用 Qwen-Agent 打造智能客服：以话费、停机、网络问题为例

AI 大模型时代，很多企业开始探索用 LLM+工具化的方式提升客服效率。
今天我用一个典型场景“电信客服”举例，介绍下如何用 Qwen-Agent 框架快速搭建一个支持多业务查询的智能客服，当然很多内容也是现学现用。

场景需求

用户常见的咨询问题包括：

• 💰 话费查询
• 📴 停机原因定位
• 📡 网络故障诊断
• 📦 套餐内容查询
• 📈 流量使用查询
• 📝 业务办理进度查询
  ... 多达几十类，几百项指标。

问题是：如何优雅地支持这些动态查询？

系统设计思路

核心思路很简单：

用户提问
  ↓
Agent 通过大模型理解意图
  ↓
选择调用对应的 Tool（函数）
  ↓
Tool 执行（查实时数据）
  ↓
模型生成自然语言回复

系统结构图

┌──────────────┐
│  用户提问    │
└────┬─────────┘
     ↓
┌─────────────────────────────┐
│       Qwen-Agent 主体       │
│ ┌──────────────┐            │
│ │ Large Model  │ 理解意图    │
│ └─────┬────────┘            │
│       ↓                     │
│   Tool Router ⟶ 工具调度器  │
│   ┌──────────────┐          │
│   │ 话费查询 Tool │          │
│   │ 停机诊断 Tool │          │
│   │ 网络排查 Tool │          │
│   │ 套餐查询 Tool │          │
│   └──────────────┘          │
│    ↓ 知识库兜底回答         │
└─────────────────────────────┘
         ↓
     ⟶ 回复生成 ⟶ 用户

Tool 是什么？为什么不是用知识库？

很多朋友误解以为所有信息都写入知识库，其实并不是。

举例：话费查询

class QueryUserBill(Tool):
    name = "query_user_bill"
    description = "查询用户本月话费总额、余额、是否欠费"
    
    def call(self, user_id: str) -> str:
        # 假设 API 查询
        data = get_user_bill_from_api(user_id)
        return f"您当前欠费 {data['due']} 元，余额 {data['balance']} 元。"

知识库用例

# 停机规则
- 未及时缴费 → 停机
- 缴费不足 → 停机
- 流量封顶 → 停止数据服务

如何知道模型调用哪个 Tool？

关键设计：

Qwen-Agent 通过 Tool 的 name 和 description 让大模型理解 Tool 的功能。
用户提问后，模型智能匹配最适合的 Tool 调用。

例如：

agent = Agent(
    llm=QwenLLM(model_name="qwen-plus"),
    tools=[
        QueryUserBill(),
        QueryStopReason(),
        QueryPackageInfo(),
        DiagnoseNetworkIssue(),
    ],
)

用户问：“我这个月话费多少？” → 自动调用 query_user_bill。

用户问：“我为什么停机了？” → 自动调用 query_stop_reason。

不需要手写 if-else，模型智能调度。

流程完整示意图

graph TD;
    用户提问 --> Agent;
    Agent --> LLM理解意图;
    LLM理解意图 --> ToolRouter;
    ToolRouter -->|选择Tool| 查询话费Tool;
    ToolRouter -->|选择Tool| 停机诊断Tool;
    ToolRouter -->|选择Tool| 套餐查询Tool;
    ToolRouter -->|选择Tool| 网络排查Tool;
    查询话费Tool --> 返回结果;
    知识库兜底回答 --> 返回结果;
    返回结果 --> 生成回复 --> 用户;

小结

通过 Qwen-Agent 的设计理念，可以轻松实现：

✅ 不同业务功能拆分成独立 Tool
✅ 模型智能决定调用哪个 Tool
✅ 静态规则通过知识库兜底
✅ 无需人工硬编码 if-else
✅ 系统可以快速扩展几十上百个指标查询

一句话：LLM 做智能大脑，Tool 提供业务能力，知识库补充解释。