网易七鱼：国产 AI 客服平台

为什么需要网易七鱼：渠道割裂与重复咨询 → 统一接入与 AI 分流

传统客服的第一痛点是渠道割裂：网页、App、微信公众号、小程序、电话、邮件各有一套后台，访客在 A 渠道的问题到 B 渠道需重新描述，客服要同时开多个窗口，效率与体验两头受损。第二个痛点是重复咨询占比高，物流、退款、活动规则等高频问题占会话量的大头，人工逐条回复既慢又贵，新人培训周期长、口径不统一，知识散落在聊天记录和个人经验里。这两个问题叠加，导致客服团队规模越扩越大、成本越涨越高，服务质量却难以稳定。

网易七鱼从两个方向解决上述问题：一是「统一接入」，把全渠道消息汇聚到同一工作台与排队队列，客服只需处理一个界面，访客信息与历史会话随渠道打通；二是「AI 分流」，由智能机器人基于知识库与意图识别先承接高频问题，命中且置信度达标即自动应答，识别不了或用户要求人工时再带上下文转给坐席。平台同时提供智能工单、智能质检与报表看板，把服务流程延伸到工单流转与质量复盘。

与阿里云智能客服、智齿科技等竞品相比，七鱼的气质更接近「网易自研 AI 能力 + 开箱即用客服套件」：不要求企业具备开发能力，注册后主要靠后台配置与知识库运营就能见效，适合把客服数字化当作业务项目而非研发项目来推进的团队。

安装与环境配置：注册开通 3 步就绪

七鱼是 SaaS 产品，没有传统意义的「安装」环节，开通过程围绕账号、渠道与坐席三项配置展开。

• 步骤一·注册：访问官网，用手机号或邮箱注册企业账号，填写企业名称与行业，进入管理控制台。

• 步骤二·开通坐席与机器人：在「成员管理」中创建客服坐席账号并分配角色权限，在「机器人」模块创建智能机器人（可套用行业模板）。

• 步骤三·接入渠道：在「渠道管理」中开通网页聊天（复制控制台生成的接入代码，嵌入网站页面）、微信公众号、小程序或 App 客服（按控制台指引接入），保存后访客端即可看到客服入口。

验证是否接通：用另一台设备模拟访客打开网页聊天窗，发送一条测试消息，确认消息进入工作台并正确分配给在线坐席或机器人；在控制台「实时监控」中确认会话状态为「进行中」。

三条经验：接入代码包含企业唯一标识，不能跨企业复制；网页渠道务必先在测试页验证再正式发布，避免与站点既有弹窗组件冲突；公众号接入需在公众号后台完成服务器配置授权，二者域名必须一致。

快速上手：30 分钟跑通第一个 AI 机器人

最小可用闭环是「建机器人 → 导知识库 → 设兜底 → 发布测试」四步。七鱼机器人默认走「知识库优先匹配、兜底转人工」的逻辑，先把高频 FAQ 喂进去，机器人就具备基础应答能力。

• 步骤一：控制台 → 机器人 → 新建机器人，选择行业模板（电商、教育、游戏等），命名后进入编辑页。

• 步骤二：在「知识库」中新建分类，用 Excel 批量导入问题与答案（建议字段：标准问题、相似问法、答案、所属分类）；导入后逐条检查相似问法是否有同义歧义。

• 步骤三：在「机器人设置」中配置未识别兜底话术（如「请稍等，我为您转接人工」），将转人工阈值设为连续未命中 2 次触发。

• 步骤四：将机器人关联到网页渠道并发布；用访客视角发起对话测试：问知识库内问题应得到标准答案，问库外问题应在阈值后转入人工会话。

验证通过后，在「机器人数据」页查看命中率、独立解决率与转人工率。进阶技巧：把历史客服会话导出、清洗成问答对后回填知识库，比纯靠人工整理效率高很多；开启平台的生成式大模型应答能力（如有）后，机器人还能基于知识库内容生成更自然的回答，而不是只输出固定答案。

核心能力详解：4 大支柱

支柱一·AI 智能机器人。机器人的核心是「意图识别 + 知识库检索 + 兜底策略」三层结构。意图识别将用户输入映射到预设意图或知识点，知识库负责命中标准问与相似问，置信度低于阈值时进入兜底话术并转人工。在此基础上，七鱼已融合生成式大模型能力，可基于知识库内容做开放式回答与会话总结，机器人从「查表应答」升级为「理解后生成」。配置要点是持续维护知识库，用未命中报表反哺。

支柱二·全渠道接入与统一工作台。网页、App、微信公众号、小程序、电话、邮件等渠道的消息统一进入同一会话队列，客服按技能组与负载被智能路由分配。工作台聚合访客信息、历史会话、订单与工单详情，客服无需切换系统即可完成接待。渠道管理的关键是权限隔离：不同业务线分设技能组，避免消息错派。

支柱三·人机协作与智能工单。机器人识别不了或用户主动要求人工时，会话携带完整上下文转给人工坐席，访客无需重复描述问题。客服在处理中可打标签、发起工单，工单按流程流转到售后、技术等环节，处理结果回流到会话记录。配合「未解决问题」清单，团队能每周盘点知识库缺口。

支柱四·智能质检与数据分析。平台支持对全量会话做规则质检（关键词、敏感词、超时）与模型质检（语气、服务态度），命中规则即触发预警，替代传统人工抽检。数据分析模块提供机器人命中率、独立解决率、平均响应时长、满意度等指标，并支持按时段与渠道下钻，用于排班与话术优化。

生产部署与监控：从上线到运维

部署方式一：SaaS 公有云（默认方案）。企业零运维，网易负责模型更新、版本迭代与稳定性保障，按坐席数与机器人模块年费订阅。适合绝大多数中小型团队，上线最快，更新节奏跟随官方持续迭代。

部署方式二：私有化/专有云部署。面向金融、政务等数据合规要求高的企业，系统部署在企业内网或专有云环境，数据不出企业。需要商务定制，且要注意：私有化版本更新节奏通常滞后于 SaaS，大模型类新功能依赖特定资源条件，选型时应以商务确认的版本功能清单为准，而不是默认「与 SaaS 完全一致」。

可观测性：日常运维围绕三个看板展开。其一是「实时监控」看板，盯当前排队数、在线坐席数与机器人并发量，大促前据此加开坐席并调整机器人阈值；其二是「机器人数据」页，盯命中率、独立解决率与转人工率，命中率连续下滑通常意味着知识库内容陈旧或产品话术变更；其三是「质检报表」，盯违规预警与满意度走势。建议每周导出「未解决问题」列表，把新增高频问题写入知识库，形成「数据 → 知识 → 应答」的迭代闭环。平台支持对排队超时、服务率下降等指标设置提醒，避免高峰时段会话无人承接。

<p class=“para-label“>避坑清单：</p><ul class=”dash-list”><li>坑 1：知识库未清洗直接批量导入。同一问题多个近义说法、答案口径不一，会稀释命中率并导致口径混乱，导入前应按「标准问题-相似问法-答案」结构化整理。</li><li>坑 2：把 AI 客服当全自动方案，忽略兜底。未配置转人工阈值与值班排班，机器人答不上来时会话滞留、高峰期大量排队，务必设计人机协作的兜底链路。</li><li>坑 3：网页接入未做灰度验证。接入代码与站点既有弹窗、登录态组件冲突会挡住访客操作，先在测试页验证再全量发布。</li><li>坑 4：私有化与 SaaS 功能混为一谈。两者更新节奏与功能列表存在差异，尤其大模型类能力受资源条件限制，商务阶段须拿到书面功能清单比对。</li></ul>

AI 应用场景

常见误区

面试题