灵活画布AI客服

更新时间：2025-08-04

名词解释

AI客服：AI客服 = LLM + Planning 计划+ Tool use 执行 + Feedback 纠正偏差。在传统大语言模型的基础上，AI客服不仅仅停留在和大模型的聊天对话，其可以借助外部工具直接帮助我们完成某些任务。在百度客悦智能客服平台中，将采用LLM+NLP双引擎结合方式，搭建AI客服。

任务式对话：在百度客悦智能客服平台中，可通过任务式对话，配置 AI客服的核心对话能力；通过画布能力界面，将对话配置图形化，降低用户对话配置成本。

步骤：步骤是任务对话流程画布中的最小单元，步骤类型分为「信息收集」、「信息表达」、「逻辑」和「动作」，对应 AI客服的听、说、想、做，将这些步骤拖入画布进行组织和连线，就可以配置出一个任务对话流程。

意图：代表C端用户的对话意图，一般为业务办理需求，比如订酒店、查话费等，在对话过程中识别到用户的相应意图后，可以按照配置的流程，引导用户办理相关业务。

实体：实体是指在业务办理过程中，需要收集C端用户的一些信息，比如姓名、手机号、酒店名称等，这些用户信息就是实体，收集到的实体数据可以在一次对话期间一直保存，被对话流程随时引用，也可以通过接口传输到外部系统。

变量：变量用来临时保存数据，保存的数据仅在一次对话期间有效，变量可以被随时引用，系统预置了一些变量，用户也可以自定义变量。

功能概述

百度客悦智能客服平台，提供全新画布体验的任务式对话搭建功能，并将大模型能力深度应用到对话流程，给您带来低门槛的任务式对话搭建体验以及更顺滑的用户对话体验，让您轻松快捷地创建自己的AI客服。主要包括如下功能特征：

在客悦平台中，AI客服分为「灵活画布」与「快捷场景」两种供用户根据场景选用；「灵活画布」支持用户创建空白AI客服或在已搭建好的模板中进行进一步修改，灵活画布相较于「快捷场景」限制更小，用户可通过「任务对话流程画布」搭建出任何需要的对话流程，但需要一定的配置工作量，且需要维护画布；

「快捷场景」以「编排模块」替代「任务对话流程画布」，用户仅需上传语料，即可由大模型中控调用大模型执行器自动完成对话，节省配置工作量，但快捷场景AI客服与场景深度绑定，选中模板后不可变更

1、任务对话流程画布

用户可通过左侧导航栏「流程画布」进入流程画布的配置界面，其中包含以下可配置区域：
- 主题配置：您可以将不同的业务场景划分到不同的主题，每个主题以不同的用户意图作为起始步骤；
- 画布区：您可以拖动左侧的步骤进入画布，在画布右侧的配置区完成选中步骤的具体配置，通过排序和连线的方式设计任务对话流程。步骤在画布中可以单独或排列组合成节点；
- 意图、实体、变量配置：意图、实体和变量是创建AI客服的关键因素，您可以在产品文档中查看具体介绍和使用方法；
- 测试和发布：AI客服搭建完毕后，您可以点击这里进行测试和发布；

为了满足多用户同时配置一个AI客服的不同画布的场景，多个用户可以同时编辑一个AI客服下面的不同主题（子主题），针对同一主题（子主题），仅支持一个用户编辑，其他用户可实时查看该用户的最新编辑状态
在任务对话的画布中，支持撤销和恢复。撤销快捷键为control+Z（Windows），command+Z（mac）；恢复快捷键control+shift+Z（Windows），command+shift+Z（mac）
在任务对话的画布中，支持鼠标的框选模式和抓手模式的切换，如下：
- 框选模式：选择节点操作是单击或长按框选；移动画布操作是 [Space]+长按移动后者双指移动(触摸板)；
- 抓手模式：移动画布操作为长按移动；选择节点操作为：[Shift]+长按框选；缩放画布操作为滚动鼠标滑轮缩放。

在任务对话的画布中，支持搜索该主题的节点或步骤中的文案，选择后可定位到该节点或步骤。

在任务对话的画布中，支持在连线的尾部直接选择步骤，如下图，提高画布配置效率和体验。

2、主题配置

视频介绍：客悦智能对话平台讲解视频-主题

一个AI客服可以配置多个主题和子主题，每个主题是个单独的画布，您可以将不同的业务场景划分到不同的主题，以便于您清晰的配置和管理多场景会话流程
默认有一个起始主题，该主题下默认有一个开始步骤，为该AI客服的开始
支持增加一级主题和子主题，增加的主题均自带一个意图步骤，可通过配置「意图」进入该主题流程

3、步骤概述

步骤是任务对话流程画布中的最小单元，步骤类型分为「信息收集」、「信息表达」、「逻辑」和「动作」，对应 AI客服的听、说、想、做，将这些步骤拖入画布进行组织和连线，就可以配置出一个任务对话流程，步骤概述如下表：

步骤名称	步骤说明
意图	在对话中识别到相应意图后，驱动后续步骤。
信息表达—文本回复	AI客服按照配置的文本进行回复。
信息表达—大模型回复	AI客服按照大模型生成的内容进行回复。
信息收集—收集用户回复	AI客服停下来收听用户完整的回复内容，赋值到变量。
信息收集—收集槽位实体	AI客服会与用户进行多轮对话，从用户回复的内容中，抽取实体值。
逻辑判断—条件判断	配置IF条件，分流后续步骤。
逻辑判断—语义判断	可以按照配置的语义内容，识别用户的问题，并分流到后续步骤
动作—普通变量赋值	按照配置对变量进行赋值。
动作—大模型变量赋值	在该步骤用大模型的生成和推理能力，将大模型的输出结果赋值到选定的变量。
动作—API调用	调用外部API。

3.1 意图步骤

视频介绍：客悦智能对话平台讲解视频-意图

意图步骤一般是一个场景的起点，为了便于配置和管理，建议配置到单独的主题（单独的画布），当用户在对话中的表述命中了相应意图后，会驱动后续配置的步骤
意图步骤的配置项为选择触发的意图，系统预置了丰富的常用意图，如果没有可选的意图，可以新建意图
敏感词意图：在系统中开启敏感词之后，并将敏感词意图置入画布后，如果有用户问题触发敏感词，则AI不再使用敏感词的兜底回复，然后直接命中该敏感词意图，方便进行敏感词相关的对话控制
兜底意图：在系统的默认意图中，有一个可以兜底意图的选项为“未命中任何意图”，当画布中有该意图设置时，如果用户的对话没有命中任何其他画布中已配置的意图，则自动跳转至该“未命中任何意图”的画布流程

新建意图需要填写意图名称和意图例句（意图例句越能充分覆盖真实的多样化用户表述，则意图识别的效果会越好）。需要先填写意图名称和至少一条意图例句。

支持创建意图模板，在项目冷启动时，可以通过意图模板来批量匹配用户query，以解决项目运行初期由于语料不足导致的泛化较弱问题以及对于含有多实体的复杂长难句无法准确识别意图的问题。在意图模板输入框，可以通过一组规则表达式（可以理解为简化版的正则表达式），来约定用户输入的匹配规则，一旦满足表达式要求即可触发该意图。意图模板的使用规则如下，以下写法可以进行任意组合：

意图模板的命中规则为用户表述必须与模板完全匹配，具体说明如下：

对于模版表达式（除中英文、数字、下划线外，含有其他字符），用户语句中必须完全匹配模版表达式，首位及句中均不能存在多余信息
在「实体引用」或「词库引用」时，用户需按照以下步骤输入[{@实体]

例如：当模版为“[{@卡类型]额度”时，（卡类型包含信用卡、借记卡等实体值）

以下语句均可命中该模版：	以下语句不可命中该模版：
信用卡额度	查一下信用卡额度
借记卡额度	借记卡额度多少啊
	查查信用卡额度可以吗

3.2 文本回复步骤

该步骤为按照配置的文本进行用户回复。
- 支持选择文本类型，包括纯文本和富文本
- 如选择纯文本，可以手动填写文本内容（可引用变量和实体，{&变量}或 {@实体}），可编辑多个文本（对话中会随机选择其中一个进行回复）
- 如选择富文本，可用如下富文本编辑器进行编辑，富文本也可以添加（可引用变量和实体，{&变量}或 {@实体}），也可编辑多个富文本（对话中会随机选择其中一个进行回复）
- 并且富文本可以点击“放大按钮”，在更宽的弹窗上对富文本内容进行查看和编辑
- 支持插入迭代表达式
  - 当您获取的变量是不定长度的变量时（如用户账号下有1-n个订单需要客户选择），则需要使用迭代表达式功能
  - 最基础的表达式为<f:list input= output=/>；需要您填写「input」和「output」的相关内容，input=后填写可迭代的变量，可以输入引用变量、实体。output=后填写迭代内容，例如：{%orderlist.item.index}.下单时间:{%orderlist.item.time},金额:{%orderlist.item.sum},用{%}包裹可迭代变量。
- 以订单举例如果我们要输出的内容是：
  
  您好，需要根据您的订单处理取消订单问题，请输入下单时间前对应数字或直接点击蓝色字体的订单哦~
  
  1.下单时间:{order_time1},金额:{order_money1}
  
  2.下单时间:{order_time2},金额:{order_money2}
  
  3.下单时间:{order_time3},金额:{order_money3}
- 则对应的表达式输入应该是
  
  <f:list input={&orderlist} output={%orderlist.item.index+1}.下单时间:{%orderlist.item.time},金额:{%orderlist.item.sum};/>

3.3 大模型回复步骤

视频介绍：客悦智能对话平台讲解视频-信息表达

该步骤是按照大模型生成的内容进行用户回复
大模型回复的数据依据可以是大模型通识或知识库，支持在本页面「步骤配置区」配置
如数据来源依据选择大模型通识，则大模型完全基于自身的通识进行回复，可以选择三种给大模型的输入：
- 包括仅prompt、仅记忆（前十轮对话记录）、prompt+记忆（前十轮对话记录），prompt支持引用{&变量}和{@实体），支持通过大模型优化得到更加清晰指令化的prompt。
- 支持对大模型进行参数配置，包括temperature和人设，temperature是一个控制模型生成文本多样性的参数。较高的温度值（例如1.0）会使生成的文本更加随机和多样化，而较低的值（例如0.2）会使生成的文本更加确定和保守）和人设
如数据来源依据选择知识库，则大模型完全基于知识库内容进行回复，可以选择知识库范围，填写对知识库的提问，注意不是填写prompt。

3.4 按钮步骤

该步骤会生成让用户选择下游步骤的按钮，通过用户的选择让对话流转到下游节点
按钮步骤可以支持跳转到以下4种的功能节点，包含“跳转至意图”、“变量赋值”、“打开URL”、“调用API”
按钮设置完毕后，在流转到当前按钮对话节点后，用户点击对应的按钮，则可以直接触发所配置的逻辑，保证对话流的稳定性

3.5 收集用户回复步骤

该步骤会让AI客服停下来收听用户全部回复内容，并赋值到变量，默认为{&last_user_response}变量，支持修改变量和新增变量
在当前节点会把用户发送的图片收集到默认的{last_user_image}变量中，并且支持修改变量和新增变量
仅发送图片的引导话术：当前流程中，用户发送图片无法保证后续对话流程的进行，需要增加对应的图片引导话术，使用发问的方式让用户说出对应的文字意图

3.6 收集槽位实体步骤

视频介绍：客悦智能对话平台讲解视频-实体及收集实体

该步骤会让AI客服与用户进行多轮对话，按照配置的实体顺序询问用户，从用户回复的内容中，抽取实体值。配置的步骤为先选择需要收集的实体，编写实体引导话术。

实体可以从已有实体中选择，系统预置了丰富的实体，如果没有可用的实体，也可以创建新实体
- 创建新实体，需要填写实体名称，选择实体类型，自定义类型可填写实体候选值，让用户只能从候选值中选择，也可以不填候选值，大模型会根据实体名称进行抽取，其他的类型为系统预置的实体类型，无需填写实体候选值；
- 实体候选值支持大模型生成，但需要先填入实体名称和至少一个实体候选值；
- 实体候选值支持填写同义词，支持大模型生成同义词，但需要先填入实体名称和实体候选值；
实体选择完毕后，会自动生成实体引导话术，可以根据业务需要进行修改；
实体支持实体值校验，默认为关闭，则在对话中，用户提供的实体信息只会收集但不会被规则校验；当选择『校验至正确』，则会一直判断实体值的正确性，直至用户输入正确的实体值才可以进行后续步骤；当选择『校验1次』则只会对实体值进行1校验，如果检验未成功，后续也不会再对实体值校验而是直接进入后续流程
大模型校验：使用大语言模型对实体值的判断结果进行校验，支持对实体提出限制要求，例如针对时间实体的限制要求可以为『必须是晚于当前的时间』，对地点的实体限制要求可以为『必须是中国大陆的城市』；
失败话术：根据用户的需求，可以选择校验失败的话术，可以使用固定的话术，也可以使用大模型根据实体值和用户query进行自由回复

支持开启『收集结果确认』，在完成全部槽位实体收集后，将收集结果输出给用户进行确认。默认关闭。
支持开启『忽略对话历史』，如果开启忽略对话历史，则该步骤的槽位实体收集会忽略对话历史记录，只会收集用户最后一句话中的实体信息，可以避免对话历史对槽位实体收集的影响。
『保留已收集的实体值』可以使当前节点永久保留上一次已收集过的实体信息，再次进入该节点，也不会再次收集或替换更改已收集的实体值。

3.7 条件判断步骤

视频介绍：客悦智能对话平台讲解视频-条件判断

在该步骤配置IF条件，分流后续步骤；
支持对变量值和实体值的条件判断（有值、空值、等于、不等于、大于、小于、大于等于、小于等于、属于集合、不属于集合、包含、不包含），支持and和or的组合条件；

支持在配置条件后进行动作的配置，动作包括『跳转至意图』和『全局识别』，『全局识别』是将用户回复内容去匹配全部意图和知识。

在判断分支中默认有『其他』，在最后一位，为上面条件之外的情况。
在当前条件判断逻辑中，如果触发了其他条件逻辑，则会将用户的问题再经过一次全局识别，对用户的Query进行兜底判断，以便更好的理解用户问题。

3.8 语义识别步骤

在该步骤配置不同流程节点的语义描述以及示例问题，保证模型能够准确识别用户的问题，并分流到后续步骤
语义名称：填写该语义的总结性、概括性的名称，帮助模型能够更好的理解该语义需要完成的任务
语义描述：通过一段简短的语句对该语义进行描述，完成与语义意图相关的任务或查询。
语义例句：这些示例提供了与该语义意图相关的用户查询例句，帮助模型识别对话中的相似语句，增加相似语句可以极大提升语义的识别成功率。语义例句也可以通过大模型进行生成，增加配置速度。
除与后续流程进行连线外，还可以点击动作配置，增加如图所示语义的后续动作，以便更好的控制该步骤的后续；其中全局识别步骤，可以将不符合该语义的用户问题，再通过对话中控，流转到其他意图或FAQ中。

3.9 普通变量赋值步骤

视频介绍：客悦智能对话平台讲解视频-变量

在该步骤对变量进行赋值。
首先填写描述，该描述用于在画布中显示该变量赋值的备注，方便查找。
然后填写要赋的值，如果是单值，可以直接输入值，如果是多值，输入格式为 ["值1","值2"]，也可以用{&}来引用变量，用{@}来引用实体，另外支持输入表达式。
表达式的写法如下（假设变量 var 的值为如下json）：

Plain Text

1{
2    "code": 200,
3    "msg": "OK",
4    "time": 1703079765227,
5    "data": {
6        "phone": 1234,
7        "queryTime": "2025-08-04 10:23",
8        "orderlist": [
9            {
10                "orderType": "1",
11                "name": "David"
12            },
13            {
14                "orderType": "1",
15                "name": "Jack"
16            }
17        ]
18    }
19}

如下是表达式的写法：

注意：表达式需要用{%%} 包裹起来

phone 转化为字符串：{% &var['data'][phone] + "" %}

获取字符串长度： {% (&var['data'][phone] + "" ).length()%}
截取字符串: {% (&var['data'][phone] + "" ).substring(1)%}
转换为Long:{% parseLong(&var[phone]+"") %}
转换成Int:{% parseInt(&var[phone]+"") %}
转化成Double: {% parseDouble(&var[phone]+"") %}
时间转化： {% dateFormat("MM月dd日 HH点mm分", "YYYY-MM-dd HH:mm", &var['queryTime']) %}
获取当前时间：{% currTime("yyyy-MM-dd HH:mm:ss") %}
获取当前年份：{% parseInt( currTime("yyyy")) %}
获取时间戳：{%dateToTimestamp("YYYY-MM-dd HH:mm", &var['queryTime']) %}
时间戳转日期：{% timestampToDate( "YYYY-MM-dd HH:mm", 1234567 )%}
对query中的信息进行正则提取：extractQuery("CZ\d{4}") ：需要有query
累加：{% &number != null ? &number+1 : 1 %}

3.10 大模型变量赋值步骤

视频介绍：客悦智能对话平台讲解视频-大模型变量赋值

在该步骤用大模型的生成和推理能力，将大模型的输出结果赋值到选定的变量。
大模型变量赋值的数据依据可以是「大模型通识」、「知识库」和「图片理解」
- 如数据来源依据选择「大模型通识」，则大模型完全基于自身的通识进行变量赋值，可以选择三种给大模型的输入，包括仅prompt、仅记忆（前十轮对话记录）、prompt+记忆（前十轮对话记录），prompt支持引用{&变量}和{@实体），支持通过大模型优化得到更加清晰指令化的prompt。
- 支持对大模型进行参数配置，包括temperature和人设，temperature是一个控制模型生成文本多样性的参数；较高的温度值（例如1.0）会使生成的文本更加随机和多样化，而较低的值（例如0.2）会使生成的文本更加确定和保守）和人设。选定变量，将大模型的输出结果赋值到该变量；
如数据来源依据选择知识库，则大模型完全基于知识库内容进行回复，将回复的内容赋值到变量，可以选择知识库范围，填写对知识库的提问，注意不是填写prompt。

在大模型赋值中，可以选择已赋值的图片理解参数，用于提取用户query内的图片信息
可以同其他大模型变量赋值的prompt类似，根据用户的prompt描述，输出您想要从图片上获取的参数信息

3.11 API调用步骤

在该步骤进行外部API调用
支持GET、POST，也支持调用预览，该步骤自带API调用成功和失败的连线点，可分流到不同的步骤
接口返回数据仅支持json数据格式，可根据对应的节点路径获取对应的元素并赋值给变量。

例如接口返回为：