什么是 聊天机器人？
聊天机器人是通过文本、语音或其他界面与用户交换连续对话轮次的软件系统。它可以使用固定规则、检索、分类器、语言模型、工具或其组合；能够对话不代表系统就是自主 Agent。
工作原理
一次对话轮次是受控工作流
每轮都应绑定会话 ID、已认证用户上下文、渠道事件、前序状态和当前策略版本。运行时先校验输入，再决定回答、澄清、检索、调用工具或转人工，最后记录状态转移。Transcript 只证明交换过哪些消息，不应成为账号身份、订单状态、用户同意或审批结果等可信字段的唯一存储。
规则、检索与生成解决不同问题
规则适合边界窄且可审计的路径；检索负责选择或提供经过批准的知识；语言模型能处理多样表达并生成回复，但输出仍具有概率性。工具执行必须位于确定性的参数校验、鉴权、幂等与确认之后。聊天机器人可以组合四者，却不因此自动成为自主 Agent：目标、权限、终止条件和外部副作用仍由应用控制。
兜底与人工转接必须是一等状态
可靠系统要区分不支持的请求、意图歧义、信息缺失、策略阻断、工具故障和用户明确要求人工等情况。转接时应在访问与留存政策内传递最少必要的 Transcript、已核验字段、未完成任务、已尝试动作和升级原因。除非置信度已经按目标流量和失败成本校准，否则不能只凭模型自报置信度决定转接。
按完整会话与结果评测
单轮回复评分看不到死循环、约束遗忘、重复副作用与恢复失败。应冻结代表性多轮场景，测量任务完成率、无依据断言、正确澄清、转接精确率与召回率、重复提问、工具成功率、延迟、成本、放弃率和用户确认解决率，并按语言、渠道、意图、风险等级与会话长度切片，发布前重放回归样本。
主要特点
- 通过文本、语音或多模态界面交换有序轮次
- 把显式会话状态与原始 Transcript 分开维护
- 可以组合规则、检索、分类器、语言模型和工具
- 在可信应用状态中维护身份、权限、审批和业务事实
- 把澄清、拒答、失败、转人工和完成表示为不同结果
- 需要整段会话评测，不能只衡量单轮回复流畅度
常见用途
- 结合已核验账号上下文与人工升级的客服分流
- 引用批准来源并在证据不足时拒答的知识助手
- 由确定性执行器在预览和确认后提交动作的交易流程
- 保持审计与访问边界的内部服务台请求路由
- 围绕有限学习目标维护多轮状态的教育练习系统
示例
Loading code...常见问题
规则型聊天机器人和 AI 聊天机器人有什么区别？
规则型聊天机器人按照显式状态转移、模板或决策表运行；AI 聊天机器人使用分类器、检索模型或语言模型解释输入或生成轮次。二者都需要应用维护状态、权限、错误处理和结果指标；AI 聊天机器人也不会因为发生一次对话就自动从中学习。
聊天机器人和 AI Agent 有什么区别？
聊天机器人描述的是对话界面，AI Agent 通常还包含围绕目标选择工具或动作的控制循环。聊天机器人可以完全基于规则，Agent 也可以不通过聊天工作。当聊天机器人使用 Agent 能力时，Host 仍须限制目标、工具、权限、预算和终止条件。
聊天机器人应该保存哪些状态？
应按留存规则保存类型化的会话 ID、当前工作流状态、已核验实体、未解决问题、工具结果、用户同意、策略版本和转接状态。可信账号与鉴权事实必须位于模型生成文本之外。摘要可以降低上下文长度，但应保留来源，且不能静默替代权威记录。
RAG 能保证聊天机器人回答可靠吗？
不能。RAG 可以提供较新且可检查的证据，但不保证检索完整、已授权、仍然有效或被模型正确使用。系统应分别评测检索与答案支持度，保留来源身份，在生成前执行权限过滤，并在证据不足或冲突时拒答或升级。
应该如何评测聊天机器人？
应使用代表性多轮会话和明确结果评测，至少衡量任务完成、正确澄清、无依据断言、转接质量、重复提问、工具副作用、延迟、成本、放弃率和用户确认解决率。结果还要按语言、意图、风险等级、渠道和会话长度切片，不能只看单一满意度或回复质量分。