
1# 大 中 小
发表于 2026-11-19 09:59:22 |只看该作者 |倒序浏览
 把 AI 语音机器人接进呼叫中心,多数团队的第一版架构是这样的:语音识别出文本,语义模型判断意图,命中意图就去查知识库,把答案交给语音合成念出来。这条链路跑起来不难,难的是当业务要求从"回答"升级到"办理"的时候,这条链路上没有任何一层负责"执行"。
  这不是加个接口就能解决的。回答是一次性的读,办理是有副作用的写,两者的架构要求差一个量级。中间缺的那一层,通常叫动作编排。
  先说清三层各自的职责。意图层负责判断客户想干什么,产出是一个结构化的意图对象,里面应该带参数槽位——改地址这件事,槽位是订单号、新地址、联系人、联系电话。动作层负责决定这件事怎么落地,包括调用哪个接口、参数怎么填、前置校验做哪些、失败怎么退。会话层负责把动作层的结果翻译成人话,并处理多轮确认。
  很多项目把三层压成一层,模型直接输出一句"已经帮您改好了",然后后台并没有真的改。这种实现短期能过验收,长期一定会被客户投诉打回来。因为它在语义层面模拟了"办成",在系统层面什么都没发生。
  具体到工程实现,有五处需要单独设计。
  第一处是连接器。不要把每个业务接口都硬编码到会话逻辑里,做一个连接器层,对外统一成"动作名 + 参数 + 幂等键",对内适配订单中心、工单系统、会员系统的不同协议。这层抽象的价值在扩展期才显现:今天接三个动作,明天要接三十个,有连接器和没连接器是两种工作量。
  第二处是鉴权。AI 用专用服务账号,不用坐席账号,权限按动作授权清单最小化。这个决定要在架构期就定,事后再改,涉及所有下游系统的授权配置,代价很大。
  第三处是幂等。写接口必须带幂等键,键的生成规则建议用"会话标识 + 意图 + 关键槽位哈希",这样一个会话里客户重复说"改一下"只会生效一次,而真的想改第二次(换了新地址)又能正常执行。这一条不做,线上会出现极难排查的数据错乱。
  第四处是事务边界。跨系统动作要考虑部分成功的情况:订单改了但短信没发出去,工单建了但状态没同步。务实做法是不追求分布式强一致,而是把每个动作的完成态显式记录下来,失败的部分进入补偿队列,由后台重试或者转人工处理。前端会话只需要知道"整体是否完成"和"没完成的部分怎么处理"。
  第五处是审计。每笔写操作留三类痕迹:发起方(会话标识与账号)、变更内容(变更前后的字段值)、关联单据。这三样在出问题时是唯一的还原依据,在合规检查时也是硬要求。
  除了这五处,还有一个容易被忽略的设计点是超时预算。语音会话对时延极其敏感,客户等三秒就开始怀疑线路断了。而跨系统调用很容易累积到两三秒。所以动作层要有明确的时延预算:超过预算就先给客户一句话垫住,比如"稍等,正在查询",都不该静默等待。这句话在工程上是个 keep-alive,在产品上是个体验设计,两件事其实是同一件事。
  失败了怎么退,也要在架构层定。建议把失败分三类:可重试的(下游超时)、不可重试的(参数校验失败)、需要人工的(权限不足或业务规则冲突)。三类对应三种会话策略:第一类自动重试并告知处理中,第二类明确告知办不成并给出正确路径,第三类直接转人工并带上上下文。把这三类混成一句"系统繁忙",是体验崩塌的开始。
  最后说一句评价口径。判断一套 AI 语音机器人有没有真正打通,不要看它能答多少问题,看它能办几件事、办成的比例是多少、办错的比例是多少。三个数字比任何演示都诚实。而这三个数字的背后,就是那层动作编排做没做。
  人工智能语音系统这几年在识别和理解上的进步已经很快,剩下的差距不在模型,在系统集成。这一层的活不炫,但它是从"能用"到"好用"之间唯一的那道门。

举报本楼

本帖有 2 个回帖,您需要登录后才能浏览 登录 | 注册
您需要登录后才可以回帖 登录 | 注册 |

版规|手机版|C114 ( 沪ICP备12002291号-1 )|联系我们 |网站地图  

GMT+8, 2026-11-20 12:08 , Processed in 0.118211 second(s), 16 queries , Gzip On.

Copyright © 1999-2025 C114 All Rights Reserved

Discuz Licensed

回顶部