借助大模型能力，晓多科技智能客服的效率与服务双提升

随着大模型技术的快速发展与广泛应用，智能客服迎来了前所未有的发展机遇。晓多科技凭借认知智能 SaaS 领域的深厚积累与跨行业实践经验，正积极探索大模型在智能客服领域的无限可能。

晓多科技智能客服广泛应用于电商、电信、政务、教育等多领域，覆盖全国 50 多城。面对复杂销售场景，晓多科技注意到智能客服在岗前、岗中均有性能提升的需求。利用大模型的强上下文理解能力、总结能力和自然语言多轮对话的特性，帮助客服完成从浏览推荐到下单付款的购物全生命周期旅程。

为此，晓多科技不仅自研“晓模型 XPT”，还携手火山引擎，依托豆包大模型，进一步提升“AI 训练场”与“全渠道智能知识库”的智能化，全面升级智能客服能力。

1721212376603746.png

成都晓多科技有限公司成立于 2014 年，是以智能对话为核心的认知智能 SaaS 产品和行业数智化解决方案服务商。

图片及内容来源于晓多科技官网

更强模型、更低价格、更易落地，豆包大模型助力智能客服场景强化

火山引擎为晓多科技提供了由字节跳动研发的豆包大模型，在智能客服的岗前、岗中等环节，应用大模型能力为服务质量提效。

01

更高 TPM、RPM 支持，

AI 训练场从容应对高并发

客服需应对多样用户需求，岗前培训关键在于培养快速洞悉客户诉求的能力，这是保障服务质量的基石。晓多科技推出的 AI 训练平台，精准复刻业务场景，利用大模型模拟多角色、多需求用户交互，促使人工客服通过密集训练提升应答效率与精准度，强化服务能力。然而，此系统对模型的并发处理能力及推理速度提出了严苛要求。

1721212416373250.png

覆盖多种销售培训方案

火山引擎为晓多科技提供的豆包大模型由字节跳动自主研发，经过字节跳动内部 50+业务场景实践验证，千亿级日 tokens 持续打磨，具有更强性能，初始支持 TPM 较之前提升 6 倍、初始支持 RPM 提升 2000 倍，为高并发状态下的业务稳定性提供了有力保障。同时，豆包大模型的角色扮演能力，也以更符合中文习惯和买家的说话方式，赢得了晓多科技的认可。

豆包大模型以技术驱动的极致性价比，助力晓多科技以更低的价格对智能客服进行训练，对智能客服进行持续打磨。

02

更精准用户需求洞察，

将全渠道智能知识库能力最大化

岗中阶段，精准洞察并满足用户需求，是对智能客服能力的终极试炼。而传统机器人将产品信息配置成表格后读取的做法不仅调用时间长，多个售卖渠道配置表也须分别维护，成本极高。晓多科技推出的“多策”全渠道智能知识库，依托大模型，一键部署，全面覆盖，以智能化、自动化手段显著提升客服效率。

1721212444367752.png

全渠道统一商品知识库

豆包大模型经深度优化，具有更强的分析能力，无缝连接知识库与用户，构建高效沟通桥梁。客服转述用户的提问后，豆包大模型通过分析和精准理解，将问题转化为知识库查询可用的关键字，以便能快速检索到相关内容。随后，基于对用户需求的深刻理解，豆包大模型可在众多内容中将用户最为关心的部分以高亮显示，进行重点呈现，并支持多个不同产品之间的对比。通过两次“转译”让用户以口语化的自然语言提出需求，既收获对核心需求的精准回复，节约对话时间的同时，还提高了用户的满意度和下单率。

03

专业团队支持，

让大模型更易落地

大模型从部署到应用，需要经历一系列优化与精调，在此过程中专业的服务支持将起到事半功倍的效果。火山引擎团队携手晓多科技，通过 PE 优化、精准模型选型、前置高并发保障等措施，清除应用障碍，加速大模型落地进程。

1721212473971299.png

全渠道智能商品知识库

提示词（prompt）设计是提升大模型输出的关键。火山引擎行业团队与晓多科技紧密合作，采用标签化替代自然语言、设定结构化输出模板、创新实践示例、任务定制最优参数等策略，深度优化提示词，显著提升大模型输出的质量和稳定性。特别是在豆包通用模型 Doubao-pro-32k 版本中，针对超 5k 字的文本场景，有效解决了应答延迟问题，实现了用户体验的全面升级。

培训周期更短、客服能力更强，大模型加持下获得效率服务双升级

在火山引擎提供的豆包大模型帮助下，晓多科技的“AI 训练场”场景获得了更高的并发保障，同时成本也优化了 50 倍以上，实现了效率成本双提升。通过使用豆包大模型能力强化的“AI 训练场”，晓多科技不仅将客服培训周期缩短了 50%以上，还通过更多元化的顾客模拟，训练出能力超越常规培训的客服团队，推动销售转化率上升了 3%-5%。

目前，晓多科技在智能客服岗前、岗中等场景中实现智能化提升，为其业务的全面升级和开拓全新商业模式打下了坚实的基础。

火山引擎作为字节跳动旗下的云服务平台，致力于成为客户数字化转型和智能化升级的有力伙伴。未来，双方希望进一步将大模型能力应用于智能客服的更多场景，让消费者享受到更为便捷与智能化的客服体验。