专题演讲嘉宾：李克华

淘宝闪购业务增长背景下，骑手履约过程中存在卡点、难点问题，影响骑手履约效率与体验，从而导致体验与效率类 CPO 工单增加。本次分享将重点介绍：使用 AI 知识库构建问答助手，解决业务规则咨询问题，降低咨询类 CPO 工单；通过构建业务 SubAgent 解决高频、复杂问题的解答等难题；以及通过平台建设提升 SubAgent 研发效率。

演讲提纲

1. 困境：淘宝闪购业务增长，物流履约订单增多；履约链路复杂，骑手履约卡点多，作业&体验类 CPO 工单增多。
2. 破局：基于知识库 + RAG 解决通用业务规则咨询，降低咨询类 CPO 工单；构建 Agent/Workflow 解决骑手履约高频问题与复杂问题；通过平台建设提升研发效率。
3. 实战：通过知识库 + RAG 提升业务规则答疑准确率，并解决知识覆盖率与时效性问题；通过“骑手万能客服”（SubAgent）建设，高效解决骑手履约链路高频问答与复杂问题解答；技术能力下沉，以平台赋能淘宝闪购物流全域业务。
4. 落地效果。
5. 未来规划：在兼顾 RT 不劣化的前提下，探索使用 Agentic RAG 提升问答效果；构建骑手主动服务 Agent，预测潜在问题并前置干预（如即将超时主动提醒）；构建自进化 Agent/Workflow 能力。

这样的技术在实践过程中有哪些痛点？

• 服务性能、模型性能的 trade-off；
• 平台易用性、通用性、可定制化的 trade-off。

演讲亮点

• 结合物流骑手端场景，构建业务知识智能问答能力，使答疑能力达到行业水准（Advanced RAG → Graph RAG → Agentic RAG）；
• 攻克知识库 & Agent 平台建设中通用性与定制化之间平衡等技术难题。

听众收益

• 企业知识库落地与平台化建设经验；
• 如何构建贴合业务、支持深度定制、能力对标行业前沿的 Agent 平台；
• 如何系统性解决企业大模型应用落地中的多类痛点问题。