如果让你设计一个智能客服系统，你会怎么设计？
这道题考的是系统架构设计能力，具体说就是：智能客服怎么做到"机器能答的绝不浪费人工，人工该接的绝不耽误用户"。
核心就三件事：用户进来怎么分流、智能问答怎么实现、人工坐席怎么调度。下面咱们一个个拆开讲。
一、先画整体架构——像个医院分诊台
智能客服系统的设计思路，像极了医院挂号分诊：小病小痛AI直接处理，疑难杂症转给专科医生。
整个系统分四层：
第一层是C端入口层——用户从APP、网页、微信、热线电话进来，统一进入一个入口。这里要做的是意图识别：用户想问什么？是查物流、退换货、还是投诉？识别出来才知道后面怎么分流。
第二层是智能问答层——这是系统的核心。常见问题、高频问题，这层直接给出答案。解决不了的，进入下一层。
第三层是人工服务层——AI搞不定的，转给真人坐席。这里涉及坐席分配、排队等待、话务接听。
第四层是配套系统层——知识库管理、质检系统、数据分析、运营后台。没有这些，客服系统跑不起来。
记住这个分层：入口分流→AI接待→人工兜底→配套支撑。面试时先把这个框架画出来，面试官就知道你脑子里是有结构的。
二、智能问答怎么选？检索式 vs 生成式
这是技术选型的关键问题。很多同学一听到"智能问答"就想到ChatGPT，其实不一定对。
检索式的原理很简单：用户问"怎么退货"，系统去知识库里找最相似的问答对，然后把答案返回。答案来自知识库，准确率有保证。
生成式呢？用户问"怎么退货"，大模型现场生成一段回答。灵活是灵活，但可能一本正经胡说八道。
打个比方：检索式像查字典，答案标准化、不会错；生成式像AI写作文，可能惊艳也可能翻车。
电商场景我强烈推荐检索式——退货流程、物流信息、尺码问题，这些必须有标准答案，生成式万一乱说，用户直接炸锅。
互联网产品可以玩混合方案：简单问题检索式，开放问题生成式。看你的业务容忍度。
面试时怎么表态？"根据场景选技术，电商这种强时效、强准确率的场景用检索式，互联网产品体验优先可以尝试生成式"——这就够了。
三、向量搜索怎么做到毫秒级匹配？Faiss索引策略
检索式问答的核心是向量匹配：把问题和知识库里的标准问题都转成向量，然后找最相似的那个。
这中间有两步：
第一步是向量化——用BERT或者Text2Vec把文本变成一串数字（向量）。相似的文本，向量也相近。
第二步是向量搜索——用户问题变成向量后，去知识库里找最接近的。这个"找"的效率，就靠Faiss。
Faiss是Facebook开源的向量搜索库，支持多种索引策略：
- HNSW：性能最强，搜索快、精度高，但内存占用大。适合数据量不大但对延迟敏感的场景。
- IVF：倒排索引，内存友好，适合数据量大的场景。配合Flat使用，效果不错。
- PQ：乘积量化，压缩率高，适合内存极度受限的情况，但精度会下降。
实操建议：1亿条以下用IVF+HNSW组合，1亿以上要考虑分库分表或者换HNSW集群。
还有一个实际工程问题：向量维度。BERT出来的向量是768维，太大了。生产环境一般用128维或256维，用个降维模型（比如SentenceBERT）直接出低维向量，搜索效率和精度都能接受。
面试时能说出Faiss、知道IVF和HNSW的区别，就已经超过80%的候选人了。
四、坐席调度和排队怎么设计？Redis有序集合搞定
AI转人工的场景，怎么保证用户等待时间合理、坐席工作量均衡？这就需要调度策略和排队机制。
调度策略有四种：
- 均衡分配：谁空闲谁接，按饱和度轮询。适合大部分场景。
- 熟客优先：这个用户上次是老张服务的，这次还转给他。提升体验，但可能造成坐席工作量不均。
- 上次服务优先：上次谁服务过这个问题，这次还找他。适合复杂问题追踪。
- 指定分配：VIP用户指定给金牌客服。电商大促常用。
排队机制用Redis Sorted Set实现，思路很巧妙：
- 排队的人全部放进一个有序集合
- score设为时间戳（谁来得早，score就小）
- 有人空出来，ZPOPMIN取score最小的，就是排队最久的人
- ZRANK可以查当前排名，用户能看到"前面还有3人"
这套方案的好处是高性能、可扩展。Redis单机能扛住万级并发，再大就上集群。
三个核心指标要记住：
- 拦截率往上走：AI解决的问题占比越高，说明系统越智能
- 满意度往上走：用户评价高，说明服务质量好
- 平均处理时长往下走：处理得越快，效率越高
面试时提到这三个指标，说明你是结果导向的，不是纯技术思维。
面试怎么答
基础版（能过的回答）：
智能客服系统分四层：入口层、智能问答层、人工服务层、配套系统层。用户进来先做意图识别，能AI处理的走问答机器人，处理不了的转人工。
智能问答我推荐检索式方案，用向量匹配找知识库里的答案。向量搜索用Faiss实现，数据量大的场景用IVF索引。
人工坐席这块，用均衡分配策略，按饱和度轮询。排队用Redis有序集合，score是时间戳，ZPOPMIN自动叫号。
核心看三个指标：拦截率、满意度、处理时长。
加分版（让面试官眼前一亮）：
我的设计思路是分层+闭环。
分层：入口层做意图识别→智能问答层做问题拦截→人工服务层做兜底→配套系统层做支撑。
技术选型上，强准确率场景用检索式（电商），体验优先场景用生成式（互联网产品），可以尝试混合方案。
向量搜索这块，数据量小于1亿用IVF+Flat，超过1亿考虑IVF+HNSW组合。维度控制在128-256维，用SentenceBERT直接产出。
调度策略结合业务场景：日常用均衡分配保证公平，大促用饱和度控制防止过载，VIP用户可以考虑熟客优先。
闭环：拦截率↑、满意度↑、处理时长↓——这三个指标驱动系统持续优化。
一句话总结
智能客服系统的设计核心是"AI优先、人工兜底、分层协作、数据闭环"，技术选型看场景，调度策略看业务。