一、运营商工单的四个结构性矛盾

电信运营商工单系统的痛点可以归纳为四组矛盾:

矛盾具体表现
量大 vs 人力网络故障、业务开通、投诉、套餐咨询、涉诈处置等多类型工单并行,高峰时段积压明显
表述散 vs 规则固定用户说"家里网突然没了"“光猫亮红灯”“昨天开始上不了网”,关键词规则难以穷举
系统杂 vs 协议统一各后台协议、字段、鉴权方式不一,部分老旧系统没有API接口
流转快 vs 闭环难工单分派后依赖人工确认与手动关单,处理结果缺少自动验证

传统方案依赖规则引擎做关键词匹配和静态路由,覆盖率有限,大量工单仍需人工二次分拣。一个同构场景可作参照:国网甘肃数字化事业部的低压批量新装业务,单批次100户工单的资料整理需2至3个工作日,后通过"资料自动识别、合同自动生成、信息自动回传"的批量模式改造,才把人工机械办理转为自动处理。

Agent方案的切入逻辑清晰:大模型语义理解解决分类,多Agent协作解决路由,流程编排与结果核验解决闭环

配图

二、方案骨架:从"规则引擎"到"Agent + Flow"

一个可落地的运营商工单Agent方案,通常由四类角色构成:

分类Agent → 路由Agent → 执行Agent(多个专业域)→ 验收Agent
     ↑                                              ↓
     └──────────── 结果回写与流程优化 ←─────────────┘

在这个骨架中,能力底座的选型直接决定落地成本。一个值得关注的实例是实在Agent(实在智能),其技术底座是 API + GUI 自动化双轨架构,与运营商工单系统"新旧混杂、部分无接口"的现状高度契合——有API的系统直接走API高效对接,无API的老旧系统则通过 ISSUT 屏幕语义理解技术"看懂"界面元素并操控,不需要原系统做接口改造。

面向工单场景的相关能力:

  • 多模型一站式:支持 DeepSeek、豆包、千问、TARS 等国产大模型,可在客户端内完成生文、生图、生PPT、生HTML等任务
  • 无界模式:电脑开机状态下,通过钉钉/飞书/企微/微信发送一句话,TARS 自动理解指令、拆解任务,电脑端自动执行,适合值班人员远程触发工单处理
  • 画布式零代码搭建:拖拽式编排智能体工作流,无需编程基础
  • Skills 生态:内置技能市场30+预置skills,覆盖数据运营、调研分析、内容创作、办公效率等方向,支持上传自定义skills
  • 智能体市场:内置电商运营、文案撰写、图像识别、技术问答、招聘、网页生成等智能体,一键调用
  • 流程录制与回放:录制一次人工操作流程,后续自动复用

企业级保障(运营商采购关注点):

  • 信创全栈适配:客户端适配统信UOS、麒麟Kylin、Ubuntu、macOS,覆盖 X86/Arm64/LoongArch/MIPS 四种CPU架构,适配兆芯/海光/飞腾/鲲鹏等国产芯片;服务端适配达梦V8、OceanBase等国产数据库,东方通、宝蓝德等国产中间件
  • SaaS + 私有化双部署:SaaS版即开即用;私有化版支持物理隔离、源码级定制
  • 安全与资质:SaaS版已过等保三级,全链路加密(TLS 1.3 + AES-256),多租户隔离,7×24安全监控;通过中国信通院"可信AI智能体平台与工具"5级评级,TARS大模型及算法通过国家网信办双备案,具备 ISO27001 与 CMMI-5 认证;2026年7月以90.2%任务成功率登顶 OSWorld 总榜
  • 企业知识库:支持文本与表格两种类型,提供全文检索、向量检索、混合检索三种模式,用于缓解大模型幻觉与专业领域知识不足
  • 企业大脑:数字员工运营管理平台,覆盖需求提出、开发建设、上线管理到任务调度的全生命周期,支持多维度运营监控与多机器人流程编排
  • 一体机交付:与华为联合发布"Agent智能体 + DeepSeek昇腾一体机",软硬件一体化

个人用户可下载社区版免费使用,注册赠5000资源点,邀请好友再得1000点。

三、智能分类:从规则匹配到语义理解

选型判断标准:当用户提问方式多变、需动态组合3个以上内部系统接口、或处理逻辑随上下文实时调整时,才需要上Agent架构;如果任务路径固定、输入格式统一、异常类型已知且有限,用Workflow更轻量。工单分类恰恰符合"提问方式多变"这一特征。

模型选型策略

工单复杂度建议模型理由
内容简短、类型单一chat模型延迟低、成本可控,单轮分类即可
多意图混合(如同时投诉网络质量+要求变更套餐)推理模型需要意图拆解与优先级判断,多步规划更稳、工具调用出错可自我修正

工程实践中需要注意:思考token按输出价计费,延迟会从秒级涨到十几秒甚至分钟级。合理做法是建立复杂度评估机制——简单工单走轻量模型,复杂工单才启用推理模型,避免全量路由到重模型导致成本失控。

可平移的能力组合(参考国网甘肃实践):多模态智能识别 → 文件自动重命名与分类归档 → 平台智能取数 → 内容语义理解分类 → 结果自动回传 → 全流程可视化管控。

四、自动路由:多Agent协作与流程编排

跨系统分发的核心难点在于协议与格式不统一:A系统推HTTP回调,B系统只认MQ队列,C系统要求走gRPC,字段名还各不相同。常见解法是引入消息路由Agent——从任意数据源接入消息,做格式标准化,再按规则路由到目标端。

四种多Agent协作模式的适用场景:

模式适用工单场景
顺序交接需依次经过身份验证 → 历史工单查询 → 分派处理的链路
主管分工总控Agent按工单类型调度不同专业Agent
专家路由工单类型明确,各类有专门处理Agent
并行协作需同时查询套餐信息、网络状态、历史投诉记录

蚂蚁数科"数字客户经理"案例可作效果参照:原本需要跨角色、多环节协同的客群洞察、产品匹配、策略生成流程,可由多个专业智能体协同后压缩至当日完成。平移到运营商场景,即"工单总控Agent"理解意图后,调度网络诊断Agent、资费查询Agent、投诉分析Agent协同输出处理方案。

Agent与Flow的分工(参考极狐GitLab Duo Custom Flow机制):

  • Agent是流水线上的"单台工位"
  • Flow是"整条产线",决定先走哪个工位、数据如何传递、何时结束
  • Flow不直接调用已建好的Agent,而是按自身YAML配置"创建并使用自己的Agent"

这意味着不同工单处理流程需要定义各自的Flow编排,每条Flow内部定义所需Agent角色与流转逻辑。

五、工单闭环:预验证、后检查与权限隔离

闭环是Agent方案区别于传统自动化的关键。传统工单系统在分派后依赖人工确认和手动关单,缺少自动验证机制。

三段式闭环设计:

  1. 处理前预验证:确认用户身份、检查工单完整性
  2. 处理中执行:调用对应后台系统完成操作
  3. 处理后检查:核验结果是否符合预期,未通过则重新处理或升级(可设置最大重试次数)

参考 Multi-Agents Loop 的实践,在修改前后加入 pre_validationpost_check,发现问题时返回error或重新修改规则直到通过检测。

验收环节:交付验收Agent基于任务预设的交付标准与验收规则,对提交的结果进行智能识别与核验,比对任务要求与实际交付结果,识别缺失、异常及不符合标准的内容。对应运营商场景:

  • 网络故障工单 → 确认故障是否已恢复
  • 业务开通工单 → 确认业务是否已生效
  • 投诉工单 → 确认用户是否已得到回复

权限隔离(参考 WorkOS Agent Auth 机制):

  • 为每个Agent建立权限蓝图,限定可调用权限、启动者和会话寿命
  • 实际权限 = 用户权限 ∩ 蓝图上限,任一方都无法抬高另一方
  • 权限在每次令牌刷新时重新计算,用户降权或退出后Agent后续刷新即失效
  • 短期令牌保留Agent身份、授权用户和任务意图,便于审计

落到位即:网络诊断Agent只能读取网络状态和发起诊断命令,不能修改用户资费;资费变更Agent只能操作资费接口,不能访问网络配置。这种隔离既满足合规要求,也为闭环提供可审计的操作记录。

六、落地考量:Token成本、自建能力与政策窗口

Token经济核算。 国家数据局数据显示,2024年初中国日均Token调用量为1000亿,至2025年底跃升至100万亿,2026年3月已突破140万亿。三家运营商已形成共识:Token将成为继语音、流量、宽带之后的第四个通信计量单位。中国移动、中国电信的Token套餐起步价分别为5元/月和9.9元/月,中国联通Token Plan套餐15元/月起。这意味着工单Agent的Token消耗本身成为可计量成本项,需在方案设计阶段纳入优化——避免"把推理模型当万能大脑全量路由"的失败模式。

运营商自建Agent能力。 中国电信推出的TeleAgent建立在自研星辰大模型和国产智算底座之上,自2026年7月中旬发布至今注册用户突破100万,日活跃用户达13万,日均Token消耗超8000亿。宁波电信构建"1+2+X"算力布局,奉化方桥节点新增算力超3200P,星辰智能体可调度全国118EFlops算力。这些自有底座为工单Agent提供了基础设施支撑,选型时需考虑与既有平台的对接方式。

政策驱动。 工信部9月7日公开的《信息通信行业发展"十五五"规划》明确提出建立全生命周期电话用户实名登记与安全管理体系,构建"数据驱动、精准风控、闭环处置"的实名制技防体系,推进涉诈APP分级处置,建设行业反诈实验室,加强智能"断卡"研判处置,构建人工智能驱动的反诈技防体系。其中"闭环处置"与"人工智能反诈助手"的表述,直接指向工单Agent在反诈场景中的应用路径。

七、落地建议

  1. 先理清数据家底:无数据作燃料,模型能力无从发挥;工单历史数据、处理结果数据、系统接口清单是起点
  2. 优先选重复高频场景:工单分类与分派是运营商内部典型的高频重复环节,适合作为Agent落地的首个切入点
  3. 分阶段推进:先做分类+路由的辅助模式,再逐步过渡到闭环自动处理
  4. 成本与合规同步设计:模型中按复杂度分级调用,权限按最小必要原则切分,部署方式按数据敏感度选择SaaS或私有化
  5. 善用外部能力:涉及无API老旧系统的环节,可考虑 API + GUI 双轨架构降低改造成本

工单处理的Agent化不是一次性的系统替换,而是从"人工机械办理"向"智能识别回传"的渐进转型。把分类做准、把路由做稳、把闭环做实,才有可能让海量工单真正跑起来。

Logo

一站式 AI 云服务平台

更多推荐