随着线上咨询业务量持续增长,传统人工客服存在人力成本高、无法 7×24 小时响应、咨询答复标准不统一等痛点。为提升客户服务效率,本项目立项开发东北证券智能 AI 客服助手。项目目标依托知识库实现智能问答,分担大部分常规咨询工作,支持 AI 与人工无缝切换,同时支持网页端与企业微信多渠道接入,降低客服运营成本,提升客户咨询体验,实现咨询数据可视化统计分析。
系统主要分为客户聊天、后台管理、座席助手三大核心模块。客户聊天模块面向咨询用户,提供 AI 智能问答、一键转人工、会话记录查看能力;后台管理模块面向管理员,实现分类管理、知识库维护、多格式文件批量导入、会话数据统计分析;座席助手模块服务人工客服,支持知识库快速检索、历史会话查阅、快捷回复模板管理,同时可对接企业微信实现外网渠道业务接入。
业务流程:用户通过网页或企业微信发起咨询请求,系统对问题进行分词、加权匹配知识库,匹配成功则自动返回对应答案;若匹配度达不到阈值,触发转人工流程,会话流转至座席工作台。座席可检索知识库、使用快捷回复完成应答。管理员在后台维护知识分类,批量导入业务问答素材,查看会话量、热门问题、AI 解决率等统计数据,持续迭代优化知识库内容。
本系统采用**前后端分离**架构,分为用户前端层、后端服务层、数据存储层三层设计。整体以高解耦为设计思路,各模块独立开发,通过 RESTful API 与 Socket.IO 实现数据交互。前端使用 Vue2.6+Element‑UI,分别开发客户聊天、后台管理、座席助手三个子系统;后端基于 Node.js+Express 搭建 API 服务,借助 Socket.IO 完成 WebSocket 实时消息通信;数据库选用 MySQL 5.7/8.0 存储分类、知识库、会话记录等业务数据,同时集成 XLSX、Mammoth 实现多格式文件解析导入。
本人主要负责后台管理模块与知识库业务开发,完成分类增删改查、知识库 CRUD、Excel/Word/PDF 批量导入功能,实现文件解析入库;完成数据统计接口开发,输出会话量、AI 解决率、热门问题等统计指标,共开发接口 14 个,导入功能支持 4 种文件格式,单批次最多可导入 500 条知识数据,统计图表可直观展示 7 天咨询变化趋势。
开发过程遇到两大难点:一是多格式文件导入时文档格式混乱导致解析失败,通过增加格式校验、过滤空行脏数据、统一字段映射规则解决;二是 AI 问答匹配效果差,关键词、标题权重分配不合理,通过设计加权匹配策略,设置关键词 40%、标题相似度 30%、内容匹配 30% 权重,提升问答准确率;另外 WebSocket 消息偶现丢失,增加消息回执与异常重发逻辑,保障会话消息稳定推送。