客服Agent
基于LLM构建的自动化客户服务智能体，部署在网站或消息渠道中，能够自主回复客户咨询、处理常见问题，但通常在退款、折扣等涉及资金或法律责任的事项上需要人工介入。
时间轴 (近 90 天)
用户会向客服Agent提出范围外请求，如写代码或查询天气，这不仅降低任务成功率，还可能引发安全风险。
真实用户经常在描述问题时夹杂情绪化语言和无关信息，导致客服Agent频繁要求澄清。
编码Agent、研究Agent和客服Agent是已经常见的Agent应用场景。
核心设计原则是：自动发送是需要挣来的例外，转人工才是默认选项。
对客服Agent的参考一致性检查，可用轻量模型如all-MiniLM-L6-v2本地运行，阈值从0.75起调。
对客服Agent的语气判断，采用点式评分，单答案对照阈值；需要排序时切换成对比较并运行两个顺序，因为模型倾向偏爱先读到的答案。
在生产环境中部署客服Agent时，应将每个推理步骤、工具调用和状态转换记录为结构化JSON清单用于调试和审计
客服Agent可调用的工具（如订单查询、邮件发送、退款）使其持有的PII（姓名、地址、邮箱、电话、订单历史）可通过工具调用本身泄露。
客服Agent的完整链路设计需覆盖何时查知识库、何时调工具接口、接口失败如何兜底、模型回答出错如何修正、无法解决时如何转人工
客服Agent应包含决策逻辑：何时查知识库、何时调用工具接口、接口失败如何兜底、模型出错如何修正、无法解决时如何转人工
还有 2 条时间轴事件
全部知识事实 (12)
客服Agent可实现7×24小时在线接待，约90%的常见问题能自主回答
60%待验证用户会向客服Agent提出范围外请求，如写代码或查询天气，这不仅降低任务成功率，还可能引发安全风险。
50%待验证真实用户经常在描述问题时夹杂情绪化语言和无关信息，导致客服Agent频繁要求澄清。
50%待验证编码Agent、研究Agent和客服Agent是已经常见的Agent应用场景。
50%待验证核心设计原则是：自动发送是需要挣来的例外，转人工才是默认选项。
50%待验证对客服Agent的参考一致性检查，可用轻量模型如all-MiniLM-L6-v2本地运行，阈值从0.75起调。
50%待验证对客服Agent的语气判断，采用点式评分，单答案对照阈值；需要排序时切换成对比较并运行两个顺序，因为模型倾向偏爱先读到的答案。
50%待验证在生产环境中部署客服Agent时，应将每个推理步骤、工具调用和状态转换记录为结构化JSON清单用于调试和审计
50%待验证客服Agent可调用的工具（如订单查询、邮件发送、退款）使其持有的PII（姓名、地址、邮箱、电话、订单历史）可通过工具调用本身泄露。
50%待验证客服Agent的完整链路设计需覆盖何时查知识库、何时调工具接口、接口失败如何兜底、模型回答出错如何修正、无法解决时如何转人工
50%待验证客服Agent应包含决策逻辑：何时查知识库、何时调用工具接口、接口失败如何兜底、模型出错如何修正、无法解决时如何转人工
50%待验证客服Agent可7×24小时接待并消化约90%的常见问题，无需人工介入
50%