前言
本文主要阐述了客服在坐席辅助领域中尝试探索过程，以及在客服智能化过程中的一次实践内容，展示了整个坐席辅助功能的设计与实现。首先，文章介绍了业务背景，然后详细描述整体的架构及功能模块，最后描绘了未来的愿景。
1.业务背景
2.功能介绍
2.1. 产品架构
2.2. 技术架构
2.3. 系统架构
3.模块介绍
3.1. 消息处理模块（Messenger）
3.1.1. 对接RTA服务
3.1.2. WS通用服务
3.2. 监控模块（Monitor）
3.3. 检测类模块（Detection）与引导类模板（Navigation）
3.3.1. 情绪识别（Emotion Recognition）
3.3.2. 意图识别（Intention Recognition）
3.3.3. 用户画像（User Profile）
3.3.4. 实时质检（Quality Checking）
3.3.5. 流程引导
3.3.6. 工单引导（Ticket Guide）
3.3.7. 知识引导（Knowledge Guide）
3.3.8. 前置处理
4. 总结
#01
业务背景
关于客服未来发展的趋势，智能化是不可避免被提到的，随着人工智能和自然语言处理技术的进步，未来的客服将更加智能化。智能坐席辅助的应用场景非常广泛，适用于各种类型的客服服务场景，包括电话客服、在线客服、社交媒体客服等。智能坐席辅助可以帮助企业实现智能化的客户服务，提高客户满意度和忠诚度，降低成本和风险，提升企业的竞争力和业务增长。坐席辅助是智能化的重要应用之一，它通过人工智能和机器学习技术，提高了客服服务的效率和质量，为企业提供了更好的客户服务体验。未来，随着技术的不断进步和应用场景的不断拓展，坐席辅助将越来越智能化，成为企业发展的重要支撑。
针对目前客服CRM系统，存在以下方面问题：
【人员问题】：坐席在语音沟通过程中可能存在语速过快、情绪激动、个人知识能力差异、人员流动性高等问题。
【业务问题】：业务流程过长、业务体系庞杂、业务枯燥。
【服务问题】：服务标准难以控制、错误无法及时提醒、会话后质检接入较晚、监控指导少。
【培训问题】：上岗培训周期长、培训成本高、日常学习不及时、知识学习能力存在差异。
为解决上述问题，产品调研了同业(银行、小额贷)相关的经验及解决方案，业务期望在客服系统引入坐席辅助模块。
对于市场上已有坐席辅助产品，经过POC及技术选型，但外部供应商存在很多必要功能缺失，没有一家能完全满足业务诉求，且存在功能完成度问题，需实现定制化开发，成本较高，自研可降低研发成本，功能完成度高，迭代速度快。
故有了此次客服坐席领域的尝试探索以及实践。
#02
功能介绍
2.1. 产品架构
在客服平台产品的整体架构中：
业务层：提供与客户沟通服务的能力，包括人工服务，自助服务等；
平台层：整合客服整体后台管理能力，提供业务层使用，坐席辅助相关的能力在该层体现
图1: 客服平台产品架构图
话前、话中、话后是通过会话处理阶段进行划分，即会话前、会话中、会话后：
话前部分：主要是提供事中部分的前置配置功能。
话中部分：坐席辅助实时处理功能，主要在客服坐席在与客户沟通过程中提供相关服务。
话后部分：主要提供客服会话结束后的会话查看以及数据分析相关能力。
图2: 坐席辅助功能模块图
2.2. 技术架构
用户层：copilotui提供会话前配置管理能力，CRM集成会话中处理结果展示部分。
聚合层：主要是坐席辅助依赖部分应用能力，包括呼叫中心、CRM后端服务等。
核心层：客服坐席辅助的核心能力，可分为三个功能模块 - Transportation传输模块（包含Monitor-监控模块、Messenger-消息处理模块），Detection检测模块（UP-用户画像、QC-实时质检、ER-情绪识别、IR-意图识别），Navigation引导模块（FG-服务流程引导、OG-业务流程引导、KG-知识引导、TG-工单引导）。
支撑层：主要是AI相关服务，包括大模型、向量化、知识库等相关服务。
图3: 坐席辅助技术架构图
2.3. 系统架构
针对客服坐席辅助，主要分为两大部分：电话客服坐席辅助、在线客服坐席辅助。
电话客服坐席辅助流程：
通过服务器的流量镜像能力，将CC（呼叫中心）的语音流量传输到RC（实时质检服务）的解析服务器，针对这部分流量进行过滤筛选后再传输到ASR进行语义转写；
Monitor（监控模块）监听呼叫中心，获得电话会话事件，而后由Messenger（消息处理模块）对接实时质检RTA（Real-Time Assist）服务初始化会话及结束会话；
实时质检的RTA会回传ASR转义结果及违规提醒相关信息到TX（辅助平台，此处TX为代指），再通过MQ消息的方式传递给Messenger；
在线客服坐席辅助流程：
Monitor（监控模块）监听呼叫中心，获得在线会话事件，而后由Messenger（消息处理模块）对接实时质检RTA服务初始化会话及结束会话；
客户侧消息通过客服机器人传递到呼叫中心，再传递到Agent-Proxy（坐席代理服务），Agent-Proxy将消息发布到redis中；
客服侧回复消息直接通过Agent-Proxy将消息发布到redis中；
Messenger订阅redis获得在线消息，随后调用实时质检服务，传输在线会话消息内容
在上述电话客服流程中，语音流量镜像后进行ASR转义直接获得了转义文本，故不再需要Messenger提供对话内容。
Messenger进行会话初始化后，实时质检接收到会话内容文本后就会进行实时质检。
Messenger通过MQ分发消息，Navigation（引导模块）与Detection（检测模块）接收消息后进行模块内部逻辑的处理，处理结果同样通过MQ消息的方式传递到Messenger。
Messenger与CRM通过WS链接，实时同步辅助相关数据。
图4: 坐席辅助系统架构图
#03
模块介绍
3.1. 消息处理模块（Messenger）
消息处理模块主要是作用是消息中转处理；作为连接CRM和后端服务的桥梁，接收CRM段坐席的消息以及来自质检系统的回调数据，发送后端服务处理的数据，针对各类消息进行通用处理。
3.1.1. 对接RTA服务
RTA服务由实时质检系统提供，坐席辅助系统通过对接RTA服务获得，获得ASR转义文本以及实时质检相关信息。
作为一个单独的服务，ASR及实时质检能力可以拆分为两个单独的插件式功能，集成到Messenger模块使用。
图5: 消息处理模块示意图
3.1.2. WS通用服务
创建管理服务端与CRM的WebSocket链接，通过WebSocket进行消息传输，同时针对未发送成功消息都要做消息缓存，保证异常断开场景下消息不会丢失。
图6: WebSocket服务流程图
3.2.监控模块（Monitor）
监控模块的主要作用是监控呼叫中心通话事件，包括振铃事件、接听事件和挂机事件，获取随录信息数据；
通话事件的作用是用于创建实时质检系统的质检任务；
振铃事件：初始化会话
接听事件：开始会话
挂机事件：结束会话
图7: 监控模块流程图
Sip Server：电话客服服务
Interaction Server：在线客服服务
3.3.检测类模块（Detection）与引导类模板（Navigation）
检测类模块包含情绪识别（Emotion Recognition）、意图识别（Intention Recognition）、用户画像（User Profile）、实时质检（Quality Checking）四个次级功能模块；
引导类模块包含服务流程引导（Framework Guide）、业务流程引导（SOP Guide）、工单引导（Ticket Guide）、知识引导（Knowledge Guide）四个次级功能模块
图8: 检测及引导模块结构图
检测类模块、引导类模块同消息管理模块通过MQ消息交互；
检测类模块、引导类模块通过nls-sdk(nls：Natural Language Processing Service)调用后续AI服务、知识库服务等；
3.3.1. 情绪识别（Emotion Recognition）
情绪识别中情绪的理论基础是PAD情感三维理论，基于该理论原有的14中情绪类别，同时结合大模型的预训练的测试结果补充一个新的情绪类别（“困惑”），形成目前客服情绪识别服务所需识别的15种情绪类别，分别是“喜悦”、“乐观”、“轻松”、“惊奇”、“温和”、“依赖”、"无聊"、"悲伤"、"恐惧"、"焦虑"、"藐视"、"厌恶"、"愤懑"、"敌意"、“困惑”
会话前部分：提供情绪管理功能
会话中部分：基于对话的上下文内容，通过大模型识别用户情绪，客服通过识别到的客户情绪使用不同话术，如当客户处于“愤懑”情绪时，坐席可以进行安抚；同时可以进行情绪监控等
3.3.2. 意图识别（Intention Recognition）
意图识别是自然语言处理（NLP）中的一个核心任务，它的目的是理解和识别用户输入语句所表达的意图或目的。通过大模型识别客户会话中的意图，进而通过意图提供相匹配的话术或是流程，有助于客服理解解决客户问题，提高客服效率。
会话前部分：提供意图管理功能，通过针对意图可以提供关联知识或流程的能力；
会话中部分：基于对话的上下文内容，通过大模型识别用户意图，根据不同意图提供不同的解决策略
3.3.3. 用户画像（User Profile）
当前用户画像通过公司内部已有的特征平台实现。
会话前部分：提供配置管理功能，可以通过配置功能配置所需要查看的用户特征；
会话中部分：当“监控模块”接收到会话开始事件（振铃或接听），通过“消息管理模块”投递到MQ，“用户画像模块“接收MQ消息进行后续处理；每通会话只会触发一次
3.3.4. 实时质检（Quality Checking）
实时质检功能依赖实时质检功能实现，消息管理模块与实时质检服务对接，见”3.1.1 对接RTA服务“
会话前部分：提供配置功能，存在两处配置，一是第三方质检系统提供的质检流程配置，包含违规配置及违规提醒配置；二是第一方内部提供的针对违规配置的扩展，包含违规是否自动隐藏、违规等级以及钉钉邮件告警通知等；
会话中部分：针对第三方质检的质检结果，根据相关配置区分不同质检违规项，包装扩展该质检违规内容，同时实现钉钉、钉钉邮件告警通知
3.3.5. 流程引导
服务流程引导（Framework Guide）、业务流程引导（SOP Guide）业务可以整合为流程引导。
会话前部分：对流程整体信息、元素信息的配置。流程整体信息的配置，是整体的元描述，及其元素的编排。元素信息的配置，是常规节点元素属性的设定，以及特定节点元素的前置依赖项的配置。
会话中部分：客服坐席再与客户交互过程中，通过客户及坐席的对话内容自动执行流程节点或坐席手动切换流程节点，同时展现相应节点话术。
下图为会话中部分的流程执行简介。
图9: 流程引导流程简介
3.3.6. 工单引导（Ticket Guide）
工单引导主要包含实体提取和自助小结两个功能：
实体提取也称为命名实体识别（Named Entity Recognition, NER），是自然语言处理领域的一个重要任务，它的目的是从文本中识别出具有特定意义的信息片段，如人名、地名、组织名等。
自助小结是通过大模型总结会话内容，输出规范的模版内容，通过AI智能化的方式提升坐席话后效率。
会话前部分：提供命名实体管理功能
会话中部分：①基于对话的上下文内容，通过大模型识别命名实体；②基于会话的全部对话内容，通过大模型进行会话总结；
3.3.7. 知识引导（Knowledge Guide）
知识引导主要包含知识匹配和知识检索功能。
知识匹配是根据客户对话内容，通过向量化匹配的方式匹配最接近的知识点。
知识检索是提供坐席主动查询知识的功能，当前也是采用向量化检索的方式匹配知识。
会话前部分：提供知识管理功能，可以针对知识进行增、删、改、查等操作
会话中部分：基于客户的对话内容，通过向量化数据库匹配知识
3.3.8. 前置处理
涉及到AI处理的模块功能，客户与坐席对话内容中可能存在无效内容，例如：在线会话中对话内容可能包含一些系统固定话术；又比如客户对话中存在大量”嗯“、”啊“、emoji表情等内容。
针对上述情况，在调用AI功能前，需要针对对话内容进行前置过滤，确保后置功能处理的内容是有效的对话内容。
#04
总结
当前坐席辅助还有很多可供优化的地方，基于上述坐席辅助的模块功能：
各个模块的实现可插拔，底层服务可以随时切换，譬如AI服务使用A大模型，未来可以对接B大模型，只需要配置一键切换即可；
每一个模块功能，可以拆分为一个个引擎服务，例如意图识别模块可以升级为意图引擎，知识引导可以升级为知识引擎，在提供整体的坐席辅助能力的同时可以分模块的提供各自的能力；
而针对坐席辅助来说，未来的规划一定是输出为一个可对外的成熟产品。
