企业内部客服正迎来智能化变革。借助腾讯元器平台打造的智能客服助手，通过意图识别+RAG检索的先进架构，3秒内即可响应文字/截图提问，解决传统客服响应慢、知识覆盖不全、成本高等痛点。本文将深度解析工作流模式下的智能体搭建全流程，揭秘截图识别与问题优化等核心技术，分享提升90%问题解决率的实战方法论。

企业内部客服最头疼的事是什么？不是回答问题，而是响应不及时、知识覆盖不全、成本居高不下。员工遇到问题需要排队等待，客服人员知识储备有限，7×24小时服务成本巨大。

参加腾讯元器智能体比赛，我搭建了”智能客服助手“，支持文字提问和截图提问两种方式，通过意图识别+RAG检索，3秒内给出专业回复。今天我将详细拆解搭建过程，分享实战心得。

一、背景与痛点：企业内部客服的真实困境

真实场景还原

作为企业内部数字化产品的使用者，我每天都会遇到这样的场景：

• 上午9点：新员工入职，询问”企业微信怎么添加成员？”，需要等待客服响应
• 上午10点：系统报错，上传截图询问原因，客服需要转接技术团队
• 下午2点：产品更新后操作不熟悉，咨询客服但回复不及时
• 下午4点：非工作时间遇到问题，无法获得帮助…

这就是企业内部客服的日常：

• ⏰响应不及时：平均响应时间3-5分钟，高峰期需要排队
• 知识覆盖不全：客服人员知识储备有限，复杂问题需要转接
• 成本居高不下：需要配备专门团队，7×24小时服务成本巨大
• 培训成本高：产品更新频繁，客服培训跟不上节奏

痛点数据对比

智能体方式：响应时间2-3秒，7×24小时服务，问题解决率90%+，成本可控。

二、解决方案：智能体+工作流双引擎

我采用了智能体+工作流的开发模式，充分发挥腾讯元器平台的优势：

为什么选择工作流而不是Chatbot？

Chatbot模式：

• ❌ 流程不可控：依赖大模型推理，容易出现偏差
• ❌ 难以调试：无法看到中间处理步骤，黑盒操作
• ❌ 稳定性差：每次对话结果可能不一致
• ❌迭代繁琐：每次修改提示词，必须重新发布智能体才能生效

工作流模式：

• ✅流程可控：每个节点职责明确，流程可预测
• ✅易于调试：可以看到每个节点的输出，快速定位问题
• ✅稳定性高：相同输入产生相同输出，结果一致
• ✅快速迭代：修改节点配置后直接保存即可生效，无需重新发布

核心架构

工作流程图：

时序图：

设计思路：

1. 智能体层：负责用户交互，支持文字和截图两种输入方式
2. 输入预处理层：判断输入类型，对截图进行OCR识别
3. 意图识别层：理解用户问题意图，区分售前、售后等场景
4. 问题优化层：优化用户问题，提升检索精准度
5. 知识检索层：从知识库中检索相关信息
6. 回复生成层：生成专业、准确的回复

三、技术亮点：截图识别+意图识别+RAG检索

1. 支持截图提问，降低表达门槛

核心优势：

• 降低表达门槛：用户不需要准确描述错误信息，直接截图即可
• 信息更完整：截图包含界面元素、错误提示、操作状态等完整信息
• ✅提高准确率：基于实际界面截图，问题识别更精准

实现方式：

• 使用OCR插件识别截图中的文字和界面元素
• 通过大模型从识别结果中提炼用户核心问题
• 将截图问题和文字问题联合处理

2. 意图识别，精准分流

功能说明：使用大模型对用户问题进行意图分类，精准区分5种不同类型的咨询场景

意图分类：

1. 售前问题：产品介绍、功能咨询、价格询问等，帮助用户了解产品特性、适用场景和使用价值
2. 功能应用：具体功能如何使用、操作步骤等，提供详细的使用指导和操作建议
3. 二次开发咨询：关于二次开发的问题，包括开发流程、接口使用、应用集成等，帮助用户实现个性化功能
4. 异常反馈：使用过程中遇到的异常问题，提供解决方案或反馈渠道
5. 闲聊或情绪宣泄：用户进行闲聊或情绪宣泄，提供适当的回应以缓解用户情绪

关键配置：

1. 模型选择：选择理解能力强的语言模型（如混元，Deepseek等模型）
2. 意图设计：这里就要根据客服的实际情况进行分类,我这个智能体是分成了6种。

关于【意图】的配置分享给2个小Tips：

1. 意图的内容必须要按提供的模板填写，尤其是“##”符号
2. 意图识别必须要考虑兜底情况

提示词设计：

3. 问题优化，提升检索精准度

为什么需要问题优化？

• 用户提问往往不够精准，包含冗余信息
• 优化后的问题能更好地匹配知识库内容
• 提升检索结果的准确性和相关性

优化示例：

• 原始问题：“我想知道企业微信怎么添加成员，就是那个，怎么操作？”
• 优化后问题：“企业微信如何添加成员的操作步骤”

通过问题优化，知识库检索的准确率提升了约30%。

（节点设计截图）

（提示词设计样本截图）

4. RAG检索，知识库完全可替换

重要说明：本案例为企业内部应用的真实案例，由于RAG知识库涉及敏感信息，本文以企业微信操作手册作为知识库示例进行演示。在实际应用中，您可以将知识库替换为任何实际的业务知识库（如ERP系统手册、CRM操作指南、产品文档等），工作流逻辑完全通用，无需修改。

核心优势：

• ✅灵活替换：知识库是独立的配置项，可以轻松替换为任何业务相关的知识库
• ✅无需修改工作流：替换知识库后，工作流的其他节点无需修改
• ✅适配多种场景：同一套工作流逻辑，可以适配不同的业务场景

可替换的知识库类型：

• 系统操作手册（ERP、CRM、OA等各类系统）
• 用户FAQ文档、产品功能说明
• 故障处理指南、培训材料
• 政策法规文档、技术文档
• 企业内部规章制度

四、拆解智能体搭建过程：从0到1的完整步骤

步骤1：创建智能体

1）进入腾讯元器平台，点击”创建智能体”

2）填写基本信息：

• 智能体名称：智能客服助手（填写智能体的名称）
• 描述：支持文字和截图提问，自动识别意图并检索知识库回复
• 头像：选择合适的图标

3）选择工作流模式：因为需要复杂处理逻辑，选择”工作流”模式

步骤2：配置工作流节点

工作流包含6个核心节点：

节点1：判断输入类型

• 功能：检查用户是否发送了问题（文字或图片）
• 判断条件：SYS.UserQuery或SYS.RewriteQuery是否已填充
• 分支处理：区分文字输入和截图输入

节点2：OCR识别（截图处理）

• 节点类型：OCR插件节点
• 输入配置：image_url（图片URL）、prompt（识别提示词）
• 输出配置：Output.content（识别后的文本内容）
• 作用：识别截图中的文字和界面元素

节点3：问题提炼与联合

• 功能：从OCR结果中提炼用户问题，并与文字问题合并
• 输入：OCR识别内容 + 用户文字问题
• 输出：联合后的完整问题

节点4：意图识别

• 节点类型：LLM节点
• 功能：分析用户问题，判断意图类型
• 输出：intent_type（意图类型：1-售前问题、2-功能应用、3-二次开发咨询、4-异常反馈、5-闲聊或情绪宣泄）

节点5：问题优化

• 节点类型：LLM节点
• 功能：优化用户问题，使其更加聚焦和清晰
• 输入：用户原始问题 + 意图类型
• 输出：optimized_query（优化后问题）

节点6：知识检索与回复生成

• 节点类型：知识库检索 + LLM节点
• 功能：从知识库检索相关信息，生成专业回复
• 输入：优化后问题 + 意图类型
• 输出：final_answer（最终回复）
• 知识库配置：本案例以企业微信操作手册作为示例，实际应用中可替换为任何业务知识库 知识库添加：先要在智能体添加（这步很关键，不然在工作流里是选不到知识库）

工作流节点选择：选择大模型知识问答，同时支持知识库检索和大模型优化回复

节点知识库配置：支持指定知识库，指定知识库的”全部知识“，“按特定知识”，“按标签”

回复优化提示词：

步骤3：配置转人工判断（可选）

对于识别为”其他问题”的用户咨询，系统会智能判断是否需要转接人工服务。这确保了复杂问题等场景能够得到人工专业处理，可以添加转人工判断节点：

• 判断逻辑：分析问题是否需要转接人工服务
• 需要转人工的情况：用户明确要求、涉及投诉建议、问题过于复杂、情绪激动等
• 处理方式：生成转人工提示信息，引导用户联系人工客服

Tips：智能客服一定要有兜底的处理，客户咨询问题的时候是无序的尤其是问一些与本智能体无关的问题，这就需要进行针对性的处理，可以是拒接用户问题的回复，也可以处理人工介入

步骤4：测试智能体

工作流测试

智能体测试

步骤5：智能体发布与部署

完成智能体搭建后，可以通过腾讯元器平台提供的多种发布渠道，将智能客服部署到不同的应用场景中。

测试通过后，点击”发布”，填写发布版本记录

选择发布渠道：

• 微信生态（官方小程序，微信公众号，微信服务号，微信客服，企业微信应用）
• 腾讯其他渠道（元器官网，应用宝）
• 第三方平台（小米应用商店，荣耀YOYO智能体平台）
• API接口

发布建议：

对于企业内部数字化产品客服场景，推荐以下发布策略：

首选：企业微信应用

• 直接对接企业内部员工，使用场景最匹配
• 与企业微信生态深度集成

补充：微信公众号/服务号

• 如果企业有对外客服需求，可同步发布
• 支持7×24小时自动回复
• 提升客户服务体验

展示：元器官网

• 作为案例展示和分享
• 免费推广，扩大影响力
• 吸引更多企业关注

五、实战心得：3个关键技巧

1. 问题优化是提升准确率的关键

用户原始问题往往存在表达不够精准、包含冗余信息等问题。通过大模型优化后，问题变得更加聚焦，知识库检索的准确率提升了约30%。

优化要点：

• 保留核心问题点
• 去除冗余和无关信息
• 使用更专业的表达方式

2. 知识库质量决定回复质量

建议：

• 内容结构化：按照功能模块、问题类型进行分类整理
• 及时更新：产品更新后，及时同步更新知识库内容
• 格式规范：使用统一的文档格式，便于检索和理解
• 覆盖全面：确保常见问题都有对应的知识库内容

3. 截图识别功能大幅提升用户体验

优势分析：

• 降低表达门槛：用户不需要准确描述错误信息
• 信息更完整：截图包含界面元素、错误提示等完整信息
• 提高准确率：基于实际界面截图，问题识别更精准

优化建议：

• 针对不同界面类型优化识别策略
• 重点关注错误提示、按钮文字等关键元素
• 结合图片内容和用户文字描述，提供更全面的问题理解

六、应用效果展示：真实场景验证

效果对比数据

实际使用场景

场景1：文字提问

• 输入：“企业微信怎么添加成员？”（注：本案例以企业微信手册作为知识库示例）
• 处理时间：2.5秒
• 输出：详细的操作步骤说明

场景2：截图提问

• 输入：上传系统报错截图
• 处理时间：3.2秒
• 输出：识别错误原因并提供解决方案

场景3：意图识别分流

• 输入：“企业微信登录显示系统错误”
• 处理：识别为“异常反馈” → 检索知识库 → 提供解决方案

场景4：二次开发咨询

• 输入：“如何通过二次开发实现自定义审批流程？”
• 处理：识别为“二次开发咨询” → 检索开发文档 → 提供开发指导

说明：以上场景示例基于企业微信操作手册知识库，实际应用中可替换为任何业务知识库，工作流逻辑保持不变。

七、总结与展望

通过腾讯元器平台，成功构建了一个高效、智能的企业内部客服系统。

智能客服的时代已经到来。希望本文的分享能够帮助更多企业快速搭建自己的智能客服系统，实现服务效率的全面提升。

体验智能体：

（本文为腾讯元器智能体比赛参赛作品，欢迎交流讨论。）