一个茶企智能体的落地复盘：知识引擎、混元与自建工具层，我们做对和做笨的几件事

1. 客户是什么情况，第一期边界怎么划的

客户经营普洱茶品类，有完整的产品体系（山头、年份、规格）、活动价格政策、售后条款，咨询集中在公众号和几个内容渠道，客服重复答疑压力大，直播和短视频带来的线索经常"晚上进来、第二天才跟"，流失明显。

最初客户想要一个"全能数字员工"：能聊单、能跟单、能发圈、能管售后。我们在需求评审时把第一期砍成了三件具体的事：

明确不做的也写进了方案：不自动退款、不改价、不承诺发货与赔偿、不替人操作投放账户。

砍边界这个动作，事后看是整个项目最正确的决策之一

——它让评测和验收都有了抓手。

2. 第一版为什么选知识引擎起步，而不是直接写代码

团队评估过两条起步路线：自己搭"向量库 + 开源模型 + 编排"，或先用腾讯云大模型知识引擎这类平台搭首版。最后选了后者，理由很现实：

这一版的价值不在"上线"，在两周内收集到了两百多条真实会话。分析完发现一个关键事实：

。比如同一款产品在不同年份的手册里政策不一致；山头和工艺的说法散落在十几份文档里；活动价没有标注生效时间。这些问题不解决，换什么模型都一样胡编。于是第二期的工作重心从"换更强的模型"变成了"治知识"。

3. 治知识：我们后来固化下来的四个做法

  所有文档先分成对外可答（产品介绍、公开政策、FAQ）和内部可见（供货价、渠道政策、工艺细节），物理上分成两个知识库，外部入口只绑定对外库。这一步顺手堵掉了"内部价被客服 Agent 说出去"的风险。

  平台的自动分段能解决 70%，剩下 30% 必须手工干预：FAQ 按条目、政策按条款、价格带生效时间字段，表格不切成散文。我们淘汰了最初"统一按字数切"的懒办法——条款被切成两半后，召回经常只命中上半句。

  在知识引擎的提示词配置里写明：只依据检索到的知识回答，价格与政策必须引用具体条目，检索不到就明说"暂时没有查到，已为你转接人工"。宁可转人工，不允许编。引用溯源同时让业务方敢用——运营主管可以点开答案核对出处。

  把真实问法整理成评测集，分三类：库里有的（应答对并引用）、容易混淆的（年份/山头近似问法）、库里没有的（应兜底转人工）。每次改分段策略、更新知识或调整提示词，都重跑一遍。评测集从最初 30 条涨到后来近百条，成了项目里最值钱的资产。

4. Agent 不只要会答，还要会办事：工具层的设计

问答跑稳后，才进入"办事"环节。我们围绕智能体开发平台的插件/工具能力做了三个工具，背后是客户自己的订单、CRM 和工单系统。

  用户报订单号，Agent 调订单系统接口查状态。规矩是：没有订单号就先问，不许猜；查无此单要明确反馈，不编造物流。

  这是和"接得住流量"最相关的一个工具。客户在夜间或直播高峰进来表达意向，Agent 多轮问清称呼、联系方式、意向产品，

才调用 CRM 接口建档；服务端做格式校验和当日去重（防止 Agent 重试刷出重复线索）；高意向关键词（整件、批发、门店合作）命中时，通过企微 webhook 实时推送给当班销售。销售第二天上班看到的不是聊天记录，而是一条带来源、带会话摘要的结构化线索。

  退款、退换、投诉类诉求，Agent 只负责收集信息并生成工单，状态停在"待处理"，由客服主管在后台审核流转。我们从一开始就没给 Agent 开放退款和改价的执行权限——涉钱动作必须人在回路里，这条没有商量余地。

工具上线时还补了一层工程措施：每个工具用独立的最小权限服务账号，接口侧做参数校验和超时控制，所有调用（工具名、入参、出参、耗时）写日志。模型生成的入参在服务端一律视为不可信输入。

5. 一次真实的坏案例，逼出了会话分流机制

上线第三周出了一个典型 badcase：一位客户把上一年的活动截图发来，问"这个价格现在还作数吗"。Agent 从旧版资料里召回了过期价格，差点按旧价承诺。

我们做了两层修复：知识侧给所有价格类条目加生效时间、过期条目不进召回库；编排侧增加意图分流——凡涉及价格争议、历史活动、投诉的问法，不再让 Agent 自由作答，直接转人工并附带它检索到的资料，让人来判断。这件事让我们形成一个原则：

模型适合处理"有标准答案"的咨询，凡是需要裁量、解释、安抚的对话，交还给人。

6. 敏感链路私有化：云端和内网怎么分工

客户的内部知识库涉及渠道价格体系，明确要求不出内网。最终架构是按数据等级分流，而不是全盘私有化：

我们没有让应用直接绑定某一家的模型 SDK，所有调用收敛到一个内部网关，混元、其他云端模型和内网自建模型在网关后对等，按场景路由、出故障可降级。这个设计在后来一次云端模型接口调整时省了大事——只改了网关配置，客服系统无感知。

7. 上线后才开始的硬仗：运营回流

复盘时我们常说，这个项目上线那天只完成了 40%。真正让它活下来的是三套回流机制：

合同里我们也明确写入了知识更新、月度评测回归和业务人员培训，而不是只验收"系统上线"。

这个项目没有用到什么玄乎的技术，结论也朴素：

作者：昆明一支企业大模型落地团队（奇崛 AGI 研究院），做大模型云端/本地部署、RAG 知识库、行业 Agent 与企业内训，在腾讯云、火山引擎、阿里云、智谱等生态上落地。本文为脱敏项目复盘，具体产品能力请以腾讯云官方文档为准。

人工智能

架构设计

开发工具

项目首期聚焦客服咨询与留资场景，通过知识引擎快速搭建，核心难点在于资料治理而非模型选型。团队采用资料分级、结构化分段、强制引用及评测集回归四步治理知识，并构建只读查询、受控写入和人工闭环三类工具。敏感链路私有化与统一网关保障安全，持续运营回流机制确保智能体长效价值。

大模型知识引擎

智能体开发

知识引擎

智能体

路由

Agent

2026上云采购 | AI焕新·智启新局

lexiang

9.9元起，最快1天搭建自有直播平台


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

一个茶企智能体的落地复盘：知识引擎、混元与自建工具层，我们做对和做笨的几件事

一个茶企智能体的落地复盘：知识引擎、混元与自建工具层，我们做对和做笨的几件事

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐