专题演讲嘉宾：任巨伟

大模型的爆发式演进，在自然语言理解、生成和推理能力上取得突破，赋予 Agent 动态决策、多任务协同和拟人化交互能力，推动其从"工具"向"自主助手"演进。本演讲结合了得物智能客服从传统 workflow 向 AI Agent 端到端解决方案落地过程中的痛点和成功实践经验。阐述了在高准确率要求和高复杂性的背景下，算法如何通过模型训练、PE 自动化、人类经验对齐、以及对话消息流控制，打造高可控的智能客服 Agent 系统，并拿到了超越当前配置型工作流的效果，在解决能力和回复多样性上达到了和 Top5 人类客服对齐的水平，达到了人力成本降低、用户体验提升的双正向效果。

演讲提纲：

1. 背景与挑战：智能客服领域Agent落地的必然性与挑战
2. 客服Agent多轮协商优化-高可控性PE自动化
3. 客服Agent出话决策-RL决策训练实践
4. 客服Agent情感温度-人类经验对齐模型蒸馏
5. 多轮会话消息流控制-半双工对话逻辑设计
6. 总结与展望

听众收益：

• 从 PE 自动化 → RL 决策训练 → 经验蒸馏 → 消息流控制，可获得完整的客服 Agent 建设方法论
• 了解在真实业务约束下如何设计 Reward 模型、采集训练数据，并将决策能力内化至 LLM 底座，避免在 RL 落地中踩坑
• 理解如何将难以结构化的优秀客服经验通过模型蒸馏方式传递给 LLM，在保持专业度的同时引入情感温度，对需要构建人格化 Agent 的团队可以参考
• 在情绪化用户与严格业务规则并存的场景下，掌握 Agent 进行多轮协商的设计策略，解决"让 Agent 既不得罪用户、又不违反平台规则"这一难题