标签: Agent

撰文 | 李信马

题图 | AI生图

了不起的智能体：发现和介绍那些正在改变世界的Agent，这里有现场、有对话，还有没被写进新闻的细节。

要是在可选职业里做个排序，客服大概是笔者最不想从事的几个选项之一。疲惫、烦躁，还容易积累负面情绪——这些都是亲身经历过的真实体验。

但作为连接企业和消费者的纽带，它又有其必要性。早在上世纪30年代初，电话客服（呼叫中心）的雏形就在标签北美出现；1956年，美国泛美航空开通了世界上第一个具有一定规模的7×24小时服务的呼叫中心；时至今日，客服差不多成为了ToC企业的标配。

但世界也变得不一样了，以前只有邮件、传真和电话，现在任何一个互联网平台都可以发送云梦级消息，而业务的复杂性也大幅提高。在不久前召开的2026中国客户服务节上，容联云智慧联络平台负责人冉鸥说了这样一段话：

“在面对一些越来越: 复杂的服务场景的时候，传统的联络中心正面临着新的瓶颈。比如说体验割裂，坐席人员经常要面对四到五个操作活动来回的跳跃；服务效率低下，重复性的工作占到坐席人员每天工作时间的40%以上；质量的不统一，客服严重依赖个人经验，一些新入职场的客服人员服务效率就会差一些；监控滞后，在传统的事后质检模式下，没有办法实时去干预风险，导致一些客服的满意度不高。我们认为这些问题，都在Ag共同制约着企业做客户服务时的效率，是企业共同面临的痛点。”

客服是AI典型的应用场景之一，如果说接打电话的是第一代客服，容联云将发布的新一代AI Agent智慧联络平台定义为“第四代客服”（四代分别是电话客服、在线客服、全渠道客服、全场景智能客服）。

据介绍，它是以全渠道CC+CRM为底座的多Agent协作平台。首先，平台搭载了“全能客服中枢Agent”，该enAgent的内部技术架构为“Agent+多Skill”，集成了进线洞察、智能回复、智能填单、智能导航、会话监测、智能标签、智能小结、智能图谱等核心技能。

此外，AI Agent智慧联络平台还配置了智能文本Agent、智能语音Agent、全能中枢Agent、智能质检Agent、智能洞察Agent等。所以简单来说，平台的核心是全能客服中枢Agent，它像是一个标签大脑，配上可插拔的技能模块，还有一众实用的Agent充当手足。

而这条路线背后，藏着一家一线厂商面对AI军备竞赛时的务实逻辑。

01、第四代客服是怎么运行的？

我们直接进入当天的产品演示，下面是已经上线运行的案例。

假如一位银行信用卡客户打来电话：“我的信用卡丢了，怎么办？”传统客服系统中，坐席需要手动查询客户信息、手动创建工单、手动记录沟通内容、手动流转到二线: 审批——中间至少切换四五个系统，还有不少重复性工作。

而在容联云的系统里，坐席只需要对话，填单、打标、情绪监测由Agent在后台完成。客户进线后，全能客服中枢Agent会实时解析对话上下文，判断客户意图是“信用卡丢失”，同时自动创建两个工单：用户信息收集与解决工单以及信用卡业务工单。

填单这个相对简单，识别语音内容如“丢失的卡号后四位”等自动填写就好。假如客户说Ag“挂失了怎么还要收费”，Agent检测到负向情绪，自动贴上“客户可能对费用不满”，假如客户说“投诉到银监会”，系统实时触发敏感词预警，推送提醒给坐席。服务结束后，Agent会自动生成会话小结，坐席检查无误后一键保存，工单自动推送到二线流转。

配合下面的说明图不难发现，多Agent矩阵基本覆盖了客服的事前、事中、事后全场景，而核心就是全能客服中枢Agent。这个en“大脑”负责实时解析上下文、判断意图、做路由决策，根据对话的不同阶段、触发的不同条件，自动调用对应的Skill技能，当然，作为可插拔模块，坐席可以自由开启或关闭Skill。至于效果，“我们可以做到100%的全量质检，有了自动回复之后，回复时长可以提升50%，新员工上手周期缩短70%。”冉鸥说。

额外说一下，平台还接入了全渠道——电话、网页、APP、微信、抖音、快手标签、小红书，语音通话、在线通话、视频通话都可以在一个工作台内处理。这些全渠道的接入，以及如何处理知识库来解决幻觉问题，同样考验平台的工程化能力。

02、解析“全能客服中枢Agent”

作为第四代客服产品的核心，全能客服中枢Agent的技术架构是怎么设计出来的？和其他的AI大厂不同，容联云早期做企业通讯能力，后来延伸到客服平台，再到今天的AI Agent智慧联络平: 台，这条路径本身就说明：他们离“客服”这个场景足够近。

有关“多Agent”和“单Agent”的选择，就是基于容联云对客服业务的了解。采访中，冉鸥对云梦级表示：“多Agent架构解决的最核心的问题，是多个并发任务同时执行。多个并发任务是在不同的角色之间，每个任务之间可能没有相关性，由每个不同的大模型分配不同的角色去共同完成。但是在客服行业，客服人员在服务客户Ag的时候，所做的所有操作，比如说填工单、查知识库、做小结，其实是一个客户服务任务过程中的一个个动作，这就是它和多个并发任务的区别，所以对这些动作，我们不能把它放大成为一个任务，然后让另一个Agent去解决，我们只需要一个Agent在特定场景下调用相应的技能来完成就行了。”

客服还有一个核心的业务诉求是上下文连接，在这样的特定场景中，当Agent过多的时候，en上下文是没有必然关系的，反而还需要在架构上额外去设置上下文的连接。而在单Agent架构里，天然就是同一个上下文。“就像刚才演示的，从客户进线开始的整个过程是同一个上下文，都是由这名客服人员服务这位客户，聊的都是同一件事情，所以我们不能把它的上下文割裂，然后再拼接在一起。”

在笔者看来，这种技术架构的优势就在于确定性。客服场景中，当复杂的业务被关在一个Ag标签ent里面，一个大脑统一调度所有技能，减少Agent间分工的环节，反而会降低出错概率。此外，一味地追求多Agent还可能会出现高延迟和高Token消耗，造成较差的用户体验和更高的成本。“你在服务客户的过程中往往是需要低延迟的，因为客户不愿意长时间等待。”冉鸥说。

写在最后

容联云的AI Agent智慧联络平台在客服场景已经落地并产生实际价值，并且全能客服中枢: Agent的技术架构对中小客户足够友好。在这场有关Agent的军备竞赛中，容联云走了一条更务实的路线，这其实给所有冲在AI落地一线的厂商提了个醒：技术并不一定越先进就越好用。

但它面临的挑战也同样清晰：多Agent协作是行业大趋势，如果客服场景不断延展，这种架构未来能否撑住越来越复杂的业务呢？这个问题也值得我们思考和观察。