在客服申诉处理中,「定责报告」是否站得住脚,过去全靠人工对着标准逐条核。如果利用ai智能体来实现,往往采用的就是将技能和规则提供给智能体,但是在规则、报告篇幅、证据材料数据量过大的情况,会导致效果的严重下滑,上下文超长后的报错是直观的,更大的问题就是结果不可控制,每次执行因为不知道大模型记住、看到的是哪一部分,结果都是不一致。针对这个事情需要做的就是,将规则拆分后逐条规则让ai去确认,然后将最终报告拼接。当然这就是需要把这件事做成了自动化:上传报告和附件,约 7 分钟拿到问题清单和修改建议,每条结论都能追溯到规则和原文。这篇文章从开发思路、技术方案和实际效果三个角度做个总结。为什么要做人工核查有三个老问题:慢:对照标准逐条比对、反复翻附件,一份报告要花很长时间。尺度不一:不同人判断口径不同,同类案件结论难统一。证据难辨:截图、录音可能被 PS 或合成,肉眼很难发现。同时,这类数据涉及用户隐私,项目一开始就定了三条硬约束:数据不出内网:全流程在企业内网完成。只用内部大模型:技能本身不调用任何外部模型,推理交给企业自有的智能体平台。组件开源且离线:OCR、语音转写、篡改检测都选开源方案,本

技术专业 · 18 天前
用大模型智能体做申诉定责报告核查:开发思路、技术方案与效果

一个笨问题假设你在教一个从没见过世面的助手打理你家的事。你告诉它两句话:老王是我爸。 我是小明。然后你问它:老王和小明是什么关系?正常人零点几秒就答出来了。但对一台只会存数据的机器来说,这是个陷阱——它的库里只有两条记录,没有任何一条写着"老王是小明的爸爸"。所以标准答案是:查无此人此关系。要让它答对,传统做法是你再手写一条规则:"如果 A 是 B 的爸爸,且 B 就是提问的人,则 A 是提问者的爸爸。"能用,但你很快会发现这条路走不通——爷爷、外甥、堂表兄弟、连襟、儿媳的妹夫,中国亲戚关系能把人绕死,你得写几百条。而且换个领域(比如公司的股权关系、疾病的分类体系、电信的资费结构),你又得从头再写几百条。本体推理想解决的,就是这件事:让机器只靠少量的概念定义,自己推出海量你没明说的结论。本体是什么:给世界画一张骨架图"本体"这个词听着玄,其实是从哲学里借的。哲学里的本体论研究"世界上到底存在什么",计算机借来之后,意思务实多了:把一个领域里有哪些概念、概念之间什么关系、有哪些不可违反的规矩,用机器能读懂的方式写清楚。拿家庭举例,你要写的东西大概是这样:有哪些类:人、男人、女人谁包含谁:

技术专业 · 08-14
机器怎么"想明白"一件你没告诉它的事?聊聊什么是本体推理
Theme Jasmine by Kent Liao