8.1
深览指数
产品人人都是产品经理·Totoro畅··AI 生成
生鲜商城AI接待小助手，从意图识别到满意度（上）
一家社区生鲜商城在自研智能助手时，发现核心需求不是“AI客服”，而是“自助路由型智能助手”。文章基于真实咨询数据，拆解了生鲜品类查询的四大特点（查询型、商品咨询、优惠券、客诉），并完整呈现了意图识别模块的六步处理链路（预处理、关键词粗筛、向量分类器、路由映射、槽位预取、异常兜底）与三级级联架构（关键词规则-向量分类器-大模型）。作者强调“能规则不模型，能小模型不大模型”，并以情绪标记贯穿全链路和槽位预取为关键设计。适合产品经理、技术负责人和社区电商从业者阅读，聚焦于低成本、高转化的系统设计思路，非泛泛而谈。原文 ↗
核心观点
- ▍社区生鲜商城需要的不是“AI客服”模拟坐席，而是“自助路由型智能助手”，核心是机器能办的当场办掉，办不了的准确送到位，目标是降低人工接通率四到五成。
- ▍意图识别被明确定位为“路由层”而非“处理层”，它只判断意图类别，不回答用户问题，且必须置于所有处理层之前以确保正确分拣。
- 01生鲜咨询的四大特点：查询型（订单物流）占大头，商品咨询又散又专业，优惠券咨询量大且人工易错，真客诉占比低但杀伤力大。
- 02预处理层对脏话进行“拦截不修改”，保留情绪强度标记作为后续路由（如转人工优先）和话术降温的关键信号。
- 03对于复合意图（如骂人包含坏果投诉和物流查询），六步链路通过关键词粗筛给出候选，向量分类器裁决主意图（坏果投诉），次意图（物流查询）通过“槽位预取”提前查询并推送到坐席界面。
- 04采用三级级联架构：第一级关键词规则（带权重，如“退款”2.0）处理高频简单意图，第二级向量分类器处理口语化同义改写，第三级大模型仅兜底低置信度的模糊或复合意图。
- 05向量分类器的训练需要每个意图200到500条标注样本，目标是在向量空间画出清晰的“领地边界”，落在边界处置信度低则触发降级处理。
反方 / 局限
- — 作者明确承认，对于低置信度或情绪高的模糊输入，原则是“保守处理，宁可多转一次人工”，这实际上是在成本与用户体验之间做出的权衡，默认了部分场景下的效率损耗。
- — 文章提到“一级半”的向量分类器是经过3-6个月历史数据人工标注训练而成，但未讨论冷启动阶段或新意图出现时，缺乏标注数据对系统准确性和上线周期的具体影响。
11 分钟 · 3 卡片 · 7 资料
读原文 →