云呼智服工单中台

项目定位

这是一个面向售后与客服场景的工单中台，解决重复问题多、流转链路长、人工答复不统一、知识更新慢的问题。项目把用户咨询、工单分派、知识检索、坐席答复和结案统计整合起来。

项目思维导图

核心流程

技术架构

技术	作用
Spring Boot	工单、会话、坐席、统计接口
MySQL	工单、答复、知识文档、审计日志
Redis	热点 FAQ、会话上下文、限流
MQ	工单通知、超时提醒、异步统计
Elasticsearch / 向量库	FAQ、知识手册、历史工单检索
Spring AI	智能问答、结构化提取、RAG 编排

AI 接入点

• RAG：售后政策、服务规范、产品手册、FAQ。
• Tool Calling：工单详情、用户信息、历史处理方案、坐席负载。
• Agent：问题归类、建议回复、升级人工、派单判断。

项目亮点

• “问答 + 工单”联动，比单纯聊天机器人更像真实系统。
• 很适合展示客服效率提升、服务一致性和知识库治理。
• 容易延伸出权限、审计、超时提醒和服务统计。

面试追问

1. 工单自动分派错了怎么办？
2. FAQ 知识库如何保证答案可信？
3. 坐席辅助和自动回复边界怎么控制？

1 分钟介绍

这个项目是一个 Java+AI 企业级项目，核心不是单独做聊天机器人，而是把大模型能力接入真实业务流程。我的讲法会先说明业务痛点，再讲 Java 后端负责流程、权限、事务和审计，最后说明 RAG、Tool Calling 和 Agent 分别解决知识检索、业务查询和多步骤编排问题。

3 分钟介绍

我会先从业务背景讲起：这个项目要解决的是传统系统中信息分散、流程依赖人工经验、处理效率不稳定的问题。整体链路上，用户先发起业务请求，Java 后端完成鉴权、参数校验、状态流转和数据落库；AI 层负责理解意图、检索知识、调用受控工具并生成草稿或建议。

技术上，项目通常会用 Spring Boot 承接核心业务接口，用 MySQL 保存业务主数据、状态记录和审计日志，用 Redis 做热点缓存、会话上下文和幂等控制，用 MQ 解耦通知、索引同步和统计任务。AI 能力上，RAG 负责检索企业知识和历史案例，Tool Calling 负责受控查询业务数据，Agent 负责编排多步骤任务。正式写操作和高风险动作不会让模型直接执行，而是进入人工确认或 Java 业务服务事务边界。

面试时我会重点强调三点：第一，AI 只是辅助理解和生成建议，不能绕过权限和审计；第二，所有工具调用都要做白名单、参数校验、限流和日志；第三，模型超时、无召回、低置信度或输出不合法时，要能降级到规则模板、人工处理或只展示已有业务数据。

简历一句话写法

我负责客服工单中台的 Java+AI 能力设计，重点做工单流转、知识库检索、坐席辅助和人工确认链路。