/tags/multi-agent/ Recent content in Multi-Agent on MekeyPan Hugo -- 0.144.2 en-us Fri, 03 Apr 2026 14:34:07 +0800 /posts/smart-cs-agent%E9%9D%A2%E5%90%91%E4%BC%81%E4%B8%9A%E5%AE%A2%E6%9C%8D%E5%9C%BA%E6%99%AF%E7%9A%84-multi-agent-%E6%99%BA%E8%83%BD%E5%AE%A2%E6%9C%8D%E7%B3%BB%E7%BB%9Fai%E7%AC%94%E8%AE%B0/ Fri, 03 Apr 2026 14:34:07 +0800 /posts/smart-cs-agent%E9%9D%A2%E5%90%91%E4%BC%81%E4%B8%9A%E5%AE%A2%E6%9C%8D%E5%9C%BA%E6%99%AF%E7%9A%84-multi-agent-%E6%99%BA%E8%83%BD%E5%AE%A2%E6%9C%8D%E7%B3%BB%E7%BB%9Fai%E7%AC%94%E8%AE%B0/ <h1 id="smart-cs-agent面向企业客服场景的-multi-agent-智能客服系统">Smart CS Agent：面向企业客服场景的 Multi-Agent 智能客服系统</h1> <h2 id="1-项目概述">1. 项目概述</h2> <p><code>Smart CS Agent</code> 是一个面向企业客服场景的多 Agent 智能客服系统，目标不是做“能聊天”的通用助手，而是把 FAQ 检索、订单查询、退款预检、审批门控、人工升级、记忆与审计这些客服核心链路，串成一个可以真实运行的闭环。当前实现对外提供 FastAPI API、WebSocket 事件流和一个浏览器调试台，适合做开源演示、个人归档和后续二次开发。</p> <p>和常见的单 Agent 客服 demo 相比，这个项目的差异化不在于“多放几个 prompt”，而在于把客服流程拆成了显式的状态机和职责清晰的专家 Agent：<code>Supervisor</code> 负责路由与意图编排，<code>FAQ Agent</code> 负责知识检索问答，<code>Order Agent</code> 负责订单与退款事务，<code>Complaint Agent</code> 负责投诉与人工接管，<code>Chitchat Agent</code> 负责兜底闲聊；同时通过审批、记忆、Guardrails、审计和工作流持久化，把系统从“回答问题”推进到“处理流程”。整个项目也很适合作为一次 Vibe Coding 实践样本：代码明显是围绕架构文档逐步补齐，从可运行骨架一路扩展到评估、可观测和交付层。</p> <h2 id="2-业务场景与用户旅程">2. 业务场景与用户旅程</h2> <h3 id="用户故事-1用户问-faq系统返回带来源的答案">用户故事 1：用户问 FAQ，系统返回带来源的答案</h3> <p>例如用户输入“你们支持开电子发票吗？”。请求会先经过输入安全检查，然后由 <code>Supervisor</code> 路由到 <code>FAQ Agent</code>，后者通过本地 RAG 链路完成查询拆解、检索和 rerank，最终返回答案并在响应中附带来源文件名。</p> <ul> <li>涉及节点与 Agent： <ul> <li><code>memory_inject</code> → <code>guardrail_in</code> → <code>supervisor</code> → <code>faq</code> → <code>finalize</code> → <code>guardrail_out</code> → <code>memory_update</code></li> </ul> </li> <li>对应实现： <ul> <li><code>src/smart_cs_agent/agents/faq_agent.py</code></li> <li><code>src/smart_cs_agent/rag/service.py</code></li> <li><code>src/smart_cs_agent/rag/retriever.py</code></li> </ul> </li> </ul> <h3 id="用户故事-2用户申请退款系统先做-dry-run-风险评估再决定自动完成进入审批或升级人工">用户故事 2：用户申请退款，系统先做 dry-run 风险评估，再决定自动完成、进入审批或升级人工</h3> <p>例如用户输入“我要退款订单 20260318001”。系统会路由到 <code>Order Agent</code>，由退款工具先做一次 <code>dry-run</code> 预检，而不是直接执行事务。根据订单状态，流程会分成三种路径：</p>