京东言犀怎么用？智能客服与数字人

AI 客服能不能省下人力，答案通常不在模型，而在两件事：知识库整理到什么程度，转人工的线画在哪里。京东言犀把这套顺序做成了企业产品，含智能客服、数字人、智能外呼与智能体平台四块。它面向企业采购，不是装上就能用的个人应用，先想清楚要被接走的是哪一段工作量。

先分清哪类问题值得交给机器

客服对话里混着三类内容：规则明确的重复问题、要查系统状态的个性问题、带情绪的争议问题。言犀的强项集中在重复问题，个性问题能接住一部分，争议问题基本要人。判断标准很直接：新人培训三天能照着话术答的，可以进知识库；需要临时查单、改地址、批退款的，该做成调用业务系统的任务型对话，而不是写一条长答案。

把“我的快递到哪了”写成一段物流流程说明，用户问十次有十次不满意，因为答案里没有他的单号。任务型对话反过来：先要单号、调接口、按状态分支回答，话短，但每条都对得上人。

知识库的结构比条数重要

多数项目卡在知识库：几千条问答堆在一起，问题重复、口径不一、答案里还留着旧价格。能用的知识库分三层：问答对覆盖高频，文档知识放政策与说明书原文供检索，业务规则写清什么条件转人工、什么条件赔付。三层各管一件事，别混进同一个文档。

写问答对时一条只解决一个问题。把“退货、换货、运费谁出”塞进一条，检索命中后只能挑一部分答。答案压在三句内：开头给结论，第二句给条件，第三句给下一步。不同品类、不同会员等级口径不一样的，拆成独立条目，别用“一般情况下”糊过去。

现成的客服话术可以直接改造成问答对，动作参考官方提示词库的改编方法：保留业务事实，换掉语气和结构，补上转人工条件。

转人工的四个触发条件

阈值不能凭感觉定，可落地的做法是四条并行：意图置信度低于设定值、连续两轮未解决、出现投诉退款人工等关键词、情绪判定为负。前两条靠模型打分，后两条靠规则和情绪识别。置信度这条可以先设高，用一周真实会话回看，再逐档下调，具体做法见置信度阈值怎么定。

转接要带上下文：问了几轮、确认了什么信息、机器给过什么承诺。缺了这段，用户得把话重说一遍，体验比直接排队更差。

数字人和外呼不是同一类工具

数字人解决“要有人出镜但没人愿意出镜”的场景：凌晨直播间、门店导购屏、产品讲解视频。成本结构是前期建模加长期复用。智能外呼解决“要打很多通电话但内容高度重复”的场景：发货通知、预约提醒、满意度回访。两者共同的软肋是脚本，念错价格、说错活动时间，都是变量没锁死。上线前把姓名、单号、金额、时间抽成变量单独校验，比反复调形象有用。

需要跨会话记住老客户信息的，可以把摘要写进外部数据库，思路与用数据库记住用户信息一致：模型负责说，数据库负责记。

四类场景的落地对照

表的用法是拿到需求先对号入座，再看“判断标准”那一列，决定要不要继续投入。

上线后盯四个数

别只看机器人回了多少条。首轮解决率、转人工率、平均会话轮次、重复进线率这四个更有用：首轮解决率低是答非所问，转人工率高是阈值太松或知识缺口大，轮次多说明答案没给下一步，重复进线率高说明问题只是被关掉、没被解决。

每周抽三十条转人工会话回听，比看报表有效。里面通常藏着三类问题：知识库没有的、有但检索不到的、检索到了但过时的。

它做不到什么

它接不住情绪。用户已经在气头上，机器再准确也像敷衍，越早转人越好。它改不了系统：退款、改单、赔付要业务系统开接口，接口没有就只能答不能办。它也不会自己发现知识过期，价格、活动、政策变了要有人同步。

数字人长时间直播的口型和表情会漂移，复杂手势与走动容易失真；外呼受线路与当地规范约束，接通率和可呼时段不由工具决定。这些是场景边界，调参解决不了。

上线前速查

• 知识库分三层：问答对、文档、业务规则
• 一条问答只解决一个问题，答案三句内
• 转人工四条件：低置信度、两轮未解、关键词、负情绪
• 转接必须带上下文，别让用户重说
• 每周抽三十条转人工会话回听

三个容易被问到的问题

问：整本产品手册能直接灌进去吗？答：能灌，但效果取决于切分。按章节切，每段带标题；表格抽成结构化条目。整本丢进去，模型容易把不同型号的参数混在一起。

问：数字人能不能替真人主播？答：标准化讲解、夜间时段、多平台同时开播可以；需要实时互动和临场应变的场次不行。常见用法是真人为主、数字人补时段。

问：外呼被标记骚扰怎么办？答：控频次、给明确的退出方式、只在有业务关系的时段呼出。这三条是运营纪律，工具不负责。