从“能用”到“好用”，网易云商的Agent探索丨媒体报道

在数字化浪潮中，AI技术正以前所未有的速度重塑企业服务格局，被AI改变的不只是客户，还有软件产品的服务商。

近日，网易数智旗下服务营销一体化平台“网易云商”在北京举办了一场媒体交流会，网易云商总经理肖钰妍分享了网易云商的AI探索历程以及目前所取得的进展。

网易云商在短短两年左右的时间里，经历了从Copilot到Agent的布局，探索过程中也取得了一些成绩，可谓是国内to B 软件厂商向智能化深水区转型的缩影。

2013 年前后，云计算技术的快速发展，推动了云呼叫中心和云客服软件的出现。那时 NLP（自然语言处理）技术仍处于雏形发展阶段，这个阶段可以看作智能客服的1.0时代；

2016 年前后，随着NLP技术的逐步成熟，智能客服迎来了 2.0 时代。不同于1.0 时代，此时的技术突破让客服系统具备了更精准的语义理解能力。网易云商基于这些技术，开始构建覆盖服务全流程的产品矩阵，从基础咨询到工单处理，从多渠道接入到知识库管理，形成了相对完整的智能客服体系。

然而，新的问题又出现了。肖钰妍坦言，作为 2.0 时代表现突出的厂商，团队常因 “人工智障” 的吐槽而哭笑不得。尽管系统能解决 70% 的标准化问题（如订单查询、物流跟踪），但剩下的 30% 却成了痛点：15% 的低体验解答问题，如答非所问、机械重复，让用户体验大打折扣；还有 15% 的复杂问题，如涉及多业务规则的售后处理，仍需依赖人工。

这些问题的核心，在于知识库维护的被动性 —— 企业若不投入精力更新知识，系统表现就会大打折扣，而作为服务商，很难深度介入客户的内部知识管理。

2022 年 ChatGPT 的爆火，像一颗投入湖面的巨石，在行业内激起巨大波澜。肖钰妍回忆，当时团队充满焦虑：“新技术会不会彻底颠覆我们？” 但很快，他们意识到 “不做就永远不知道边界”，于是开启了积极拥抱大模型的探索。

2023年，网易云商明确迈向客服 3.0 时代，核心表现是发布客服领域大模型商和并基于此迭代自身产品。与 2.0 时代的小模型相比，大模型带来了三大突破：

• 复杂问题处理能力增强：通过上下文理解，能处理 20 轮以上的多轮对话，以往需要人工介入的复杂咨询（如跨品类产品推荐、个性化售后方案），现在 Agent 能通过多维度数据关联给出精准解答。例如，用户咨询 “油皮适合的粉底液”，系统不再局限于产品罗列，而是结合肤质、季节、用户历史购买偏好推荐具体产品。

• 体验升级：以往机器人回复生硬，现在大模型赋予了对话更自然的交互体验，甚至能根据品牌调性加入情感化表达，比如在奢侈品客服中使用更优雅的话术，提升用户好感。

• 知识应用革新：传统知识库依赖人工录入，大模型则能自动从海量文档中提取关键信息，如网易云商合作的一个腕表品牌，数万个商品对应数万份的图文混排说明手册，通过大模型切片和图文解析，效率提升 60%，且能实时更新，解决了 2.0 时代知识库维护的痛点。

2024年3月，团队发布了客服行业 Copilot 系列应用，聚焦智能辅助场景，如客服实时话术推荐、快速生成会话摘要、客户情绪识别与响应，让人工客服如虎添翼。

随后，团队重心转向 AI Agent，目标是实现端到端的问题解决 —— 从理解需求到执行操作。例如，用户申请退换货，Agent 能自主完成信息核对、流程提交甚至优惠券补偿，无需人工介入。

面对技术变革，肖钰妍的团队始终保持着清醒：2.0 时代的 “人工智障” 是技术局限与应用场景的错位，3.0 时代的大模型也并非万能。他们发现，大模型在标准化场景表现优异，但在高度个性化的行业（如奢侈品售后、游戏大R玩家深度咨询），仍需结合企业特定知识和业务流程。

因此，网易云商选择 “大小模型融合” 策略：用大模型解决通用问题，用垂类小模型处理行业专属需求，同时通过 AI 训练师团队帮助客户进行模型训练和调优，填补 “最后一公里” 的落地差距。

在向智能化深水区的探索过程中，网易云商以场景需求为锚点，构建了覆盖服务领域（客服场景和体验场景）和营销领域（运营场景和成交场景）的Agent产品矩阵，每个模块均以技术深耕破解行业特定痛点。

智能外呼Agent：效率和体验的双重革新

常规的智能外呼存在配置维护成本高、非知识库问题应答效果差、关键信息分析不准确等劣势，而全新的智能外呼Agent能将过去繁琐的配置步骤简化为对话式生成，让配置效率提升80%以上，话术部署周期缩短至1/5。并且在AI大模型能力加持下，通话体验实现“听得准、懂客户、有问必答”，对非结构化数据的采集分析也更精准，将助力企业实现进一步的经营增长。

门店查询助手Agent：复杂场景的轻量解决方案

针对零售行业海量门店的查询痛点（如某运动鞋服品牌6000+门店的个性化筛选需求），该Agent突破传统“关键词匹配+固定列表”模式，支持自然语言驱动的多维度检索，例如“北京朝阳区24小时营业且提供改裤脚服务的门店”。通过与企业ERP系统实时互联，门店状态（库存、服务能力、停车位等）动态同步，使转人工率直接下降，查询响应时间从平均分钟级压缩至秒级，成为实体零售引流到店的关键工具。  

商品导购Agent：SKU迷宫中的智能导航

在汽配、3C等产品型号繁杂的领域，商品导购Agent展现出强大的非标准输入处理能力。某汽配采购平台面临日均2100+条复杂型号咨询（如“大众老款菠萝的雨刮器”对应专业型号“LBESUBFC2LW04563”），传统机器人解决率极低。通过构建“用户俗称-标准型号-适配配件”三层映射库，结合上下文意图解析，Agent将解决率大幅提升，不仅减轻人工压力，更通过精准推荐实现客单价提升，成为多SKU行业的转化加速器。  

游戏Agent：有温度的游戏玩家专属助手

传统客服难以高效承接大规模玩家咨询，并且玩家对“情绪价值”的需求日益增长，面对这两大挑战，该Agent能够构建贴合游戏背景的人设形象，基于玩家端内外数据标签，实现真正实时、有温度、千人千面的精细化运营，让非大R玩家的运营成本降低50%，有效提升玩家活跃度和付费转化率。

网易云商的技术落地从来不是单向输出，而是与客户共同构建解决方案。比如，面对某腕表产品的众多型号与大量用户俗称的映射难题，团队运用图文混合解析算法，将维修手册中的零件图与型号说明自动关联，建立动态更新的“标准型号-用户俗称”数据库，使知识库维护成本下降，复杂型号查询准确率大幅提升。  

可见，真正的智能落地，不在于技术本身的华丽，而在于对行业肌理的深度理解。当Agent不再是标准化的技术黑箱，才能实现从效率工具到商业增长引擎的质变。网易云商的探索，为智能客服行业书写了从“能用”到“好用”，再到“不可或缺”的进阶路径。

为最大程度降低大模型幻觉对业务的影响，网易云商构建了系统性解决方案，针对不同幻觉类型精准施策。

• 大小模型融合，发挥协同优势。将精准或固定类问题（如标准产品参数查询）交由小模型处理，凭借其专业化训练实现更精准回答；开放型问题（如产品使用场景建议）则由大模型应对，确保回答的自然流畅与拓展性。  

• 灵活切换大模型，适配场景需求。基于不同业务目标与场景（如物流咨询、商品导购），动态切换至效果表现更优的大模型。例如，针对需要高度事实准确性的业务场景，优先选用在知识准确性上经过优化的大模型，确保回答符合业务事实。  

• 深度Prompt调优，明确业务边界。深入理解业务需求，通过精细化的Prompt设计，清晰告知大模型“可为”与“不可为”。如在客服场景中，明确要求模型仅依据企业知识库内容回答，避免编造信息。同时，结合实施经验进行定制化调优，提升模型对业务场景的适配性。  

• 强化知识库与索引建设。建立QA索引，按不同渠道、客户标签等维度构建知识索引体系，实现精准知识路由。持续扩充知识库，补充丰富业务类知识，提升模型上下文理解能力，从源头减少因知识缺失导致的幻觉，比如事实错误、逻辑矛盾等客观幻觉，以及因身份角色误解等引发的主观幻觉。  

通过上述多维策略，网易云商实现了对大模型幻觉的有效控制，保障业务场景中模型输出的可靠性与准确性，为用户提供更值得信赖的智能交互体验。

从 2.0 到 3.0，变的是技术架构和解决问题的能力，不变的是对用户体验的执著。正如肖钰妍所说，每个时代都有其技术红利与局限，关键是在浪潮中找准定位 —— 不是被技术颠覆，而是让技术为我所用，最终实现从效率工具到价值伙伴的跨越。

这一路径，不仅是网易云商的进化史，更是智能客服行业从技术驱动向价值驱动转型的缩影。