作者丨正在学AI的小泉同学
上一篇我们讲了，Prompt 可以把用户自然语言转成结构化意图。
但一个真正的客服系统，只做这一步还不够。
因为用户不是只问一句话。
真实对话通常是多轮的。
比如：
用户：有什么 100G 以上的套餐？
客服：我们有畅游套餐和无限套餐，您有什么价格倾向吗？
用户：哪个便宜？
这里的“哪个便宜”，单独看是看不懂的。
它依赖上一轮上下文。
这时候，就需要对话状态管理。
一个对话系统，通常有 4 个关键模块
可以先记住这条链路：
NLU → DST → Policy → NLG
听起来有点技术。
我们翻译成人话。
NLU：理解用户这句话是什么意思。
DST：记住前面聊到哪了。
Policy：决定下一步该做什么。
NLG：把系统决策说成人话。
比如用户说：
200 元以内，流量大的套餐有吗？
NLU 识别出：
价格小于等于 200。
按流量降序排序。
DST 记录这个状态。
Policy 去数据库里找符合条件的套餐。
NLG 回复用户：
推荐畅游套餐，每月 180 元，包含 100G 流量。
DST 的作用：不要让 AI 每轮都失忆
多轮对话最大的难点，是上下文。
用户第二轮说“太贵了”。
他不是凭空说太贵。
他是在接着上一轮的推荐讲。
所以系统要记住：
上一轮推荐了什么。
用户之前提过什么条件。
当前筛选状态是什么。
这就是 DST。
对话状态跟踪。
可以理解为客服的“记事本”。
没有它，AI 每一轮都像刚进群的人。
有了它，AI 才能接得住上下文。
什么时候用 Prompt，什么时候用传统方法？
这里有一个很实际的判断。
你可以用 Prompt 实现 DST。
也可以用 Prompt 做 NLU，然后用传统代码维护 DST。
两种都可以。
用 Prompt 实现 DST，开发快，但调优复杂。
用传统方法维护 DST，更可控，但需要设计状态更新规则。
比如：
用户直接指定套餐名称，就清空之前条件。
用户要求按价格排序，如果之前有精确价格匹配，就要处理冲突。
用户说“算了，要最便宜的”，就要覆盖之前的排序状态。
这类规则，传统代码可能更稳。
所以别迷信“全都交给 AI”。
成熟的 AI 产品，不是 AI 单独表演。
而是 AI 和传统系统配合。
加入垂直知识，话术才像专业客服
如果只让 AI 自由回答，它可能会说得很泛。
所以要给它垂直知识。
比如套餐信息：
经济套餐，50 元，10G。
畅游套餐，180 元，100G。
无限套餐，300 元，1000G。
校园套餐，150 元，200G，仅限在校生。
再加统一口径：
遇到用户说“太贵了”，回答：亲，我们都是全省统一价哦。
这就不是普通聊天机器人了。
它开始有业务知识、有服务口径、有品牌语气。
这一步很关键。
很多 AI 客服翻车，不是因为不会说话。
而是因为没有统一口径。
客服场景里，自由发挥是风险。
专业稳定才是价值。
用 Prompt 搭系统，最重要的是“可控”
AI 产品不是让模型随便回答。
而是让模型在业务边界里回答。
所以我们需要：
结构化输入。
结构化输出。
明确规则。
垂直知识。
统一口径。
错误兜底。
这套东西搭起来以后，一个智能客服系统的基本骨架就有了。
它不只是聊天。
它能理解、记忆、查询、推荐、回复。
这才叫进入业务流。
结尾行动清单
做 AI 客服，可以按这个顺序搭：
1.先用 Prompt 做 NLU，识别用户意图。
2.用 DST 维护多轮对话状态。
3.用数据库检索真实产品。
4.用 Prompt 生成自然语言回复。
5.加入统一口径和业务边界。
6.持续测试用户真实问题。
别一上来就追求“大而全”。
先把一条小链路跑通。
AI 产品最怕的不是简单。
是看起来很智能，实际不可控。