行业参考 · 制造 · 客服 · 证据 E1
影腾智联基于火山引擎 AgentKit 上线售后智能客服「小影」
这是公开报道的其他企业案例，不是 Alan 交付的项目。内容由 AI 收集整理，以原文为准。
企业遇到的问题
使用教程、故障排查、流量套餐、设备共享类重复咨询占用大量客服时间，高峰期排队、服务口径不一；设备故障跨供电/网络/存储/画面/套餐/权限多个环节，App 内自助排障能力有限，不少问题最终转人工。
概要
影腾智联面向家庭用户与小微商户提供智能摄像头、智能门铃、免插卡4G随身WiFi，售前售后客服团队数百人、日均处理工单数万单。团队走高代码路线，用火山方舟豆包大模型、VeADK 编排业务流程、AgentKit 接入工具与管理身份权限、弹性运行和观测评测，构建售后智能客服「小影」并接入自家 App；覆盖设备教程、功能咨询、流量套餐、账号配置，遇到故障可调用设备/套餐/权限工具结合状态与告警数据分析原因并给出排查步骤。目前累计沉淀会话约 4 万条、日均导入约 3000 条。
原文写明的事实
- 原文写明影腾智联售前与售后客服团队规模数百人，日均处理工单数万单
- 团队采用高代码开发路线，使用火山方舟豆包大模型，基于 VeADK 编排业务流程，依托 AgentKit 接入工具、管理身份权限、弹性运行及开展观测评测
- 将问题分类、排障规范和转人工策略封装为 Skill 并进行版本管理
- 存量业务接口通过 AgentKit Gateway 转为 MCP 工具，由平台统一管理鉴权、路由、限流和审计
- 对于数据不足或无法确认的问题，「小影」会携带设备信息和已完成的排查步骤转交人工
- 目前累计沉淀会话约 4 万条，日均导入约 3000 条，Token 消耗超过几十亿
- 此前团队每日抽检 10 至 20 条会话，单次异常排查可能需要 1 至 2 天；引入观测评测一体化能力后问题定位缩短至分钟级，会话全量入库并自动化质检、覆盖率达到 100%
- 团队参考 3 名金牌客服的聊天记录提炼服务知识与处理规范，建立人工与 AI 对比分析体系
怎么做的
- 输入：用户在影腾智联 App 内的设备使用、套餐、账号配置类咨询与故障描述
- 处理：VeADK 编排流程，从企业知识库取产品知识与排障规范，按设备型号给出建议，故障场景调用设备/套餐/权限工具结合状态与告警数据分析原因
- 数据：企业知识库、客服规范、排障流程、设备状态与告警数据、存量业务接口、真实会话（累计约 4 万条）
- 动作：给出排查步骤与答案；无法确认时携带设备信息与已完成排查步骤转人工；高风险与权限通过平台统一鉴权、限流、审计管控
- 输出：App 内的自助答复与排障指引、转人工工单上下文、用于回归验证的评测集与全量质检结果
如果你也想做：复制评估
AI 初评，供参考。具体能不能做，要看你企业的数据、流程和人。
- 难度：高（高度可复刻）
- 需要的能力：问题分类 Skill、排障规范 Skill、转人工策略 Skill
- 需要接的数据/系统：设备状态查询接口、套餐与权限查询接口、工单/客服系统
- 仍需人工的环节：数据不足或无法确认时转人工；人工与 AI 对比分析、金牌客服规范提炼
- 风险：排障建议错误可能导致用户误操作；转人工率过高会抵消收益；厂商自报数字缺乏独立验证
- 原文没披露的：准确率、解决率、转人工率均未披露；「分钟级定位」无基线值；Skill 的失败率与回归通过标准未披露
知识问答加工具查询排障、带上下文转人工这一层已有生产运行证据；解决率有多高、能否长期稳定承接高频故障，原文没有给出可核数据，需实测确认。
来源
证据说明：单一来源，转载自字节跳动技术团队文章，主体明确但无独立第三方验证；模型自称 E2，按来源结构下调为 E1。