健身房智能客服系统

背景、用户与问题

健身房 FAQ 分散，用户表达不统一，传统关键词检索容易漏召回；客服需要从知识材料中找到依据，并生成与问题相关的回答。

• 目标用户：健身房会员和客服人员。
• 用户任务：问营业时间、套餐规则、课程安排、营收汇总等问题。
• 问题：知识分散、表达多样、事实问题需要依据，结构化问题需要计算。

目标与方案选择

目标：提高知识问答的召回和回答质量，并让回答能回到知识依据。

• 方案 A（放弃）：只用向量检索；对套餐规则、营业时间等事实问题容易漏召回。
• 方案 B（采用）：知识整理 + 分层知识库 + 混合检索 + 回答评估；按问题类型路由到检索、SQL 计算或 OCR/图片语义。
• 取舍：先保证 FAQ 和结构化问题可答，再扩展图片和复杂业务；没有依据时拒答或转人工，不强行生成。

产品框架和关键链路

系统由知识整理、分层知识库、混合检索、上下文组织与回答、评估迭代五部分组成；依赖嵌入/LLM、OCR、数据库和评测集。

关键分支：事实问题检索依据；营收等结构化问题解析字段后用 SQL/受控代码计算；图片文字用 OCR，图片语义单独建索引；无依据时拒答或转人工。

本人职责、关键动作和取舍

• 这是个人开发者项目，我负责知识整理、知识库、检索策略、回答链路和评估集设计。
• 关键动作：按问题类型拆分检索/计算/OCR 路径；用评估集比较召回、忠实度和相关度；根据失败案例调整知识组织和检索策略。
• 取舍：优先保证回答有依据和可复核，不追求所有问题都由模型生成；无依据时拒答或转人工。

核心能力、体验验证和风险处理

• 任务路由：套餐规则等事实问题走向量/混合检索；按月份营收等结构化问题解析表格字段后用 SQL 或受控代码计算；图片文字用 OCR，图片语义单独建索引并评测。
• 质量验证：用项目自建评估集检查召回、忠实度和回答相关度，按失败案例迭代知识组织与检索策略。
• 风险：敏感字段权限过滤、无依据生成、图片识别错误；通过权限/脱敏、拒答/转人工和人工复核控制。
• 能力范围：当前覆盖 FAQ 检索、结构化计算和图片 OCR/语义索引；更多任务按评估结果扩展。

指标、结果及证据边界

评测结果（相对基线）：召回率 +22%、忠实度 +30%、回答相关度 +6%。

口径：项目自建评测集，指标为相对提升。

交付物：可运行的 RAG 客服原型、分层知识库、混合检索与评估集。

上线后的增长、运营、卡点和复盘

项目通过评估集持续迭代，不依赖线上用户增长；运营动作是补充知识、处理失败案例和调整检索策略。

关键卡点与下一步：扩展评测集覆盖、完善结构化数据和图片语义能力、设计敏感字段权限。