01

60 秒回答模板

客服 Agent 里的转人工不应该被理解成“机器人答不上来就丢给人”，而应该是一套基于风险、置信度、用户价值和处理成本的人机协同策略。第一步要先定义哪些问题适合自助解决，哪些问题必须转人工。高频标准问答、订单状态查询、规则解释、简单售后可以优先由 Agent 处理；涉及投诉升级、退款争议、身份核验、情绪激烈、高价值客户、政策边界不清或系统工具失败的场景，要更早触发人工。 第二步要设计转人工策略，不能只看模型置信度，还要结合意图类别、用户情绪、对话轮数、重复追问、历史投诉、订单金额、SLA、风险等级和人工队列压力。第三步是坐席辅助：转人工时要把用户问题、已问内容、已查证据、工具调用结果、用户情绪、建议话术和可执行下一步带给坐席，避免用户重新描述，也减少坐席查询成本。 第四步是事后学习，把人工最终处理结果、改写话术、转人工原因、是否解决、用户满意度和投诉结果结构化回流，用来更新知识库、意图路由、Prompt、工具策略和质检规则。最终指标不应只看转人工率下降，而要看整体解决率、首触解决率、重复进线率、人工平均处理时长、坐席采纳率、投诉率、满意度和单次服务成本。目标是让人工处理更精准、更高效，同时让 Agent 从人工处理中持续学习，逐步减少低价值转接，而不是简单压低人工入口或盲目增加坐席。

考点 分层转接
难度 真实面经题
回答目标 让候选人展示客服 Agent 的产品闭环能力：既能设计转人工策略，也能通过坐席辅助和学习回流提升整体解决率。
02

深入解析

01

先定义人机分工

客服链路要先区分自助可解决、需要澄清、必须人工处理和禁止自动处理的场景。没有清晰边界，转人工策略就会变成临时补洞，既压不住风险，也很难解释为什么某类问题被机器人挡住或被转给坐席。

02

转人工要多信号触发

触发条件应综合意图风险、模型置信度、对话轮数、用户情绪、订单价值、历史投诉、工具失败和队列压力，而不是只用一个阈值。这样才能避免简单问题过早转人工，也避免高风险问题被机器人硬答。

03

坐席辅助要带上下文

转接时要同步摘要、用户诉求、已排除选项、证据、工具结果、建议话术和可执行动作，减少用户重复表达和坐席二次查询。坐席辅助做得好，转人工才不是成本黑洞，而是更快完成复杂问题处理。

04

事后学习要结构化

人工处理结果不能只沉在聊天记录里，要沉淀为意图标签、知识缺口、转人工原因、正确答案、流程缺陷和质检样本。后续才能判断是知识库缺失、路由错误、模型误解，还是业务流程本身需要调整。

05

指标看整体效率

转人工率下降不一定是好事。要同时观察解决率、重复进线、投诉、满意度、人工处理时长、坐席采纳率和服务成本，确认用户问题真的更快被解决，而不是被机器人延迟或拦截。

03

易错点

  • 把转人工当作失败兜底，不设计触发条件和分层策略。
  • 只压低转人工率，不看解决率、投诉和重复进线。
  • 转接时不传上下文，导致用户和坐席重复沟通。
  • 只做坐席话术推荐，不支持证据、工具结果和下一步动作。
  • 人工处理结果不回流，导致同类问题反复转人工。
04

面试官追问

转人工率越低越好吗？

不一定。转人工率低但重复进线、投诉或差评上升，说明用户可能被挡在人工入口外，真实体验反而变差。

坐席辅助最核心的功能是什么？

核心是减少信息断裂：自动摘要用户诉求、保留证据和工具结果，并给出可采纳的处理建议。

如何判断哪些样本要回流学习？

优先回流高频转人工、人工纠正 Agent、用户差评、重复进线、投诉升级和坐席低采纳率样本。

人工处理结果能直接训练模型吗？

不应直接使用。需要脱敏、清洗、归因、质检和结构化标注，区分知识缺口、流程问题和模型理解问题。