多智能体协作技术在运营商客户服务领域中的应用与实践

多智能体协作技术在运营商客户服务领域中的应用与实践

摘要：面对千变万化的用户需求、海量并发与跨系统的复杂业务流，传统的客服系统与规则引擎已难以满足运营商在效率、专业性与可控性上的新要求。亚信科技提出并实现了渊思·智能体平台解决方案——一套以多智能体协作（Multi-Agent）+ 大模型理解 + 自动化流程执行为核心的行业级解决方案。方案通过统一的前端触点接入、分域智能体编排、AI 能力纳管、图形化智能体管理与工业级基础设施，目标是为用户提供便捷高效的服务体验，支持内外部 AI 能力统一接入与治理，并构建开放可扩展的智能服务生态。本文详细阐述了平台架构、关键模块、典型业务流程、工程化要点与落地效果评估，并给出实施建议与未来演进方向。

随着 5G、云原生、边缘计算与大模型技术的成熟，用户对运营商服务的实时性、个性化与主动服务能力提出更高期待。运营商业务具有并发量大、场景多、跨 OSS/BSS 系统联动需求复杂、合规审计与财务链路严格等特点。传统以规则引擎为主的客服体系，在以下方面存在明显短板：

• 多渠道/后端能力接入松散，接口调用需人工介入或离线处理；

• 以规则/模板+人工为主，自动化率低，无法处理复杂多步骤业务；

• 跨系统事务性操作的可控性与审计要求难以满足；

• 人工与自动化之间切换不顺畅，审计与合规难以落地。

在此背景下，多智能体协作技术提供了一条新的探索路径。多智能体协作（Agentic AI / Multi-Agent System）通过“角色化分工 + 编排器（Orchestrator）”的方式，将不同能力（问答、诊断、推荐、执行）封装成独立智能体，通过任务调度与协议进行协作，天然适配运营商的复杂业务流。结合领域微调的大模型、RAG（检索增强生成）与向量检索技术，多智能体能够兼顾专业性、可控性与扩展性，成为推动客户服务智能化升级的有力工具。

在运营商的典型业务办理流程场景中，用户通过手机 APP、PC 门户、IVR 或第三方入口发起请求，选择所需服务（如云盘、视频彩铃、安全防护、智能家居或虚拟手机等），并在前端填写相应表单，包含身份信息、产品选项与授权内容。表单提交后，前端将数据按既定格式下发到对应后端系统，触发身份验证、规则校验与计费判定等流程；随后，后端调用 OSS/BSS 接口执行资源开通或配置变更，并在关键节点进行监控与审计，记录操作日志以满足合规要求。业务处理完毕后，系统通过页面、短信或语音将结果反馈给用户，用户亦可通过消息通道继续互动，形成闭环。如下图所示：

图1：传统的运营商业务办理流程

在实际运行过程中，仍会遇到一些制约效率与体验的具体问题，这些问题在流程执行时逐步显现出来。首先，系统孤岛普遍存在：OSS、BSS、CRM、监控与工单等系统间接口散、数据语义不统一，使得跨系统查询与联动效率低下，自动化闭环难以实现。其次，业务场景细分且规则复杂，诸如资费策略与地域性限制等要求领域专家知识介入，单靠静态规则难以覆盖边界情况。再次，随着用户量与并发请求增长，人工处理能力成为瓶颈，响应时延与排队等待增加，直接影响用户满意度。最后，体系普遍以被动响应为主，缺乏对告警、网络质量或用户行为的主动感知与跨系统联动能力，难以在问题早期实施预防或个性化触达。

这些问题导致端到端处理效率受限、用户体验不稳定、运营成本上升并增加合规审计风险。因此，需要从架构、数据治理与智能化能力三方面着手改进，以打通系统链路、提升自动化与实现更主动的服务能力，从而在保障合规的前提下显著提升运营效率与用户体验。

（一）引入多智能体协作技术的必要性

为了解决上述痛点，引入智能体成为一种有效的思路。智能体具备自主感知、理解与执行的能力，可以替代人工完成重复性强、规则化的操作，例如业务表单校验、身份验证或跨系统数据调取，从而降低人工负担、提升响应效率。同时，智能体能够基于上下文持续学习和优化决策，使服务过程更加智能化与个性化。

然而，单一智能体在应对复杂业务时仍有局限。运营商的客户服务往往跨越多个系统、涉及多种业务逻辑，需要不同类型的知识与工具协同配合。这就凸显出多智能体模式的优势。

多智能体通过“职责分工 + 协作编排”的方式，将复杂任务拆解为若干专业化子任务，由不同智能体并行或有序完成：理解类智能体负责会话理解，检索类智能体负责知识供给，规划类智能体负责任务拆解，执行类智能体负责能力调用与事务保障，监控类智能体负责风控与审计。

该模式带来更高的并发处理能力、更清晰的边界与治理路径、更灵活的扩展能力（可按需增减或替换智能体），并在出错时实现局部回滚与安全降级，从而在保证可控性的前提下显著提升整体业务的可靠性与可维护性。

（二）亚信科技客户服务多智能体协作方案

针对上述痛点，基于多智能体协作技术升级运营商业务办理流程：总控智能体负责用户需求入口识别与合规分发，子业务智能体执行任务拆解与资源调度，底层业务系统提供具体能力支撑，最终通过监控审计完成闭环反馈，形成多层协同的智能处理体系。如下图所示：

图2：基于多智能体协作技术的运营商业务办理流程

1．顶层流程：总控智能体

Step1 用户触达：用户通过某种渠道（如APP、网站、客服等）发起请求。

Step2 输入需求：用户提交具体需求（如查询、办理业务、反馈问题等）。

Step3 意图识别智能体：系统对用户需求进行分析，判断意图是否明确、内容是否合规（如检测敏感信息、业务是否支持等）。若意图模糊、内容不合规或子业务无法覆盖，则直接进入兜底智能体（主要负责处理异常场景的智能体，提供标准化响应或人工转接）处理。

Step4 子业务意图分发 & 合规管理：若需求合规且意图明确，意图识别智能体将需求分发至对应的子业务智能体，并同步进行合规性校验（如权限检查、流程合法性等）。

2．中层执行：子业务智能体

3．底层资源：业务系统与资源支撑

业务系统提供具体业务能力，包括：

· 云盘业务、视频彩铃业务、安全防护业务、智能家居业务、虚拟手机业务等（可扩展更多业务类型）。

· 子业务智能体通过接口与这些具体业务模块交互，获取数据或执行操作。

4．结果反馈与闭环

Step1 监控与审计智能体：任务执行过程中，监控与审计智能体对流程进行监控，记录关键节点数据，并进行审计（如合规性、效率、错误率等）。

Step2 业务办理成功/失败（规则判断）：根据监控结果和任务执行状态，判断业务是否成功（如数据返回正常、操作完成）。若失败，可能触发重试机制或异常处理流程（未明确标注，推测为隐含分支）。

Step3 消息回复：总控智能体将最终结果（成功/失败、处理结果、反馈信息等）返回给用户，完成流程闭环。

5．体系间协同关系

• 总控智能体：统筹全局，负责需求入口、意图识别和分发。

• 子业务智能体：承接具体业务逻辑，拆解任务并调度资源。

• 知识检索智能体：提供底层数据、规则和技术支持（如AI、数据库、安全工具等）。

• 业务系统：提供实际业务能力，是任务执行的具体载体。

通过构建多智能体协作系统，解决了以下客户痛点：

打破系统孤岛，实现跨域系统的语义互联与动态协同：传统 OSS/BSS/CRM 等系统间接口松散、数据语义不统一，导致信息割裂。MAS 通过为每个关键系统配置领域智能体（如 CRM-Agent、Billing-Agent、OSS-Agent），赋予其封装接口、理解上下文和翻译语义的能力。

应对复杂规则与边界场景，引入认知型智能体进行动态推理与专家知识融合：面对资费策略、合规限制、地域政策等高度细分的业务规则，静态配置难以覆盖所有边界情况。MAS 支持构建规则推理智能体（Rule Reasoning Agent） 与知识融合智能体（Knowledge Fusion Agent）。

（三）亚信科技客户服务多智能体协作方案——面向彩铃业务办理

1．彩铃业务多智能体协作流程

以用户设置彩铃业务为例，通过多智能体协作实现端到端自动化。用户可在任一触点（移动 App、PC 门户、语音通道或第三方接入）以语音或自由文本发起“我要换一个新的彩铃”类请求。前端低代码渲染层将输入封装为标准会话上下文并提交到理解层；ASR 与意图识别模块把自然语言转为结构化意图和必要槽位。随后，协作与调度层接管会话上下文，按策略分发到若干专责智能体执行具体工作。

• 意图解析智能体：对话上下文做细粒度解析、补全槽位并决定下一步动作；

• 规划/任务拆解智能体：根据业务规则与当前上下文，将意图拆成若干子任务（例如：推荐列表展示 → 用户选择 → 确认类型 → 保存提交），并决定并行或串行执行策略；

• 知识检索智能体（RAG）：按需从向量索引与规则库检索相关文档或条款，提供证据片段支持决策与生成回复；

• 执行/工具调用智能体：负责与 OSS/BSS 或工单系统交互，执行配置变更或工单下发，并记录交易号与审计条目；

• 监控/合规模块：实时监控执行状态、置信度与风控规则，必要时拦截或降级为人工处理，同时把关键证据与轨迹写入审计仓库。

2．彩铃业务多智能体协作价值

通过上述流程，带来以下业务价值：

• 更自然的用户体验：支持语音与自由文本输入，用户无需被动按菜单，交互更直观、容错能力更强。

• 模块化与复用：将理解、检索、规划、执行等能力封装为独立智能体，便于垂域微调与能力复用，新增场景可通过组合现有智能体快速实现。

• 并行化与弹性处理：Planner 能并行分派子任务，缩短总体处理时延并提升并发吞吐。

• 证据化与合规保障：RAG 检索的文档片段与执行智能体写入的事务日志共同构成可检索的证据链，便于审计与追溯。

• 降低人工成本与提升自动化率：规则化、重复性工作由智能体自动完成，仅在低置信度或高风险场景触发人工介入。

• 可观测性与回滚能力：Orchestrator 汇总并管理会话与任务状态，支持局部回滚与快速降级，增强系统鲁棒性。

通过“意图识别 → 任务拆解 → 证据检索 → 安全执行 → 审计留痕”的多智能体协作链条，运营商服务可以在保证合规与可控性的前提下，把用户的自然语言请求高效、可靠地转化为跨系统的实际操作，从而在用户体验、运营效率与治理能力之间取得更优平衡。

（四）运营商侧工程化落地与实际效果

1．面向客服的多智能体协作整体方案

基于多智能体协作技术，面向运营商客户服务业务构建分层的智能交互系统。

前端应用层支持语音和文本输入，通过ASK模块进入语音/文本流处理，经意图识别后调用智能检索（含知识库内容填充），最终通过TTS或文本输出结果，同时涉及前端低代码开发引擎和页面元素内容填充。核心的智能体层具备规划决策、调度能力、工具能力和运营管控四大模块，负责意图识别、规划决策、检查增强，并通过任务调度与执行流程（含角色分发、任务规则、调度、执行）驱动系统运转，MCP治理提供鉴权和生命周期管理。

基于业务数据构建的知识库，进一步支撑垂直模型的训练（垂直模型指针对客服场景微调的专用模型），实现从数据支撑到垂直模型优化的闭环。数据层涵盖文本、图片、视频等多模态数据，经数据标注、清洗增强及素材收集整理，构建业务和企业知识库，支撑知识管理与向量化。垂直模型层则基于数据准备进行模型训练、微调与评估，输出系统大模型、通用智能体大模型和领域大模型，为上层提供意图识别和内容生成能力。整体架构通过数据/知识反馈与意图识别、规划决策、检查增强形成联动。

图3：总体方案架构

2．工程落地中的主题问题与应对策略

在运营商客户服务项目的多智能体协作技术工程化落地过程中，面对运行保障、监控和安全合规等主要问题，亚信科技结合实际情况给出了应对策略。

（1）高可用性保障

· 问题：智能体节点单点故障会导致服务中断，进而导致多智能体整体任务的失败，难以满足SLA 运行要求。

· 策略：亚信科技首先进行负载均衡设计，根据需要动态分配请求流量，避免单节点过载；同时，建立熔断降级机制，通过AI网关实现故障自动切换，实现备用节点秒级接管。

（2）全链路实时监控

· 问题：多智能体进一步增加了系统的复杂性，同时跨智能体调用链路难以追踪，导致运行故障、资源消耗异常定位等存在滞后情况。

· 策略：亚信科技基于日志分析引擎构建了四层监控体系，包括Prometheus指标看板、基于AI网关日志构建调用热力图、智能体CPU/内存实时监控、调用链路追踪、异常事件告警等主要模块。

（3）安全合规风险防控

· 问题：智能体数据使用和结果输出都存在数据安全合规风险，而多智能体间通信存在伪造可能。

· 策略：亚信科技构建了智能体通信的单向或双向认证，以及输入内容识别和输出内容兜底的机制。其中，以兜底智能体为核心来建立识别和兜底机制。一方面对闲聊、内容不合规、无法覆盖现有业务或是无适合的智能体可以处理、用户意图无法识别等情况，则启动兜底智能体，提供统一标准化回复；另一方面，对输出内容进行合规审查，如存在违规情况，将重新启动处理流程或者提供统一标准化回复。兜底智能体技术实现上采用“规则+模型”混合架构设计，其中规则引擎基于业务逻辑通过硬编码状态跳转规则处理违规内容（如敏感词过滤），适合简单且准确性要求高的情况；而模型驱动基于BERT-DST模型，预测对话状态转移路径，适合复杂且结果比较开放的情况。整体的决策流程为“规则匹配 →模型预测 →人工接管”，平衡准确性与灵活性。

3．客服系统应用成效

基于统一的AI智能助手基座，结合运营商APP业务特点，通过智能问答、智能导航、智能分析、智能推荐等多种Al+智能场景，实现AI原生统一入口，打造客户端一站式服务体验。在某省级运营商的实际部署中，平台实现了效率的提升和客户体验的改善：

• 覆盖咨询、投诉、释疑等近150个业务场景，将创新业务的重点产品知识库进行统一管理，沉淀约100个问答对，基本覆盖客服文档中的大部分内容，客户服务智能体转化为流式输出，支持客户服务的快速响应；

• 对接APP前端小程序，支持前端操作与内容展示，对客户输入内容基于模型进行意图识别，正确率达85%以上，同时对违法违规内容进行过滤屏蔽，减少对话内容风险，提供高质量服务。目前，客户满意度（CSAT）提升至94.7%，首解率（FCR）达89%。

随着大模型和AI智能体技术的持续演进与多智能体协作机制的成熟，亚信渊思·智能体平台将向 “认知-决策-执行”一体化深度演进。亚信科技将分阶段逐步突破，勾勒出从工具辅助到生态协同的完整技术图谱。当前平台已实现第一阶段的人机协同标准化，正迈向第二阶段的动态组网与多模态理解，而第三阶段的蜂群式协作与预测性决策，将彻底重构服务范式，实现生态共建。

• 认知协同网络：通过共享世界模型，智能体将突破单点智能局限，形成跨行业的数字共识网络，实现从执行到决策的质变；

• 预测服务革命：隐式交互技术使平台能预判用户需求（如网络故障前自动触发维护），推动服务从事后响应向主动干预跃迁；

• 生态级创新：借助标准化智能体通信协议与传统低代码等工具链，吸引全球开发者共建智能体应用市场，最终形成数字服务新基建。