智能客服架构

智能客服系统架构图

智能客服系统的实现多种多样，跟所服务的场景有关，本文总结了一种简单的实现，只保留了最核心的组件，来讲解如何实现一个对话系统的搭建。

Intent & Slot

一个用户的query进来后，首先要进行意图和实体抽取，意图分类用于判断用户的目的，比如是询问怎样下载APP还是询问课程价格，至于询问的是哪个App或者哪个课程，是通过实体抽取来进行的。有了意图和实体信息后，就可以通过一个状态机获取回复了。

DST（Dialogue State Tracing)

DST就是一个有限状态机，定义了在已有状态+某个输入状态下，给出输出+跳转到的状态，可以通过一个简单的规则引擎实现，例如可以定义如下的规则格式：

$$输入状态 & 已有前置条件$$需要不满足的条件$$输出内容 & 执行动作$$跳转到的状态$$规则优先级

该规则可以描述为：

if (输入状态 & 已有前置条件) and not (需要不满足的条件):
    do 输出内容 & 执行动作
    do 跳转到的状态

然后实现一个规则引擎来解析该规则即可。用户的query连同标注id、当前会话状态等信息传入状态机，状态机匹配成功的情况下返回输出给用户的回复内容，并在后台执行相应的动作，比如更新用户的会话状态，以及将有价值的信息更新到CRM系统。一般在DST中添加的规则主要是任务导向的，就是说一些明确的需要完成的任务相关的话术需要在DST进行配置，比如用户询问如何下载APP，引导用户输入姓名手机号，引导用户填写调查问卷等。其他内容比如一些日常聊天相关的内容，或是一些常见的问题回复则放在FAQ里完成。

FAQ

FAQ用于回复一些常见的问题，包括一些日常闲聊的内容，不指向特定用户，属于通用回复。这里常用的方法是问题相似度匹配，如常见的双塔模型+faiss向量召回，同时也需要添加一个规则引擎来处理一些高频或易出错的问题。如果FAQ无法获取置信度高的回复，可以转人工。

在线配置平台

在Intent & Slot、DST、FAQ里都设计到规则引擎的使用，里面的规则需要有动态下发的能力，所以需要有一个在线规则配置平台能实时对规则进行增删改查，这是一个工程问题，需要灵活设计。

定时任务

定时任务模块用于在设定的时间点出发某些动作的执行，比如定期提醒用户上课，定期问候用户等，该模块可以借助消息队列（MQ）实现。

总结

以上就是一个对话系统的核心实现，这个系统可以进行扩展，比如加入分单系统，评价系统等，这些根据需要扩展即可。