今年六月，国内某头部电商平台悄悄上线了一款由BIGAI通用智能体驱动的客服机器人，代号“小通”。消息很快在运营圈传开——不是因为好用，而是因为“翻车”翻得太离谱。有用户问“满200减50的券能叠加店铺95折吗”，智能体直接算出“实付133.5元”，实际上券和折扣不能共享。还有买家询问“手机进水了能保修吗”，智能体回答“根据商品页面描述，防水手机进水不在保修范围内”，但那一款手机压根没有宣传防水功能，只是用户自己弄湿了。这些低级错误让平台客服团队一夜之间忙得焦头烂额，但也让幕后技术团队看清了一个问题：通用智能体的世界模型跑分再漂亮，碰上具体行业的约定俗成，一样会“裸泳”。
BIGAI上一轮跑分中，其新架构在物理常识任务上的正确率突破68%（详见《BIGAI新架构跑分之后，通用智能体离“常识”还有多远》），但那份试卷里没有商家优惠券的叠加逻辑，也没有客服话术里的“潜规则”。2026年5月，通研院在2026通用人工智能论坛上发布了行业智能体基准，重新定义“数字员工”上岗标准，而这次客服翻车，恰好成了那个基准最有价值的现实注脚。
“小通”的核心是通研院自研的TongAgents框架，支持任务规划、工具调用、学习推理和多智能体协同调度（通研院官网显示其产品能力领跑全球，登上多项国际智能体榜单）。按照技术团队最初的设想，它应该能接管平台80%的售前售后咨询。但上线第一周，问题单就被打回了原形。除了优惠券计算错误，还有对商品规格的幻觉：有用户问“屏幕尺寸6.7英寸的手机有哪些”，智能体竟然把一款6.5英寸的错标成6.7英寸回答。更深层的隐患出现在售后：当用户追问“我明明选的是128G，为什么发来的是64G”，智能体会根据订单记录回答“订单显示为64G版本”，但忽略了这类问题往往需要先安抚、再核实，而非直接抛事实。
事后复盘，技术团队发现根因不在模型推理能力的缺失，而在“行业常识”这一层的缺席。BIGAI的世界模型擅长物理世界的因果推断（比如“杯子倒了水会洒”），但电商客服场景涉及大量非物理的行业惯例：优惠叠加规则、商品参数表述中的漏洞、退换货处理的优先级等。这些知识既不写在产品说明书里，也不是常识数据集的一部分。模型依赖的预训练语料里，这类“潜规则”往往以隐含的形式存在，直接推理出来必然出错。
修正第一回合：RAG补齐知识短板
团队没有立刻微调模型，而是先搭建了一个领域知识库，把该平台近三年的客服FAQ、优惠活动法规、退换货章程全部结构化入库，并针对高频问题做了场景化抽取。在RAG链路中，每个用户提问会先触发知识库召回，将匹配的规则片段拼入提示词。效果立竿见影：优惠券计算的错误率从41%降到9%。但新的问题出现了——召回内容过多时，模型会选择性忽略，依然沿用自己“猜”的答案。
修正第二回合：RLHF学会选择
于是第二波修正引入了基于人工反馈的强化学习（RLHF）。平台把处理过的正确对话（包括客服介入后的完整链路）整理成对比样本，让模型学习“在不确定时应先引用规则，而非生成猜测”。这个过程持续了三周，每天约2000对人工对比反馈。通研院的TongAgents框架提供了细粒度的奖励建模接口，使得RLHF的迭代周期从月级缩短到周级。修正后，智能体在90%的咨询场景里表现合格，唯一遗留的短板是“情绪识别”的滞后——遇到愤怒用户时，它仍会机械地念规则，让人哭笑不得。
这个案例给行业留下了三条清晰的优化路径。第一，通用智能体落地必须补齐行业知识库，但知识库需要动态维护——规则变了，RAG的索引就得跟着变。第二，RLHF不能只靠用户反馈，必须引入专业客服的“专家对比样本”，否则模型容易学会避重就轻。第三，也是通研院在行业智能体基准中反复强调的——没有统一的“上岗标准”，每个场景的边界条件都需要单独校验。这三点，比我之前拆解的那些Agent账单失控（见《Agent抛弃订阅制后，我们算清了按量计费的三笔账》）或者L3定责日志问题（见《L3自动驾驶事故定责，卡在“车端日志格式不统一”这一步》）更加指向组织流程的协同成本。
BIGAI的新架构在这次客服落地中虽然走了弯路，但技术团队有耐心走完最后这一公里。反观整个行业，2026年Q2具身智能在工厂里算不回本（见《具身智能进退两难：融到钱的都在找场景，找到场景的算不回本》），AI电影宣发叫好不叫座（见《2026暑期档电影票仓告急：AI宣发真的能救票房吗》），而通用智能体客服的“翻车与修正”至少给出了一个局部可行的解法。剩下的差距，是工程与组织的事。
