劳动节，我给自己放了个假，服务器却没停。这感觉真他妈魔幻，以前带团队的时候，节假日就是我的噩梦，生怕哪个客服在群里@我，说客户又炸了。现在好了，我人在健身房推杠铃，手机静音，后台的 NLP 模型在替我挨骂。
去年这时候，我还在管理毒打的泥潭里打滚。招来的客服，培训俩月，一接复杂点的问题就卡壳，要么就是机械复制话术，客户体验稀烂。更别提人员流动了，刚上手就走人，业务连续性跟纸糊的一样。那时候我就想，这人力成本和管理精力，简直是个无底洞。疫情一来，我索性把团队散了，自己扛。但一个人回复几百个咨询？那是找死。所以从去年下半年开始，我就死磕客服自动化，核心就一个：用 NLP 模型把常见问题给吞了。
我的逻辑不复杂，但贼有效。第一步，爬虫+人工，攒了接近一万条历史客服对话记录，这是黄金燃料。第二步，清洗和打标。这里面的脏活累活太多了，比如同义词归一化（“不能用”和“无法使用”得算一类）、意图分类（“怎么退款”是售后意图，“什么时候发货”是物流意图）。我用了 Jieba 分词加上自己攒的一堆业务词典，再用 TF-IDF 提取关键词向量，搞了个最朴素的文本分类模型先跑起来。准确率一开始只有 70% 多，气得我想砸键盘。
真正的转折点是我放弃了追求“完美理解”。我意识到，用户的问题 80% 都落在那么二十几个固定场景里：登录失败、支付异常、订单查询、功能报错、申请退款。我不需要模型理解“为什么我的灵魂无法与你们的服务共鸣”这种鬼话，我只需要它把问题精准地扔进对应的“篮子”里。所以我重构了流程：用户输入 -> 模型进行快速意图分类 -> 命中标准问题库 -> 触发预设的 API 调用或回复模板。比如，模型识别到“支付”和“失败”关键词组合，命中“支付异常”意图，自动调用订单查询接口，核验该用户最近一笔订单状态，然后返回“系统检测到您订单 XXXX 支付未成功，建议您检查银行卡余额或尝试更换支付方式，具体可点击链接查看指引”。
API 比任何员工都懂业务逻辑。这话一点不假。一个人类客服需要培训三个月才能记住不同异常状态对应的处理流程和权限，但 API 不会忘。我封装了一系列内部接口：查订单状态、拉用户操作日志、触发补偿券发放、甚至是根据用户历史行为判断其情绪倾向（高频访问报错页面+愤怒关键词 = 高危用户，需要转入人工并优先处理）。这些逻辑写成代码，就是铁律，7×24 小时执行，没有情绪，没有误差。我甚至设置了一个“置信度阈值”，只有模型判断置信度低于 85% 的对话，才会转给一个我兼职的“人工备用通道”（其实是我自己每天抽半小时扫一眼），其他的，全部自动闭环。
今天下午，我一边在跑步机上爬坡，一边用手机远程看着后台仪表盘。自动客服拦截了 92% 的咨询，剩下 8% 转人工的，我晚上花了二十分钟集中处理完。健身房灯光惨白，照得我浑身是汗，但心里那种久违的掌控感又回来了一点。不是我在伺候服务器，是它在替我负重前行。技术不会抱怨加班费，它只会在劳动节，安静地消化掉所有重复劳动。这大概就是超级个体回归后，我能抓住的第一根实实在在的杠杆。
