答疑类产品是提升用户体验的重要手段，是平台问题的“清道夫”。然而现有的智能化答疑产品，只能解决少量的静态文本匹配类问题，无法处理用户真实遇到的平台问题。才会有著名的“ Gartner：64% 受访者不希望客服系统部署 AI ”事件发生。因此，本次分享重点阐述，我们在研小喵智能答疑的产品实践中，通过主动问题定位、根因分析、问题修复构建的群体智能体，动态化的解决用户问题，提升用户满意度。

演讲提纲

1. 为什么需要答疑类产品

• 用户体验提升、提升服务质量、保持用户粘性
• 我们提供的研发运维产品介绍

2. 当下答疑类产品的主要问题

• 被动式服务
  • 请问您遇到了什么问题
• 隐性知识密集，解决问题成本高
  • 需要一线同学排查
• 纸上谈兵
  • 请您操作下 xxx 

3. 如何利用 LLM 解决现有问题

• 主动服务
  • 环境感知
  • 问题定位
  • 服务自检
• 显性知识挖掘
  • 基于员工业务行为的知识挖掘
  • 领域知识沉淀
  • 领域知识显性化，并指导解决问题
  • 自动修复
• 自助解决问题

4. 下一代智能答疑产品展望

• 多 Agent 驱动的群体智能产品

实践痛点

当前国内可用模型和 GPT 的代差，会造成工程层面大量的补丁工作。

演讲亮点

最真实的 RAG 和 Agent 企业级落地。