如果让你做一个基于大模型的“智能客服”，你会怎么做？核心难点在哪？

首先理清头绪，三个问题：用户是谁？他们要解决什么问题？我手里有什么资源？
第一步，分析并理清分层逻辑。用户进来第一句话，我得先判断这人是来干嘛的。是来骂人的？是来问路的？还是来调戏机器人的？我会用一个轻量级的分类模型（比如BERT微调）快速识别意图。如果是骂人、涉政、或者明显想搞事情，直接转人工或者礼貌结束对话。别让模型跟用户对骂，那是灾难。
第二步，高频回答。大多数用户问的都是重复问题：退货政策、物流查询、改地址。这一层我用RAG，把知识库里的标准答案检索出来生成回复。要求是快、准、稳，温度设到0.1，不要有任何创造性，照着文档念就行。
第三步，多轮任务。如果用户说“我要退货”，这就不是一问一答能解决的了。需要进入一个状态机：先问订单号，再查订单状态，确认是否在退货期内，然后生成退货地址，最后通知仓库。这一层我会上Agent，让它调用后端的API，每一步都向用户确认，走完整个流程。
第四步，转人工。这是最重要的安全网。当模型连续两次不确定、用户情绪检测为负面、或者用户明确说“我要找人工”时，必须无缝转接，并且把对话摘要一起带过去，让人工客服不用重复问一遍。
难点一，多轮对话的“失忆症”
用户：我的订单怎么还没到？
客服：请问您的订单号是多少？
用户：123456
客服：好的，查询到您的订单已发货，预计明天到达。
用户：那它多少钱？
这个“它”指的是什么？是订单总价？还是运费？还是某个商品的价格？模型如果忘了上文，就会乱猜。我们尝试了两种方法：一是显式维护上下文状态，把每轮的关键实体（订单号、商品名、价格）抽出来存着；二是在查询改写时，把“它”替换成上一轮提到的实体。但有个坑：如果上一轮提到了多个实体，改哪个？这时候需要模型判断指代的是什么。多轮对话做到最后，你会发现它其实是半个“推理问题”。
难点二，情绪的“温度计”
用户明显已经生气了，但模型还在机械地回复“请问还有什么可以帮您”。用户直接炸了，发了一长串感叹号。加了一个情绪识别模块，实时分析用户输入的情感分数。一旦低于某个阈值（比如负面情绪强烈），立刻触发两个动作：第一，回复语气变得特别客气（“非常抱歉给您带来不便…”）；第二，如果用户持续负面，直接转人工。客服的第一原则不是解决问题，而是安抚情绪。 情绪没稳住，问题解决了用户也不满意。

不能指望一个模型解决所有问题。要设计的是一个系统，让模型、规则、API、人工各司其职。用户不会因为是AI就降低要求，他们只在乎“我的问题解决了吗”、“我等了多久”、“你态度好不好”。
#面试官最爱问的 AI 问题是......#