用便携技能实现极简智能体 RAG：客服场景部署案例研究

查看 PDF HTML（实验性）

摘要：企业工作流自动化通常需要针对特定场景或请求，从大型运营文档语料库（SOP、政策文档）中检索出一套完整且准确的相关信息。例如在客户支持（CS）中，人工专家必须为每个案例确定正确的解决步骤顺序，这项任务要求对政策文档进行精确的落地依据。在生产环境中达到这一标准通常需要复杂的文档分块、索引和检索流水线，往往还叠加了学习式重排序器、查询改写器以及定制的智能体 RAG 基础设施。
我们报告了一个更简单替代方案的部署案例研究：一个可移植技能，由自然语言指令、轻量级工具（一个检索 API、格式检查脚本）以及一个用 LLM 生成的导航层增强的语料库组成，该导航层是底层文档之上的结构化“维基百科式”索引。这种智能体 RAG 方法实现起来很直接（1-2 个工程师日），可跨有能力的智能体框架（例如 Claude Code）移植，并在 CS 解决工作流生成这一具有挑战性的任务上表现强劲，达到与人工批准的基准真值 99.2% 的流程等价性和 83.3% 的证据充分性。它每个案例的处理速度也比我们已部署的生产助手慢大约一个数量级（约 90 秒 vs. 约 8-9 秒），因此我们不声称具有延迟优势。我们的主张仅限于该场景：成熟、精心整理的语料库、可容忍延迟的工作流，以及对每个案例的人工审核。在那里，该技能完成了复杂 RAG 栈的工作，而维护变成了编辑文本和数据的问题，而不是重新训练模型。

提交历史

来自：Istok Bako [查看邮箱]
[v1] 2026年10月10日星期六 00:49:01 UTC（29 KB）