一、项目背景

客服团队每天要接几万通会话，对话一长，转给人工的时候坐席得从头看，客户还得重复说一遍问题。更要命的是工单，坐席要在十几个字段里手填：客户类型、问题分类、订单号、优先级、处理建议，填一次少说两三分钟，忙起来关键信息就漏了。我们接手前，工单字段空缺率长期在 30% 以上，后端处理同事抱怨收到工单跟没收到一样，还得回头找客服问。更糟的是，高峰时段坐席为了赶量，工单填得越来越敷衍，后端投诉工单质量的单子比业务工单还多，整个链条都在互相埋怨。

二、落地场景

我们在会话结束的节点接了一个摘要服务：对话一结束，模型就把整段聊天压缩成结构化摘要，提取客户意图、关键诉求、已确认的信息、待办动作。人工坐席接管时，工作台直接显示摘要，不用再翻聊天记录。同时，摘要里的实体（订单号、产品名、问题类型）自动映射到工单模板，生成预填工单，坐席只改要改的、补要补的，点确认就提交。新人也不用再背字段含义，系统替他读懂了会话。对于纯咨询类会话，摘要还会顺手给出知识库参考链接，坐席一点就能用，响应速度又提了一截。

三、关键技术挑战与解决思路

摘要不是简单浓缩。第一，要准，订单号、金额这类实体不能瞎编；第二，要可溯源，摘要里每句话最好能对应到原文；第三，要分场景，售前咨询和售后投诉的摘要模板完全不同。我们采取抽取加生成两段式：先用 NER 把订单号、时间、产品名等硬实体抽出来保证不编造，再用模型生成自由文本摘要，最后用规则把硬实体回填进对应字段。工单预填则做成模板驱动的映射，不同业务线配不同模板，字段映射关系在管控台可视化维护。为防止模型幻觉，所有生成字段都带置信度，低于阈值的标灰让人工确认，绝不直接落库，这一步把错填挡在了提交之前。

四、效果数据

上线约五个月，工单字段自动预填覆盖率达到 85%，字段空缺率从 32% 降到 6%。坐席单次工单填写时间从平均两分半压到四十秒左右。会话转人工后客户重复描述问题的投诉下降明显，相关满意度评分有可见回升。模型摘要对订单号、手机号等硬实体的抽取准确率在内部测试集上达到 96% 以上，幻觉导致的错填每月不超过五例。后端处理同事拿到的工单，可用率从原来的七成提到九成五，退回重填的工单量下降约七成，他们终于不用再当客服的校对员了。

五、可复用经验总结

摘要服务最该花心思的地方不是模型多强，而是边界划在哪。我们一开始想让模型直接出完整工单，结果它偶尔把客户随口说的可能要退款写成确定动作，闹过一次误会。后来改成模型只提建议、人工拍板，把生成内容全部降级为预填草稿，体验反而更好。硬实体一定要走抽取不走生成，这是踩了几次幻觉坑换来的教训。模板驱动比端到端生成稳，每个业务线差异大，但模板化之后加新场景也就是配一张映射表的事，接入一个新业务线从两周缩到两天，边际成本越来越低。

结语

回过头看，摘要和工单预填最值钱的不是省了多少填写时间，而是把客服的注意力从机械抄录挪到了解决问题上。我们上线后收到坐席反馈，说终于不用边听客户抱怨边手忙脚乱找字段了。这个项目里我们踩过最实在的坑，就是一开始太信任模型，让它直接出完整工单，结果闹了误会，后来改成预填草稿才把人和系统的边界厘清。现在复盘，最大的收获是组织层面的信任，业务和技术的配合因为这件事顺了很多，后续推别的智能化工具阻力也小了。下一步打算把摘要往售前导购侧推，让导购一开口就看到客户历史偏好，模型偶尔抽风我们也在持续盯着，但方向我们认，这套能力沉淀下来之后新业务线接入基本是配置化的事。

把这套能力开放给生态合作伙伴之后，我们也在考虑反向输出接入标准，让后来的接入方少走我们踩过的弯路，这件事眼下已经在两个试点客户那里跑起来了，反馈比预期好。

案例片段（已脱敏）： 一段售后会话原文约一千二百字，客户穿插描述了下单时间、收货异常、两次换货经历。摘要服务先抽取出订单号 SO2026xxxx8821、产品 SKU、异常类型物流破损，再生成摘要：客户于月初下单，收货发现外包装破损，已换货两次仍未解决，诉求为退款并补偿。工单预填自动写入问题分类=售后-物流、优先级=高、关联订单=SO2026xxxx8821。坐席复核仅用三十五秒即提交，较此前手动填写快约两倍，且未遗漏客户提到的再次换货时间这一关键字段，后端据此直接启动了赔付流程。