下面以一个企业数字化服务的咨询公司的智能客服为例，介绍To B智能客服如何搭建。广义上来说，To C企业的智能客服应用更广，尤其是在售前咨询和售后争议解决方面，在数量级、AI场景丰富程度、SOP流程上都有更广的空间，但由于过往经验的限制（主要是知识库数据隐私限制），目前仅以To B企业数字化服务的咨询公司的智能客服来举例说明。除了COZE外，Dify也是一个很好的低代码的智能客服搭建工具，‌另外，‌LangChain‌和Ollama也是非常主流的应用开发框架或本地化 LLM 部署工具，并且可以搭配使用，Dify和Ollama的集成可以实现本地化部署与隐私保护，本次不做过多的技术选型讨论，下面是基于COZE的搭建流程说明（由于本人最近有点忙，这个智能客服的工作流和知识库还在迭代中，虽然已经接入本微信公众号示例，但是精细化程度估计不足，大家图个乐子，别当真，本人也没有公司提供相关产品，哈哈哈）。

第一步：点击官网，并进行注册

第二步：选择模式（单/多agent）

第三步：配置对话流

这一步是智能客服智能体里面的重要设置环节，通俗的来说，你可以配置流程，设置提示词，配置角色名称、角色设置、开场白。也可以设置调用的组件，其中知识库中，除了可以根据行业、产品、用户、业务场景、客服场景设计相应的内容，也可以设置召回量，最小匹配度等。

第三步：配置对话流 这一步是智能客服智能体里面的重要设置环节，通俗的来说，你可以配置流程，设置提示词，配置角色名称、角色设置、开场白。也可以设置调用的组件，其中知识库中，除了可以根据行业、产品、用户、业务场景、客服场景设计相应的内容，也可以设置召回量，最小匹配度等。 对于目前agent模式尚未实现，更多是是LLM的工作流形式，主流的workflow有以下几种形式，供大家参考，根据需要选择。 个人觉得路由器在智能客服分流上可能较为匹配，有较强的适用性。

1、链式工作流（Chain Workflow）模式：第一，每个大语言模型的调用顺序是固定的。第二，链式工作流上一个步骤的输出结果，作为下一个步骤的输入。

2、并行化工作流（Parallelization Workflow）模式：第一，同时调用多个大语言模型，并行处理，这些调用可以同时进行，无需等待其他大语言模型调用完成。第二，输出结果前，采用聚合器，整合之前调用多个大语言模型。

3、路由工作流（Routing Workflow）模式：第一，先由路由器判断任务分配给哪个大语言模型，路由器根据输入数据的特征、内容或其他相关因素，决定将数据发送到哪个大语言模型。第二，大语言模型根据路由器分配，处理相关任务。

4、编排器-工作者（Orchestrator-Worker）模式：并行化工作流和路由工作流的结合。第一，编排器分配任务给不同的大语言模型。第二，合成器将不同LLM调用的结果进行综合处理，生成输出。

5、评估器-优化器（Evaluator-Optimizer）模式：第一，生成器生成结果，评估器给出迭代优化策略。第二，生成器和评估器互相配合，持续优化，输出最优结果。

提示词工程这里说人话就是帮助机器更好的理解你的问题你的情景你要解决的问题你要了解的信息，你可以通过提示词，决定你的客服是活泼的、理性的，回复是简洁高效还是全面严谨，设置她的回复偏好等等。下面是现在较为主流的提示词工程模型：

1、ICIO 框架：

• Intruction（任务）：明确指出希望 AI 执行的具体任务，如“翻译一段文本”或“撰写一篇关于 AI 伦理的博客文章”。

• Context（背景）：提供任务的背景信息，帮助 AI 理解任务的上下文，例如，“这段文本是用于公司内部会议的开场白”。

• Input Data（输入数据）：指定 AI 需要处理的具体数据，如“请翻译以下句子：‘人工智能正在改变世界’”。

• Output Indicator（输出格式）：设定期望的输出格式和风格，例如，“请以正式的商务英语风格翻译”。

2、BROKE 框架：

• Background（背景）：例如，“你正在为一家初创科技公司撰写一篇关于其最新产品的新闻稿。”

• Role（角色）：指定 AI 作为“新闻稿撰写者”，以便它能够以专业的角度回答问题。

• Objectives（目标/任务）：给出任务描述，如“撰写一篇吸引人的新闻稿，突出产品的独特卖点。”

• Key Result（关键结果）：设定回答的关键结果，例如，“使用正式和专业的语言，包含产品的主要功能和市场定位。”

• Evolve（改进）：在 AI 给出回答后，提供三种改进方法，如“调整语言风格以吸引目标受众”，“增加产品使用案例”，或“优化结构以提高阅读流畅性”。

3、CRISPE 框架：

• Capacity and Role（角色）：明确 AI 在交互中应扮演的角色，如教育者、翻译者或顾问。

• Insight（背景）：提供角色扮演的背景信息，帮助 AI 理解其在特定情境下的作用。

• Statement（任务）：直接说明 AI 需要执行的任务，确保其理解并执行用户的请求。

• Personality（格式）：设定 AI 回复的风格和格式，使其更符合用户的期望和场景需求。

• Experiment（实验）：如果需要，可以要求 AI 提供多个示例，以供用户选择最佳回复。

另外，召回量和调用的模型组件也可以根据自己的需求设置，说人话就是在召回量设置上越大，客服回复的字数通常会更多。调用模型组件越多并不是最好的，可能出现精准度不足的问题，带来幻觉问题，并且影响检索效率，出现回复时效较慢的情况。 这里值得注意且深度探索的还有业务逻辑、会话管理、知识库等设置和配置，即积木组件有了，搭成什么样的城堡，完全由我们自主决定。

第四步： 设置记忆 你可以设置变量，让回复基于用户特征，更加个性化；设置数据库；选择是否采用长期记忆

第五步：测试调优，与发布

第六步：和微信公众号等外部应用链接API（可选）

零基础如何高效学习大模型？

你是否懂 AI，是否具备利用大模型去开发应用能力，是否能够对大模型进行调优，将会是决定自己职业前景的重要参数。

为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和鲁为民博士系统梳理大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！