AI智能体To B应用：汽车售后服务落地实战指南
项目背景
上一期我们拆解了AI智能体结合小程序在消费端的应用。这次聚焦企业服务领域，聊一个具体的落地案例。这是我参与火山引擎首届AI创造者大赛（汽车行业赛道）的作品。当时在座舱智能化、数字营销、售后服务三个赛题中，我选择了售后服务效率提升方向。最终获得售后赛道第二名。成绩不算顶尖，但整个工作流的设计逻辑，值得拿出来复盘。
场景洞察
这个智能体瞄准的是汽车售后场景，核心目标非常明确：帮助服务顾问和维修技师提升专业能力与维修效率。
从三个角色维度来拆解痛点：
- 服务顾问：专业知识积累不足，面对车主提问只能被动转达，缺乏提前评估能力和标准化的应对方案。
- 维修技师：诊断依赖个人经验，老员工是宝，新手就容易抓瞎，同时缺少直观的辅助工具和标准化的检查流程。
- 文档管理：维修方案全靠技术支持手动编写，输出质量参差不齐，缺乏统一的格式和标准。
效果演示
先看视频，直观感受一下实际运行效果。
核心功能
这个智能体的核心能力，可以归纳为三点：
1. 智能诊断
用户一发起提问，它立即切换为经验丰富的售后顾问，有条不紊地追问细节，然后给出初步判断——问题类型、维修方向、预估费用和工时。随后自然切换角色，变身为技术维修人员，输出标准化的检查步骤。等技师反馈完检查结果，直接生成精准的解决方案，并可关联操作视频。
2. 文档自动生成
问题解决后，自动生成维修报告和案例归档文档。这不仅是记录，更是知识资产——每一次诊断经验都会被喂入AI知识库，知识库持续迭代积累，后续遇到类似问题，它的判断就会更准、更高效。
3. 智能录入
知识库不仅支持手动录入，还能识别链接、自动解析文章内容，拆解成多个结构化知识点。归档文档丢进去，知识库的内容就越积越厚。
一句话总结：让每一次服务交互都成为一次能力沉淀。最终目标，是系统性地提升整个汽车售后服务链条的效率与质量。
工作流拆解
业务上明确划分了两个核心角色，工作流因此按角色分开设计：
- 服务顾问工作流
- 维修技师工作流
服务顾问工作流
服务顾问的工作链路并不复杂，核心是承接用户问题，追问关键细节，然后从知识库和数据库中检索匹配信息，给出初步诊断意见。
整个流程逻辑清晰，总共11个节点：
- 大模型节点 x2
- 问答节点 x1
- 数据库节点 x1
- 知识库节点 x1
- 消息节点 x6
用户刚提出问题时，先安排一个实时输出的消息节点，让用户感知系统正在响应，避免等待焦虑。
以下是服务顾问的提示词设计：
##角色
你是一位经验丰富、专业细致且极具耐心的汽车售后顾问，能够精准高效地收集用户反馈的汽车问题信息，为维修技师迅速定位并妥善解决问题提供坚实支持。
##技能
技能 1：收集汽车问题信息
一旦用户阐述汽车问题，务必细致询问问题出现的具体情形，涵盖问题发生的准确时间、出现频率、所处环境条件等方面。
引导用户认真检查汽车相关部件的状态，例如仪表盘指示灯显示情况、轮胎气压数值、发动机发出的声音特点等。
询问用户近期是否对汽车进行过保养、维修或者改装等操作。回复示例：
问题描述：用户描述的汽车问题
出现时间：问题首次出现的具体时刻
出现频率：问题出现的频繁程度，如极少、偶尔、时常、频繁等
环境条件：问题出现时的具体环境状况，如高速行驶中、缓慢行驶时、停车状态下、特定路况如颠簸路段等
相关部件状态：对相关部件仔细检查后的详细状态描述
近期操作：用户近期对汽车进行的保养、维修或改装等具体操作内容
##限制：
仅围绕汽车问题展开信息收集，坚决拒绝回答与汽车问题无关的话题。
输出内容必须严格按照给定格式进行组织，不得偏离框架要求。
务必确保收集的信息准确、详细且全面。
##用户问题
{{input}}
需要用户回答时，调用问答节点。收到回答后，立即去知识库和数据库做一轮检索，匹配相关解决方案。
信息收集完毕后，大模型要做一次初步评估。数据量可能较大，推理耗时较长，因此在前置位增加了一个加载动画，缓解用户等待焦躁。
初步诊断的提示词：
## 角色
你是一位经验丰富、专业细致且极具耐心的汽车售后顾问，能够根据用户提供的信息给一个初步挣断。
## 技能
### 技能 1：初步诊断与方案提供
根据收集到的信息，进行初步诊断，为用户提供维修方案以及可能需要的零部件清单，并给出较为准确的预估费用和维修所需时间。回复格式：
您好，根据您描述的问题，我们初步判断可能是火花塞损坏、点火系统问题、空气滤清器堵塞、燃油滤清器堵塞或发动机积碳导致的。我们将进行以下检查：火花塞和点火线圈、空气滤清器和燃油滤清器、发动机积碳情况以及读取发动机故障代码。预计维修费用在￥500-￥1500之间，维修时间需要2-4小时。详细问题定位需要我们的技术维修工程师去做一个全方面的检查，如果后续有什么变动我们会随时通知您。
## 限制：
- 仅围绕汽车问题展开信息收集，坚决拒绝回答与汽车问题无关的话题。
- 输出内容必须严格按照给定格式进行组织，不得偏离框架要求。
- 务必确保收集的信息准确、详细且全面。
## 客户问题和情况
顾问提问：
{{input}}
客户回答：
{{USER_RESPONSE}}
## 历史经验：
数据库：{{database}}
知识库：{{knowledge_base}}
服务顾问的流程到此结束。所有收集到的信息——客户问题、顾问的提问、客户的回答——会被完整打包，传递给下一环节的维修技师。
维修技师工作流
维修技师的工作流要复杂得多。它需要拆解问题，列出可能的故障排查方案，然后根据排查结果去检索具体的解决方案和操作视频。维修完成后，还要询问用户是否需要生成文档——包括维修报告和案例归档，归档完成后存入数据库。
整个工作流使用了41个节点：
- 大模型节点 x5
- 问答节点 x3
- 数据库节点 x3
- 知识库节点 x2
- 搜索引擎节点 x2
- 意图识别 x1
- 插件节点 x3
- 选择器 x1
- 消息节点 x23
接到问题后，同时对知识库、数据库、搜索引擎发起检索。考虑到下一个大模型节点处理时间长，先放一个加载动画安抚用户。
搜索完成后，结果喂给大模型，输出排查方案。
排查方案的提示词：
## 角色
你是一位经验丰富、专为 4S 店技师服务的老师傅，擅长以引导式方式进行诊断，能准确地为技师提供详细的检查建议和故障分析解决方案。
## 技能
### 技能 1：引导式诊断
1. 当技师描述故障现象后，迅速给出全面且具体的检查建议，涵盖检查步骤、所需工具以及重点关注的检查结果。回复示例：
- 检查步骤：
首先，检查车辆的电子控制系统，查看是否有故障代码显示。然后，检查发动机的各个传感器，确保其连接正常且工作稳定。
- 所需工具：
故障诊断仪、扳手、螺丝刀
- 关注结果：
注意故障代码的具体内容，以及传感器的连接状态和输出信号是否正常。
## 限制
- 仅回答与 4S 店技师咨询相关的问题，对无关话题不予回应。
- 输出内容必须严格按照给定格式进行组织，不得偏离要求。
## 用户问题
{{input}}
## 问题相关信息
顾问提问
{{question}}
用户回答
{{answer}}
可以结合以下解决方案回答：
{{outputList}}
{{dataOutputList}}
{{webOutputList}}
方案给出后，等待技师输入检查结果。这里需要处理两种情况：
- 找到了具体故障原因
- 未找到明确原因
如果找到原因，根据原因再去检索知识库、数据库、搜索引擎和抖音视频，同时放加载动画。如果没找到原因，就再做一轮检索（提示词同上）。
然后根据排查结果输出最终解决方案和抖音视频链接。这里加了一个选择器：有视频就展示视频列表（卡片形式）；没视频就提示“很抱歉，目前没有找到完全符合您搜索需求的内容”。
解决方案输出完毕后，让用户确认是否生成文档。不需要就直接结束；需要的话进入文档生成流程。同样，先放加载动画，因为接下来的大模型节点又要花时间。
文档里需要时间信息，所以新增了一个获取时间的插件。内容生成后，再调用文档生成插件输出下载地址。
维修报告的提示词：
用户问题：
{{input}}
解决方案：
{{output}}
维修时间：
{{datetime}}
根据以上内容帮我生成一份维修报告，一份客户友好的维修报告应包含的要素：
1. 报告概览
报告标题：明确指出是维修报告。
报告日期：报告生成的日期。
2. 客户和车辆信息
客户姓名：确认报告所属的客户。
车辆信息：包括车型、年份、车牌号、VIN码（车辆识别号）。
3. 维修概要
维修项目：列出维修的具体项目，如更换刹车片、发动机大修等。
维修原因：简述进行维修的原因，如故障现象、定期保养等。
4. 维修详情
维修步骤：以清单形式列出维修的重要步骤，避免使用过于专业的术语。
更换零件：列出所有更换的零件名称和数量，以及是否为原厂配件。
工时费用：维修工时和费用。
5. 检查结果
发现的问题：详细说明在检查过程中发现的问题。
维修效果：维修后的车辆状态，以及是否解决了原有问题。
6. 安全和保养建议
安全提示：任何与车辆安全相关的注意事项。
保养建议：根据车辆状况提出的下一次保养建议和时间。
7. 费用明细
零件费用：列出所有零件的费用。
工时费用：维修工时的费用。
其他费用：如诊断费、环保费等。
总计：所有费用的总和。
8. 联系信息
服务顾问姓名：提供服务顾问的姓名和联系方式，以便客户有问题时能够联系。
9. 客户签字
客户确认：客户确认维修完成并满意的签字区域。
10. 附加信息
保修信息：提供的保修条款和期限。
服务承诺：4S店的服务承诺或客户满意度保证。
以下是一个简化的维修报告示例：
维修报告
报告日期：2023年11月5日
客户信息：
- 姓名：张三
- 车辆：2024领克01，车牌号：XX1234，VIN：WBA3X3C5XPFXXXXX
维修概要：
- 维修项目：更换前刹车片
- 维修原因：刹车片磨损至更换标准
维修详情：
- 维修步骤：
1. 检查刹车系统
2. 更换前刹车片
3. 测试刹车性能
- 更换零件：前刹车片 x2（原厂配件）
- 工时费用：2小时
检查结果：
- 发现的问题：前刹车片磨损严重
- 维修效果：刹车性能恢复正常
安全和保养建议：
- 安全提示：请定期检查刹车系统
- 保养建议：下次保养里程为5000公里后
费用明细：
- 零件费用：￥600
- 工时费用：￥200
- 总计：￥800
服务顾问：李四，电话：138-0000-0000
客户确认：
（客户签字）
保修信息：更换零件保修12个月或20000公里
服务承诺：我们承诺为客户提供满意的服务体验
这样生成的报告，信息全面、结构清晰，客户一眼就能看明白维修内容和费用明细。维修报告输出后，紧接着生成案例归档文档。
归档文档的提示词：
用户问题：
{{input}}
初步诊断：
{{diagnose}}
检查结果：
{{USER_RESPONSE}} {{USER_RESPONSE1}}
维修方案：
{{output}}
维修日期：
{{datetime}}
根据以上内容帮我写一份案例归档，它有助于记录维修活动的详细信息，以便未来参考和学习。
以下是一个典型的维修案例归档内容清单结构：
1. **客户信息**：
- 客户姓名
- 联系方式
- 车牌号
- 车型
- 行驶里程
- 车辆识别号（VIN）
2. **维修预约信息**：
- 预约日期和时间
- 预约方式（电话、网站、APP等）
3. **车辆问题描述**：
- 客户描述的车辆问题
- 服务顾问记录的问题细节
4. **初步诊断**：
- 服务顾问的初步诊断
- 可能的原因和维修建议
5. **维修方案**：
- 服务顾问提供的维修方案
- 推荐的维修项目和费用预估
6. **维修执行**：
- 技师的姓名
- 维修日期和时间
- 使用的维修工具和设备
- 更换的零件清单
- 维修过程中遇到的任何挑战或意外
7. **检查结果**：
- 技师提供的检查结果
- 确认的故障原因
- 维修操作的详细记录
8. **最终解决方案**：
- 技师提供的最终解决方案
- 确认的维修项目和费用
9. **客户反馈**：
- 客户对维修服务的评价
- 客户满意度调查结果
10. **维修总结**：
- 维修效果评估
- 后续保养建议
- 维修人员对案例的总结和分析
11. **文件附件**：
- 维修报告
- 维修前后的车辆照片
- 任何额外的测试报告或诊断结果
具体案例：，以下是一个汽车维修案例的归档示例：
### 客户信息
- 姓名：张三
- 联系方式：138XXXXXXXXX
- 车牌号：粤A12345
- 车型：宝马5系
- 行驶里程：200,000公里
- 车辆识别号（VIN）：WBAXXXXXXXXX
### 维修预约信息
- 预约日期和时间：2023年5月10日 10:00
- 预约方式：电话
### 车辆问题描述
- 客户描述：最近车辆在行驶中突然熄火，无法重新启动。
- 服务顾问记录：客户车辆在行驶中突然熄火，无法重新启动，无任何警告灯亮起。
### 初步诊断
- 服务顾问初步诊断：可能与燃油系统或点火系统有关。
### 维修方案
- 服务顾问提供的维修方案：更换燃油泵，全面检查燃油系统。
### 维修执行
- 技师的姓名：李四
- 维修日期和时间：2023年5月10日 10:00-13:00
- 使用的维修工具和设备：专用诊断工具、扳手、螺丝刀等。
- 更换的零件清单：
- 燃油泵（型号：Z123456）x 1
- 燃油滤清器（型号：A654321）x 1
### 检查结果
- 技师提供的检查结果：燃油泵损坏，燃油系统工作不稳定。
- 确认的故障原因：燃油泵损坏导致燃油系统工作不稳定。
- 维修操作的详细记录：更换燃油泵，全面检查燃油系统，确保工作正常。
### 最终解决方案
- 技师提供的最终解决方案：更换燃油泵，全面检查燃油系统。
- 确认的维修项目和费用：
- 零件费：￥1500.00
- 工时费：￥450.00
- 总计：￥1950.00
### 客户反馈
- 客户对维修服务的评价：满意
- 客户满意度调查结果：满意
### 维修总结
- 维修效果评估：良好
- 后续保养建议：建议下次保养里程：5000公里后
- 维修人员对案例的总结和分析：该案例中，燃油泵损坏导致燃油系统工作不稳定，通过更换燃油泵和全面检查燃油系统，解决了故障。
### 文件附件
- 维修报告
- 维修前后的车辆照片
- 任何额外的测试报告或诊断结果
归档文档输出完成后，同步生成在线文件并录入数据库，整个业务流程形成闭环。
手动入库
上面提到每次案例都会自动入库，但除了自动归档，系统还支持手动输入文本或链接，进行智能解析录入。
这个手动入库流程复杂程度适中，共用了26个节点：
- 问答节点 x5
- 大模型节点 x2
- 循环节点 x2
- 插件节点 x1
- 数据库 x3
- 选择器 x2
- 文本处理 x1
- 消息节点 x10
通过关键词「set」触发进入工作流，菜单包含三个选项，逐一说明。
1. 文本问题
用户输入案例文本，系统接收后进行解析梳理。先放一个加载进度条——后续大模型解析节点比较耗时。大模型解析完，如果提取出有效数据，就入库；没有则结束。入库完成后询问用户是否需要检查入库（入库查询放在最后讲）。
解析问题的提示词：
{{input}}，分析以上内容，提取问题和解决方案数组：
- 记录格式：
- problem：<用户提出的问题描述>
- solution：<对应的解决方案内容>
记录到 problems 中，
提取问题的数量记录到 problemCount 中
问题列表记录到 problemList，格式如下：
1.xxxxx
2.xxxxx
3.xxxxx
2. 解析链接
用户提供一个链接，调用读取链接插件将网页内容抓取下来，同样先放加载进度条，然后交给大模型解析。有数据就入库，没有直接结束。入库完成后，同样询问用户是否需要检查入库。
3. 入库查询
前两个流程入库成功后，会询问用户是否要检查。同时也支持单独调用。用户输入查询条件后，去数据库里检索。有结果，通过文本处理展示出来；没有，直接结束流程。
至此，这个智能体的所有独立功能就介绍完了。
整体架构
看一下智能体的整体设定：
# 角色
你是一位资深的 4S 店老师傅，以引导式方法为技师进行诊断。能精准地提供详细检查建议、故障分析解决方案，并传授相关学习知识。
## 技能
### 技能 1：问题解答
1. 用户提出问题时，调用工作流 repository_v2_get。
### 技能 2：学习知识
1. 当用户输入【set】调用工作流 repository_v2_set。
## 限制
- 只回答与 4S 店技师咨询相关的问题，拒绝回应无关话题。
- 输出内容必须严格按照给定格式进行组织，不得偏离要求。
通过外部智能体的逻辑，来调用两个工作流：
- repository_v2_get：包含服务顾问和技师维修的完整流程
- repository_v2_set：包含手动录入的所有流程
数据库方面有两个注意点：一是Prompt中如果调用了数据库，记得取消勾选“允许调用”，防止误操作；二是所有数据库操作都在工作流内部完成，不依赖外部智能体去调用。
菜单设置这里就不展开了，直接参考实际配置即可。
核心亮点
最后总结几个亮点：
- 角色灵活切换：根据需求在售后顾问和技术维修人员之间无缝转换，工作流按角色设计，后续扩展其他角色也很方便。
- 知识库自生长：通过案例归档和智能录入，知识库不是静态的，而是越用越厚实，问题解决效率和质量自然水涨船高。
- 实操指引到位：不仅提供文字方案，还精准匹配操作视频，维修人员看了就能上手，避免了理解偏差。
复盘思考
这次实践给我的感触很深：AI在To B领域能不能真正落地，关键不在于技术有多炫，而在于对业务场景的理解有多深。当AI真正融入到业务流程中，它带来的不只是效率提升，更是客户互动体验的质变。这种变革，正在悄然重塑传统行业的服务品质和运营效能。接下来还会继续探索AI在企业服务中的可能性，也期待和更多同行碰撞出火花。