别一上来就搞大模型：智能客服MVP，我只做这三件事

很多团队做智能客服，上来就想着微调千亿大模型、搭建复杂的Agent框架。结果三个月过去了，连”查订单”都经常答错。作者用一个零食连锁的真实案例说明：从0到1落地智能客服，最核心的不是模型，而是场景聚焦、知识结构化、系统闭环。

核心观点

1. 智能客服MVP不要一上来就搞大模型：团队最初选大模型搭全能对话Agent，两个月后demo连”查订单”都答错——模型只会话术不能调接口。问题在于贪大求全，忽略了场景聚焦、数据准备和系统对接（来源：翻车案例）。

2. MVP只做三件事：知识结构化 + 轻量级NLU + 系统闭环：选了三个高频场景（查订单物流、查会员积分、申请退款），目标是100%自助解决。第一件事是把FAQ和SOP写成结构化文档；第二件事是用大模型做意图识别+槽位填充（NLU），输出JSON而非生成回复；第三件事是接入订单/会员/退款API形成闭环——“能办事才是客服”。

3. 大模型只做NLU翻译层，确定性流程用代码：通义千问负责把用户自然语言翻译成结构化JSON指令（意图+槽位），然后轻量级状态机决定下一步动作——直接调API或追问信息。大模型生成回复不可控、延迟高、成本高，而NLU方式延迟200ms、每万次1.5元、可控可靠。

4. 模型选型标准：够用、快、便宜、安全，而非最强：通义千问意图识别准确率92%（vs GPT-4 97%），但延迟200ms（vs 800ms）、成本1.5元/万次（vs 12元）、支持私有部署。对NLU这类结构化任务，MVP阶段不需要最强模型。

5. 迭代方法论：小范围测试→收集badcase→每周迭代→核心指标监控：从50%自助解决率起步，三个月提升至80%，人工客服提效50%。监控指标聚焦意图命中率、自助解决率、转人工率。

6. MVP的局限坦诚面对：单意图模型无法处理多问题、情绪识别缺失、非标品问答需要商品数据库、超长上下文状态机记不住——这些问题在后续迭代中逐步解决，但MVP阶段不需要。

实操内容保留

Prompt模板：意图识别+槽位填充

将用户问题 + 预定义的意图列表 + 槽位定义打包成prompt，让大模型输出JSON：

输入示例：“薯片碎了，订单号12345，我要退款”

模型输出：

{
  "intent": "apply_refund",
  "slots": {
    "product": "薯片",
    "issue": "破损",
    "order_id": "12345"
  }
}

SOP流程示例：退款标准操作流程

退款流程：
1. 获取用户订单号
2. 调用订单接口判断订单状态（是否可退）
3. 根据退款原因（破损/漏发/不喜欢）走不同审批流
4. 调用退款接口执行退款
5. 返回结果给用户

FAQ模板结构

问题模板：["订单到哪了", "物流状态", "发货了吗"]
标准答案：您的订单当前在【XX】仓库，物流单号【XXX】，点击链接查看实时轨迹。

模型选型对比维度

维度	通义千问	GPT-4	评估
意图识别准确率	92%	97%	GPT-4更高但不显著
推理延迟	200ms	800ms	通义千问4x更快
每万次调用成本	1.5元	12元	通义千问8x更便宜
数据安全	私有部署	境外API	通义千问更安全
中文支持	原生	通用	通义千问更贴近

关键概念

• 智能客服（新实体）：基于NLU+API闭环的客服系统
• 意图识别（新实体）：NLU核心技术，将用户自然语言映射到预定义意图
• 通义千问（新实体）：阿里云大模型，在NLU任务中性价比突出
• MVP：此次的智能客服MVP实践是MVP方法论在B端场景的典型应用
• 对话管理器（状态机）：根据意图和槽位决定下一步动作

与其他素材的关联

• 与 2026-05-23-woshipm-enterprise-ai-implementation-methodology 形成呼应：该文强调企业AI落地要”先找小而痛的场景”、“用现有工具轻量落地”，本文的智能客服MVP正好是这一方法论的具体案例——选了三个高频场景（小而痛），用通义千问+状态机（现有工具），三个月跑通
• 与 2026-05-23-woshipm-sop-as-cot-agent-clone-expert 在”SOP驱动AI”思路上一致：该文提出SOP即思维链，本文的FAQ+SOP文档正是将业务知识结构化喂给AI的前提
• 与 MVP 实体互补：本文提供了MVP方法论在AI客服B端场景的实战应用，补充了”场景聚焦、知识结构化、系统闭环”三步走框架

原文精彩摘录

模型再强，没有业务知识和执行能力，就是个会聊天的花瓶。

我们只需要它做”翻译”——把用户的话翻译成结构化的指令，剩下的交给确定性代码执行。这样既发挥了LLM的理解能力，又保证了可靠性和实时性。

智能客服的0-1落地，不是模型选型竞赛，而是场景聚焦、知识结构化、系统闭环的三步走。别贪大：先选3个高频标准化场景。别迷信模型：大模型只做NLU，确定性流程用代码。别跳过系统对接：能办事才是客服，不然只是话术机器人。

相关页面

• 智能客服
• 意图识别
• 通义千问
• MVP
• 企业AI落地
• RAG 知识库