重庆大学+20240625-得体沟通应答助手 #3144
Someone-hates-Monday
started this conversation in
Show and tell
Replies: 0 comments
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Uh oh!
There was an error while loading. Please reload this page.
Uh oh!
There was an error while loading. Please reload this page.
-
重庆大学 + 20240625
智能体名称
得体沟通应答助手

agent_polite_communication_assistant_1780219801698.json
一、背景
日常沟通里,很多压力并不来自「事情本身」,而来自怎么说:上级催进度、同事推活、需求表述模糊、既要表态又不想伤关系。常见问题是——要么硬顶容易得罪人,要么一味退让自己吃亏;对方一句「详细点」「尽快」也不知道具体指什么。
得体沟通应答助手面向这类有博弈空间、需要协商或表态的对话:帮用户在发出去之前,把话说得体、可执行、敢发送,并预判对方可能的反应,降低沟通返工和关系成本。
二、核心功能
三、工作流
智能体采用固定多轮向导,关键步骤不可跳步:
流程: 开场说明 → 画像采集(关系 / 侧写 / 筹码 / 场外信息)→ 画像小结并经用户确认 → 确认本轮目的 → 选择场景类型(推脱 / 催办 / 对齐需求 / 立边界)→ 采集情景正文 → 检索知识库(流程与案例)→ 输出短稿 + 可能反应 + 风险说明
执行原则:
测试样例:
期望表现: 先追问与对方关系、今天能否交付「可验收主干」、更高优先级事项是否可说明 → 再给出 2~3 条短稿 + 每条可能反应 + 一句风险说明;不出现空泛「调整心态」类回复。
四、技术实现
4.1 总体架构
得体沟通应答助手采用 大模型推理 + 向量检索 + 领域知识库 + 工具调用 的架构:对话由大语言模型生成,关键流程与话术规范存放在知识库中;智能体在出定稿前通过检索工具拉取相关片段,再组织成可发送短稿。
数据流: 用户输入 → 多轮向导(画像 / 目的 / 场景)→ knowledge_base_search 检索知识库 → LLM 生成短稿 + 反应预判 + 风险说明 → 用户可选反馈实际对方回复 → 校准下一轮
4.2 模型与接口
模型接入前均完成连通性验证;向量模型 Chunk Size 按文档长度调优,保证长流程文档稳定入库。
4.3 知识库
4.4 智能体配置
4.5 部署环境
本地 Docker 部署,Web 控制台 http://localhost:3000;租户管理员配置模型、知识库与智能体。知识库内容为脱敏说明文档,不含真实聊天记录。
五、运行效果
在「开始问答」中选择 得体沟通应答助手,使用测试样例验证。首轮不直接给长文,而是按画像维度追问(对方身份、沟通节奏、雷点、筹码、是否复诊等),并说明确认后将给出短稿、场景归类、反应预测与风险提示。
实测要点:
六、典型应用场景
Beta Was this translation helpful? Give feedback.
All reactions