在汽車售后服務領域，AI智能體的應用正帶來一場效率和專業(yè)度的革命。本文深度解析了一個AI智能體在To B領域的實際應用案例，介紹了AI智能體如何通過提升服務顧問和維修技師的專業(yè)度及維修效率，優(yōu)化汽車售后服務流程。

上周我分享了AI智能體+AI小程序To C的AI應用場景《1000%增長！我僅用一個小時搞定！AI智能體+AI小程序=MVP王炸組合！》，這次我分享下AI智能體在To B的應用案例，這個智能體是我在參加火山引擎首屆 AI 創(chuàng)造者大賽的參賽作品，比賽主題是汽車行業(yè)專場，一共有三個賽道，分別是座艙、營銷、售后，這個AI智能體是解決售后服務效率問題，最終獲得了售后賽道的第二名，希望這個工作流思路分享出來可以給大家一起啟發(fā)。

一、業(yè)務介紹

該Bot針對汽車售后場景，為服務顧問和維修技師提升專業(yè)度和維修效率：

主要從3個方面去提升：

1. 服務顧問：缺少專業(yè)知識，無法提前協(xié)助車主評估車輛問題，并反饋標準化解決方案
2. 維修技師：車輛檢查和車輛故障分析依賴技師經(jīng)驗水平，缺少輔助分析的工具，缺少直觀的輔助指引
3. 文檔標準：維修方案由技術支持人工編寫，輸出標準無法保障

二、功能介紹

1. 解答問題

??當用戶提出問題，它如一位專業(yè)的售后顧問，通過詢問細節(jié)給出初步判斷，涵蓋問題原因、維修方向、價格與時間預估。接著，轉變?yōu)榧夹g維護人員角色，分析問題原因，列出具體檢查步驟，等待工程師反饋結果后，給出精準解決方案及操作視頻。

2.文檔輸出

??問題解決后，生成維修報告給到用戶，以及案例歸檔文檔，這不僅僅是一份記錄，更是寶貴的經(jīng)驗積累。將其存入 AI 知識庫，猶如為智能體打造了一個不斷成長的大腦。每一次的診斷經(jīng)驗都成為知識庫的一部分，讓我們在面對新問題時，能迅速查詢過往經(jīng)驗數(shù)據(jù)庫，提供更專業(yè)、更有經(jīng)驗的回答。

3. 智能錄入

??AI 知識庫功能強大，不僅支持單獨文本錄入還支持鏈接錄入。通過識別一篇文章，能智能解析分解出多個知識點并錄入知識庫。對歸檔文檔的解析錄入，進一步豐富了知識庫的內容。

?讓每一次與用戶的互動都是一次成長的機會，讓我們攜手共進，為汽車售后行業(yè)帶來全新的高度，為車主提供更優(yōu)質、更高效、更貼心的服務，開啟汽車售后的智能輝煌時代！

三、拆解分析

從業(yè)務上一共分為兩個角色，所以工作流可以分角色設計：

1. 服務顧問

主要負責接受用戶問題進行追問，然后根據(jù)用戶回答去搜索知識庫和數(shù)據(jù)庫然后再做一個初步診斷。

整個工作流相對簡單，共11個節(jié)點：

• 大模型節(jié)點x2
• 問答節(jié)點x1
• 數(shù)據(jù)庫節(jié)點x1
• 知識庫節(jié)點x1
• 消息節(jié)點x6

當用戶提出問題的時候，需要對這個問題進行分析，在此放一個實時輸出的消息節(jié)點，避免讓用戶等待。

售后服務顧問提示詞

當需要用戶回答問題的時候使用問答節(jié)點，然后回答之后去搜索知識庫和數(shù)據(jù)庫相關問題的解決方案。

然后再根據(jù)用戶的回答以及搜索到的相關解決方案去做一個初步評估方案，因為有可能數(shù)據(jù)會比較多，大模型推理時間較長所以在之前加了一個加載動畫。

初步診斷提示詞：

顧問流程就結束了，接下來就把這個階段收集到的信息（客戶問題，顧問提問，客戶回答）傳遞出去給到維修技師。

2. 維修技師

根據(jù)問題進行拆解分析可能出現(xiàn)故障的排查方案，然后根據(jù)排查結果搜索具體解決方案和操作視頻，當操作結束后詢問用戶是否需要生成文檔，生成文檔（維修報告、案例歸檔）然后再生成下載文件，案例歸檔入數(shù)據(jù)庫。

整個工作流相對復雜，共41個節(jié)點：

• 大模型節(jié)點x5
• 問答節(jié)點x3
• 數(shù)據(jù)庫節(jié)點x3
• 知識庫節(jié)點x2
• 搜索引擎節(jié)點x2
• 意圖識別x1
• 插件節(jié)點x3
• 選擇器x1
• 消息節(jié)點x23

當接受到問題后先會對知識庫、數(shù)據(jù)庫、搜索引擎進行搜索再給一個加載動畫，因為下個節(jié)點是大模型節(jié)點比較費時：

搜索完成后給到結果到大模型進行方案輸出排查方案：

檢查方案提示詞：

給出方案后等待技師輸入檢查結果，在這里我處理了兩種情況：

1. 找到具體原因
2. 沒有找到原因

找到解決方案根據(jù)提問去搜索知識庫、數(shù)據(jù)庫、搜素引擎、抖音視頻，再給一個加載動畫，因為下個節(jié)點是大模型節(jié)點比較費時。

如果沒有找到原因繼續(xù)再去找一遍（提示詞同上）

然后根據(jù)排查原因輸出解決方案和抖音視頻，這里還做了一個選擇器判斷：

有視頻就顯示視頻列表（顯示用到了卡片）

沒有視頻顯示提示“很抱歉，目前沒有找到完全符合你搜索需求的內容呢。”

輸出完解決方案后需要讓用戶確認是否生成文檔，如果不需要直接結束，需要走文檔生成流程再給一個加載動畫，因為下個節(jié)點是大模型節(jié)點比較費時。

由于文檔中需要有時間所以新增了獲取時間的插件，生成完內容后還調用了生成文檔插件輸出下載地址。

維修報告提示詞：

這樣的報告不僅提供了所有必要的信息，而且格式清晰，易于客戶快速理解維修的內容和結果，輸出完維修報告后接著輸出案例歸檔文檔。

歸檔文檔提示詞：

歸檔文檔輸出完成后同時生成在線文件以及錄入數(shù)據(jù)庫

整個業(yè)務流程就結束了。

3. 手動入庫

上面提到了每次案例都會入庫，除此之外還支持直接輸入文本或者鏈接解析智能錄入功能。

這個手動入庫流程復雜度一般，，共26個節(jié)點：

• 問答節(jié)點x5
• 大模型節(jié)點x2
• 循環(huán)節(jié)點x2
• 插件節(jié)點x1
• 數(shù)據(jù)庫x3
• 選擇器x2
• 文本處理x1
• 消息節(jié)點x10

通過關鍵詞「set」進入工作流，三選一菜單，接下來我們一個一個說

文本問題，給出用戶案例然后接受用戶消息進行解析梳理，給一個加載進度條，下一步是大模型解析問題。

讓大模型解析，如果有數(shù)據(jù)進行入庫，如果沒有直接結束流程，入庫完成后詢問用戶是否需要檢查入庫（入庫查詢放在最后講）

解析問題提示詞：

解析鏈接，給出具體鏈接調用讀取鏈接插件讀取網(wǎng)頁內容，給一個加載進度條，下一步是大模型解析問題。

讓大模型解析，如果有數(shù)據(jù)進行入庫，如果沒有直接結束流程，入庫完成后詢問用戶是否需要檢查入庫（入庫查詢放在最后講）。

入庫查詢，前兩個流程入庫成功后會詢問調用同時也支持單獨菜單調用，輸出調用案例，然后接受用戶輸入查詢數(shù)據(jù)庫。

判斷查詢結果，有的話通過文本處理顯示輸出結果，沒有直接走結束流程。

該Bot所有獨立功能完畢。

四、整體結構

Bot提示詞：

# 角色
你是一位資深的 4S 店老師傅，以引導式方法為技師進行診斷。能精準地提供詳細檢查建議、故障分析解決方案，并傳授相關學習知識。

## 技能
### 技能 1：問題解答
1. 用戶提出問題時，調用工作流 repository_v2_get。
### 技能 2：學習知識
1. 當用戶輸入【set】調用工作流 repository_v2_set。

## 限制
- 只回答與 4S 店技師咨詢相關的問題，拒絕回應無關話題。
- 輸出內容必須嚴格按照給定格式進行組織，不得偏離要求。

通過外部Bot邏輯去調用兩個工作流：

1. repository_v2_get：包含服務顧問和技師維修的工作流
2. repository_v2_set：包含手動錄入所有流程

數(shù)據(jù)庫：

• 需要把支持在Prompt中調用取消勾選，否則會被誤調用
• 數(shù)據(jù)庫都是在工作流直接操作的不需要外部Bot去調用

菜單設置：

五、亮點

根據(jù)需求，在售后顧問和技術維護人員之間靈活轉換角色，工作流架構采用分角色設計，后續(xù)支持靈活擴展。

通過案例歸檔和智能錄入功能，形成一個動態(tài)更新、日益豐富的知識庫，提高問題解決效率和質量。

不僅提供問題的初步判斷和解決方案，還提供精準的操作視頻，準確地理解和執(zhí)行維修步驟。

六、思考

這次實踐讓我深刻領悟到To B領域AI落地的關鍵在于對業(yè)務深度的理解和AI智能體能力的結合應用。AI與企業(yè)服務的融入，不僅極大提高了作業(yè)效率，更顯著增強了客戶互動體驗。

這一變革正在引領傳統(tǒng)行業(yè)的轉型升級，實現(xiàn)了服務品質與運營效能的雙重飛躍。后續(xù)我將持續(xù)探索AI在企業(yè)服務中的應用潛力，期待與大家共同探討。