【愚公系列】《扣子开发 AI Agent 智能体应用》016-基于大模型的企业知识库(知识库实战:打造汽车行业智能客服)

举报
愚公搬代码 发表于 2026/02/01 12:21:19 2026/02/01
【摘要】 💎【行业认证·权威头衔】✔ 华为云天团核心成员:特约编辑/云享专家/开发者专家/产品云测专家✔ 开发者社区全满贯:CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主✔ 技术生态共建先锋:横跨鸿蒙、云计算、AI等前沿领域的技术布道者🏆【荣誉殿堂】🎖 连续三年蝉联"华为云十佳博主"(2022-2024)🎖 双冠加冕CSDN"年度博客之星TOP...

💎【行业认证·权威头衔】
✔ 华为云天团核心成员:特约编辑/云享专家/开发者专家/产品云测专家
✔ 开发者社区全满贯:CSDN博客&商业化双料专家/阿里云签约作者/腾讯云内容共创官/掘金&亚马逊&51CTO顶级博主
✔ 技术生态共建先锋:横跨鸿蒙、云计算、AI等前沿领域的技术布道者

🏆【荣誉殿堂】
🎖 连续三年蝉联"华为云十佳博主"(2022-2024)
🎖 双冠加冕CSDN"年度博客之星TOP2"(2022&2023)
🎖 十余个技术社区年度杰出贡献奖得主

📚【知识宝库】
覆盖全栈技术矩阵:
◾ 编程语言:.NET/Java/Python/Go/Node…
◾ 移动生态:HarmonyOS/iOS/Android/小程序
◾ 前沿领域:物联网/网络安全/大数据/AI/元宇宙
◾ 游戏开发:Unity3D引擎深度解析

🚀前言

通用大模型虽然功能强大,但它可能会产生“幻觉”,其回答问题的准确性无法达到100%。在对模型生成文本的准确性要求较高的应用场景中,例如企业智能客服、高精尖科学技术服务等,往往需要通过知识库来集成私有知识数据,从而丰富大模型的知识范围并提高其回复的准确性。本章将讲解基于大模型的企业知识库的相关知识,并介绍扣子知识库及其在打造汽车行业智能客服方面的实战案例。

🚀一、知识库实战:打造汽车行业智能客服

本章将通过一个完整的实战案例,演示如何利用扣子的知识库和工作流,构建一个汽车领域的专业智能客服。该客服不仅能够精准回答产品咨询,还能借助RAG技术和AI的灵活生成能力,提供更自然、更像真人的交互体验,超越传统FAQ问答机器人的刻板印象。

案例目标:创建一个能回答汽车行业知识的AI客服。核心流程是:梳理汽车知识FAQ → 上传至知识库 → 构建处理工作流 → 最终集成到智能体。

🔎1. 案例实战:打造汽车行业智能客服

🦋1.1 创建与配置知识库

知识库是智能客服的“大脑”。为了确保RAG检索的精准性,需注意知识内容的预处理。

  1. 准备知识文档

    • 将汽车行业知识(如车型参数、保养费用、购车政策等)整理到一个结构清晰的 .txt 文档中。建议使用换行来分隔不同的知识条目,便于后续分段。
      什么是插电式混合动力汽车?插电式混合动力汽车(简称PHEV)是一种能通过外部电源充电,同时装有燃油发动机和电动机的混合动力汽车。它最大的特点是电池容量比普通混动车大,可以像纯电车一样用纯电模式行驶几十公里,没电时又能像普通混动车一样用油,兼顾了经济性和长途便利性。
      什么是电动汽车?电动汽车(通常指纯电动汽车,简称BEV或EV)是完全由车载电池提供电力,并由电动机驱动的汽车。它不需要燃油发动机,行驶过程中本身不产生尾气排放,依赖充电桩等设施进行能量补充。
      什么是零排放汽车?零排放汽车是一个环保概念,指车辆在使用阶段不直接排放任何有害污染物的车型。主要包括纯电动汽车和氢燃料电池汽车。一些地区(如美国加州)的政策中,在纯电模式下行驶的插电混动汽车也被计入此范畴。
      什么是概念车?概念车是汽车制造商或设计师用来展示新颖、超前的设计理念、技术探索或未来愿景的车辆。它通常不会直接量产,主要用于探索造型、新科技或环保材料等可能性。
      什么是定期保养?定期保养是根据汽车技术状况变化的规律,在固定的行驶里程或时间间隔(如每1万公里或6个月)执行的预防性维护作业。其核心是通过系统性的检查、更换易耗品(如机油、滤芯)和调整,提前发现并消除隐患,确保车辆安全、可靠并延长使用寿命。
      4S店保养税? “4S店保养税”并非一个独立税种,它通常指车主在4S店支付保养维修总费用时,其中包含的增值税部分。在中国,4S店提供的保养、维修等劳务服务属于增值税应税项目。
      奥迪Q3基础保养,需要多少钱?奥迪Q3在4S店进行一次基础保养(小保养,通常包括更换全合成机油、机油滤清器和基础检查)的参考费用约为760元。需要注意的是,这个价格会因所在地区、具体4S店政策以及所选机油品牌型号的不同而有所浮动。
      
  2. 新建知识库

    • 在扣子平台进入“工作空间” > “资源库”,点击“+资源”选择“知识库”。
    • 填写知识库信息:
      • 名称汽车行业知识库
      • 描述回答汽车行业的知识
      • 导入类型:选择“本地文档”。
        在这里插入图片描述
  3. 上传文档与智能分段

    • 上传准备好的 .txt 文件。
    • 关键步骤:配置分段规则。由于文档用换行分隔,为获得最佳检索效果,选择“自定义”分段方式,并将“分段标识符”设置为“换行”。这能确保每个FAQ条目被独立存储为一个知识片段。
    • 可调整“分段最大长度”、“文本预处理”(如去除冗余空格、URL)等选项优化内容。
      在这里插入图片描述
  4. 预览与扩展

    • 系统处理分段后,可预览分段效果。若不理想,支持重新分段或手动编辑。
    • 可继续为同一知识库添加更多文档(如汽车维修保养知识),以扩充知识覆盖面。
      在这里插入图片描述

🦋1.2 创建工作流框架

工作流用于编排客服问答的标准化流程。

  • 在“资源库”中新建一个工作流
  • 设置工作流信息:
    • 名称faq_online
    • 描述智能客服知识助手
      在这里插入图片描述

🦋1.3 配置工作流节点

搭建一个包含“检索-增强-生成”核心链路的工作流,节点连接顺序为:开始知识库检索大模型结束

  1. 开始节点

    • 配置输入变量,例如命名为 question,用于接收用户的原始提问。
      在这里插入图片描述
  2. 知识库检索节点(核心检索层)

    • 添加“知识库检索”节点。
    • 关键配置
      • 知识库:选择已创建的“汽车行业知识库”。
      • Query(查询):引用开始节点的 question 变量。
      • 搜索策略:推荐选择“混合”搜索,以结合全文匹配与语义理解的优点。
      • 优化选项:建议勾选“查询改写”和“结果重排”,以提升召回结果的相关性。
      • 召回数量:根据需求设置“最大召回数量”,控制送入大模型的上下文量。

在这里插入图片描述

  1. 大模型节点(智能生成层)
    • 添加“大模型”节点,选择 DeepSeek-R1 等模型。
    • 输入配置
      • 将知识库检索节点召回的内容片段作为一个输入(如变量content)。
      • 将开始节点的原始 question 作为另一个输入。
    • 提示词工程(关键):编写用户提示词,精确指导模型如何利用知识库内容进行回答。
      #角色
      你是我的知识库问答助手,以下是我的知识库内容:{{content}}。
      ##任务
      - 基于我的提问从知识库中找到匹配的内容,并进行提炼后回答。
      ##技能
      - 精确理解问题,完全依据知识库内容,给出准确简明的回答。
      ##约束
      - 所有回答务必局限于检索到的信息,严禁自行创作无关内容。
      - 如果未检索到任何信息,则直接回复:“你好,你的问题不在知识库中。”
      ##我的提问是:{{question}}

在这里插入图片描述

  1. 结束节点
    • 配置输出变量(如 output),将其值引用为大模型节点的输出,作为工作流的最终回复。
      在这里插入图片描述

🦋1.4 测试与发布工作流

  • 试运行:点击“试运行”,输入测试问题(如“奥迪Q3基础保养的费用是多少?”)。检查知识库检索节点是否召回正确片段,以及大模型是否依据片段生成了准确、自然的回答。
  • 发布:测试无误后,发布该工作流(如版本号 v0.0.1),使其可被智能体调用。
    在这里插入图片描述
    在这里插入图片描述

🦋1.5 创建并集成智能体

将工作流封装为面向用户的客服机器人。

  1. 创建智能体:新建一个智能体,命名为“汽车行业在线智能客服”。
    在这里插入图片描述

  2. 关联工作流:在智能体编排页面的“技能”区域,添加已发布的 faq_online 工作流。

  3. 设置智能体人设:在“人设与回复逻辑”中编写简洁的提示词,定义其角色并指定所有用户问题均交由关联的工作流处理。

    #角色
    你是一个可以回答汽车行业知识的Bot,可以使用自然语言和客户进行交互。
    ##任务
    - 将收到的问题经过工作流 {{faq_online}} 处理后输出,不要回复其他内容。
    
  4. 最终测试:在预览调试窗口与智能体对话,验证其是否能基于知识库准确、流畅地回答各类汽车咨询问题。
    在这里插入图片描述

🔎2. 企业知识库落地存在的问题及解决思路

在实战中,企业落地知识库应用常面临以下挑战:

问题领域 具体问题 影响 解决思路与建议
1. 知识库构建与维护 数据不完整、更新滞后、格式不统一、业务定义矛盾。 模型检索不准,生成内容与业务实际脱节。 1. 统一标准:与业务方深度确认数据标准与口径。
2. 流程化维护:建立知识入库、审核、更新的SOP。
3. 数据治理:进行清洗、分类、标签化,提升数据质量。
2. 检索与生成精准性 检索结果相关性低;模型对检索内容理解或表达有偏差。 输出质量下降,可能产生误导性回答。 1. 优化检索:调试分段策略、搜索方式(混合搜索)、相似度阈值。
2. 强化提示词:通过提示词严格约束模型“基于检索内容回答”,减少幻觉。
3. 工作流控制:利用工作流节点精确控制检索与生成的逻辑链条。
3. 私有化与定制需求 数据安全敏感,不愿上云;有个性化界面、集成等定制需求。 云端方案受限,个性化需求难以满足。 采用私有化部署方案:如使用开源项目 FastGPT。它提供可视化RAG工作流、支持多模型(包括DeepSeek),并能通过API与企业微信、飞书等内部系统集成,同时满足安全与定制需求。
4. 用户输入模糊性 用户提问模糊、歧义、不结构化。 模型难以理解真实意图,回答偏离。 1. 意图识别:在工作流前端添加意图识别节点,对问题分类。
2. 交互设计:设置引导式提问或多轮对话,逐步澄清用户需求。

总结:通过本案例,你已掌握了利用扣子平台构建专业领域智能客服的完整路径。成功的关键在于构建高质量的知识库、设计精准的检索增强生成(RAG)工作流,并通过持续的测试优化来解决实际落地中的挑战。

【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。