解决方案

通过 Amazon Bedrock 调用 Claude 3 模型识别用户意图，利用 Amazon Bedrock 知识库精准搜索

华宝新能的客服团队通过综合客服系统管理来自聊天框、短信、邮件、社交媒体、站内信等各类渠道的海外用户咨询，但在使用中遇到 2 个限制：1）当前该客服系统不支持自定义，比如客服人员需要对用户咨询打上标签用作运营分析，但该系统不支持自定义用户意图标签；2）该系统仅能基于当前客服系统供应商生态系统内的知识和数据生成内容，若要用到其它知识，只能由华宝新能在系统中配置帮助中心并上传内容，然后才能基于帮助中心的内容来生成回复。总之，在客服面对海外用户咨询时，需要系统支持可定制交互和自动基于扩展内容生成答复，当前系统距离此要求尚存在差距。

准确地识别意图对客户服务至关重要。亚马逊云科技在该客服系统上进行扩展，帮助华宝新能面向其海外业务开发了一套插件，该插件根据工单咨询内容，通过 Amazon Bedrock 调用 Claude 3 模型，基于大语言模型的强大能力，匹配客服管理团队预置的用户意图列表，并根据工单属性和意图识别该咨询属于售前、售后或复购等。基于亚马逊云科技 Amazon Bedrock 知识库，华宝新能还可以根据需要自定义标签体系，对用户咨询打上精准标签。客服管理团队可以基于意图配置不同的提示词，通过提示词对大语言模型生成的内容进一步优化。客服人员只需准备好知识文档，注入知识库，其余诸如文档分块、Embedding 计算、数据存储等繁重工作，全部由 Amazon Bedrock 知识库自动完成。将知识库与客服工作台对接后，客服团队可以通过 Amazon Bedrock 知识库高效利用知识库档实现精准搜索，快速获取所需信息，在生成的标准回复内容上根据需要进行有感情的语言润色，为海外客户提供更优质的服务。

相比于华宝新能自建知识库，采用 Amazon Bedrock 知识库具有诸多优势：

Amazon Bedrock 知识库开箱即用，还可利用 RAG（Retrieval-Augmented Generation，检索增强生成）技术将基础模型与华宝新能内部数据源无缝集成，简化传统 RAG 实施的复杂流程；华宝新能只需要将文档放到指定数据源后进行同步，Amazon Bedrock 知识库就会自动构建，并提供 API 以检索相关结果并生成增强响应，大幅节省开发时间和投入；

Amazon Bedrock 知识库内置了会话上下文管理，让客服人员轻松支持多轮会话，还允许客服人员从单个文档中提出问题并汇总数据；

Amazon Bedrock 知识库可无缝与 Amazon Bedrock 安全围栏集成，对用户的输入和模型的输出进行多维度的内容安全过滤，帮助华宝新能打造更安全的知识库。

利用生成式 AI 识别内部匮乏内容，让客服人员在与用户的交互中便捷反馈，丰富和沉淀知识库体系

华宝新能当前客服系统中的知识库内容较为有限，产品和业务的知识储备不够丰富，大语言模型基于此生成的答案，可能无法有效满足用户咨询的情况。

为此，华宝新能携手亚马逊云科技，在现有客服系统咨询系统上开发并集成了 Amazon Bedrock 知识库插件，为客服人员提供了反馈入口。客服人员收到海外用户咨询后会自动触发一个动作，系统将获取用户问询并识别用户意图，然后基于意图检索知识库，通过 Amazon Bedrock 在知识库中检索生成问询答复。

客服人员通过边框提示便捷查看生成的答复，判断该答复内容属于可直接采用、不适合或需要优化等；对于可直接采用的内容，客服人员将直接用该内容回复用户咨询；对于不适合或需要优化的内容，客服人员可通过反馈入口便捷反馈意见，系统将自动记录客服选择了哪个选项，并将客服反馈意见记录存储在后台。

客服团队专门负责知识库优化的人员基于后台记录，识别哪些内容需要更新或优化，并判断需要更新的方向如知识欠缺、知识老旧等，进行针对性优化，从而提升知识库的丰富性、及时性和准确性。因此，华宝新能借助生成式 AI，通过检索回来的内容反向判断内部知识库的丰富程度，进而识别哪些知识模块亟需补充和更新知识；再利用生成式 AI 在客服人员与海外用户的交互中丰富内容，补充上传公司相关信息和知识，如官网活动信息、客服的邮件模板等，通过多次聚合沉淀出更丰富、完整的知识库体系。