CASE STUDY 02本地可运行演示应用 MVP

After-sales Tech Assist & Compliance Review

售后技术辅助与合规审查

案例字段 → 知识检索 → 处理建议 → 话术 → 审查 → 反馈

把工单上下文、本地知识召回、可选 LLM 精排、外呼话术与事后合规审查串成一条可演示的售后 AI 应用链路;默认零外网,审查主路径为确定性规则引擎。

演示数据 / Mock Data

页面只展示抽象机制与虚构数据;不连接真实工单系统、真实知识库、公司内网或外部模型账号。产品线、案例与 PCN 均为演示内容。

把知识、规则和现场上下文,落成一条可复核的售后 AI 应用链路。

不是知识底座或规则生产中心的替代品,而是把知识、规则与现场上下文组合成可落地的售后辅助应用。

不是自动定责机器人:审查输出仅为通过 / 待确认 / 风险提醒 / 明确冲突,找不到证据不等于未执行。

不是默认外网 AI:本地规则与模板可独立运行;大模型仅在用户显式配置后增强建议,不能跳过人工判断。

一线需要的不是又一个聊天窗口,而是可追溯的处理与审查闭环。

售后一线需要在短时间内完成检索、建议、话术与合规核对。资料、规则和工单字段若分散在不同系统,就难以形成可复核的处理闭环。

目标 01

把案例字段一键带入处理辅助上下文,减少重复粘贴。

目标 02

把知识召回结果转成结构化建议与可编辑外呼话术。

目标 03

把 PCN/规则要求映射为事后审查四态,保留人工确认入口。

目标 04

把使用与审查结果沉淀为运营看板输入,而不是一次性聊天。

资料、规则和工单字段分散时,建议与合规都难以稳定复核。

01

上下文割裂

工单字段、知识库和规范散落多处,一线反复切换和复制。

02

建议不可追溯

口头经验或聊天机器人输出缺少来源条目与结构化步骤。

03

合规靠记忆

NTF 留痕、数据清理、品检复检等要求依赖经验,难系统核对。

04

结论措辞危险

把“找不到记录”直接写成“未执行/违规”,容易误定责。

05

AI 与规则混用

若审查也依赖模型幻觉,合规结果将无法稳定复核。

06

反馈断点

辅助与审查结果没有进入使用指标与案例跟踪,难持续优化。

本地可演示、默认零外网、审查确定性优先,是公开可信的前提。

01

本地可运行

不依赖公司内网、Cookie 爬虫或专有网关即可演示主链路。

02

默认零外网

demo-local 用规则/模板合成;API 仅在显式配置 Key 后启用。

03

审查确定性优先

模块 B 规则引擎与模块 A 检索建议解耦,异常互不影响。

04

四态不定责

审查只给可复核状态,不输出违规、不合格等绝对责任结论。

05

来源不虚构

PCN/知识引用必须来自演示库真实条目,找不到则标注待确认。

06

公开脱敏

作品集不展示真实品牌、工单 DOM 选择器、内网域名与凭据。

辅助建议与合规审查解耦,运营与采集作为配套边界能力。

A

处理辅助

关键词召回 + 可选 LLM 精排 → 结构化答案 / 处理步骤。

B

案例审查

规则检查 + PCN 符合性比对,输出四态与局限性说明。

KB

知识库管理

站点沉淀库 CRUD,与本地演示语料共同服务召回。

OPS

运营后台

使用指标、审查看板、模型配置与反馈入口。

COLLECT

案例直达书签

从工单页提取字段并脱敏后跳转主工具,作品集只抽象能力。

从案例字段进入,到反馈事件结束,每一步都可单独解释。

01案例字段导入
02知识召回
03结构化建议
04外呼话术
05规则审查
06四态汇总
07反馈与看板

审查输出可复核状态,而不是自动定责结论。

通过

通过

案例记录中已出现可匹配的执行证据,且未发现冲突。

待确认

待确认

规则可能适用,但证据不足或型号匹配不精确,需人工核对。

风险提醒

风险提醒

存在遗漏风险信号,仍不足以给出绝对结论。

明确冲突

明确冲突

案例表述与现行 PCN/规则要求存在可对照的直接冲突。

找不到执行记录只能落到待确认或风险提醒;不得在公开表达中写成“未执行/违规/不合格”。

采集、知识、辅助、审查与运营分层,避免把 AI 与规则绑成黑箱。

01

采集层

  • 工单字段
  • 书签脱敏
  • 手动补录
02

知识层

  • 本地沉淀库
  • 演示 PCN/案例
  • 关键词召回
03

辅助层

  • 结构化建议
  • 可选 LLM 精排
  • 外呼话术
04

审查层

  • 规则引擎
  • PCN 命中
  • 四态结论
05

运营层

  • 使用日志
  • 审查跟踪
  • 反馈
本地演示应用边界

默认 demo-local,不连接真实工单、生产知识库或外部模型;审查四态不定责。

这是组合应用案例,不替代知识底座、规则生产或执行闭环。

知识底座 vs 业务应用

Support Knowledge Engine

知识引擎侧重资料治理与页级证据;本项目侧重把已有知识送进售后处理链路。

规则生产 vs 规则消费

PCN Rule Center

规则中心负责解析、审核与发布;本项目在审查阶段消费演示 PCN 要求。

执行闭环 vs 辅助审查

售后质量闭环系统

质量闭环偏现场规则触发与登记复核;本项目偏处理建议与事后合规核对。

会议复盘 vs 应用运营

问题闭环看板

看板聚焦周月指标与会议下钻;本项目 /ops 聚焦辅助与审查使用过程。

选择虚构案例,观察建议、话术、审查四态与反馈如何串联。

Demo 只使用前端内存状态,不读 SQLite、不连工单、不调用外部模型、不发送网络请求。

演示数据 / Mock Data

ASSIST & COMPLIANCE LAB

从案例字段走到建议、话术、审查四态与反馈

此交互用于展示售后辅助与合规审查链路,不连接真实工单、知识库或外部模型。审查四态仅为可复核提示,不构成定责。

  1. 1案例导入
  2. 2处理辅助
  3. 3外呼话术
  4. 4合规审查
  5. 5反馈看板
  6. 6完成
STAGE 01 / 案例导入

选择一个虚构工单场景

模拟「案例直达」书签导入后的上下文;字段均可视为已脱敏演示数据。

本地可运行演示应用 MVP

主链路、四态审查、演示语料与本地运行路径已可演示;真实工单集成、生产部署、模型效果与跨系统联调均未作为公开已验证结论。

01Prototype
02MVP当前
03Pre-release
04Internal pilot
05Production

只展示当前展示版与作品集 Mock 能够支撑的能力表述。

本地 FastAPI 应用可启动,默认 demo-local,不强制外网模型。

模块 A 检索辅助与模块 B 审查规则引擎代码路径分离。

审查四态与“不定责、不虚构来源”边界已写入规则说明与演示数据。

演示产品线使用虚构命名,展示版已去除内网网关与 Cookie 爬虫能力。

配套书签工具抽象为字段提取 + 脱敏 + 跳转,不作为真实系统接入证明。

作品集 Mock Demo 仅使用前端内存状态,不连接 SQLite、工单或模型 API。

把真实集成、效果数字和生产状态留在证据边界之外。

01

真实工单系统选择器、内网账号与生产数据链路。

02

真实 PCN/知识语料规模、召回准确率与业务收益。

03

OpenAI 兼容 API 在生产环境的密钥治理、成本与稳定性。

04

与知识引擎、PCN 中心、质量闭环的生产级接口联调。

05

多用户权限、审计合规与公司级上线验收。

独立完成售后辅助与合规审查演示应用的设计、实现与公开边界。

01独立识别售后辅助与合规审查业务问题
02独立设计辅助链路、审查四态与模块边界
03独立实现本地演示应用、规则引擎与运营入口
04独立完成展示版脱敏、虚构语料与默认零外网策略
05独立定义与知识/规则/执行项目的公开边界
06对方案取舍、验收口径和公开表述负责

展示应用落地方法,不展示真实工单、内网环境或凭据。

  • 不展示真实公司品牌、内网域名、工单系统全称或账号。
  • 不展示真实案例、客户、序列号、手机号、身份证或员工信息。
  • 不公开真实 DOM 选择器细节与内部页面结构截图。
  • 不展示 API Key、Token、Cookie 或模型账单。
  • 所有产品、PCN、步骤与指标均为虚构或已抽象演示数据。
  • 不把本地 Demo 或可选 LLM 包装为已上线生产 AI 客服。

先稳住可复现演示与证据,再谈受控联调。

  1. 01

    维持展示基线

    继续用虚构语料与本地 mock 保证可复现演示。

  2. 02

    补齐证据账本

    为源项目建立独立 Git 版本与可公开测试记录。

  3. 03

    契约化相邻能力

    若未来连接知识/规则项目,先定义版本化输入输出,再谈联调。

  4. 04

    受控样本验收

    仅在获准样本上验证字段映射与审查误报边界。

CAREER CONVERSATION / 求职与合作

把业务现场、流程、数据与 AI 应用落到可交付的系统里。

我目前关注企业 AI 应用实施、企业解决方案、业务需求分析与数字化实施方向。如果你的团队正在寻找能够连接业务现场、流程、数据与 AI 应用落地的人,欢迎继续查看我的求职信息或直接联系我。