顺丰-丰语大模型客服
应用场景：快递全生命周期智能客服，覆盖查件、改址、时效查询、运费咨询、保价规则应答、智能外呼、会话摘要生成、知识管理、智能质检及新员工培训等
投稿方：匿名投稿者 · 服务商：顺丰集团 · 收录时间：2026/10/16
本案例信息由投稿方提供、平台整理，尚未经人工核实，重要信息请以原文为准。
案例事实
1. 一句话摘要
投稿方未提供
2. 行业 + 企业规模
能源与基建 · 自有员工十万级，服务覆盖全国并延伸至国际
3. AI 能力类型
智能体流程
4. 原来怎么干的
早期为关键词匹配机械应答；2018—2019年NLP机器人仅具有限多轮能力；大促节假日咨询量激增，人工客服压力大、排队时间长、服务标准不一；客户诉求分散于电话、在线、IM、社交平台等多渠道；快递员、仓管员与客户间大量重复沟通
5. AI 介入在哪一步
替代高频查件、改址、时效查询、运费咨询、保价规则等应答及快递收方未接听后的重复外呼；增强客服侧关键信息提取、工单摘要生成、知识管理与全量智能质检；客户情绪异常、多次重复诉求或高风险事件精准转接人工
6. 模型与架构
物流垂直大语言模型‘丰语’，采用继续预训练+监督微调+基于人工反馈的强化学习；多轮对话、语义理解与检索增强生成（RAG）；大小模型协同（小模型匹配短文本精准答案，大模型处理复杂/长尾查询）；对接智能预测排班、商机洞察与智能体工作流编排系统
7. 数据基础（必填项）
训练数据中约20%为顺丰与行业物流供应链垂域数据；覆盖60余个任务型场景与3000余个FAQ问答场景；通过语音转文本技术实现客户信息与通话录音统一存储与集中管理；具体数据总量与标注投入未公开
8. 效果
自助服务率：原值未明 → 现值90%（全量口径）；会话摘要准确率：原值未明 → 现值＞95%（测试集/线上抽样）；客服处理平均时长：原值未明 → 现值减少30%（全量口径）；知识触发率：70%—80% → 90%—93%（全量口径）；AI采纳率：智能摘要初期低，术语对齐优化后显著提升
9. 投入
自研模型；员工侧无代码智能体搭建平台；投入周期与预算档位未公开；推理成本未提及
10. 坑
智能摘要功能初期因准确率不足导致坐席接受度低；知识管理中小模型分词检索覆盖率长期卡在70%—80%瓶颈；业务术语（如‘收方’‘第三方’）未对齐影响模型实用性
下载 顺丰-丰语大模型客服 复现资料
本案例的投稿文档与附带资产已整理为专属复现包，留资后即可下载。
- 00_说明.txt
- 01_关键信息.md
- 顺丰-丰语大模型客服.docx
分享复现反馈
复现结果、失败条件或内容修正——案例因真实反馈持续改进，提交后即展示在案例页并进入社区动态。
示例：「按复现包部署到测试环境，用 qwen-plus 跑通全流程；线索排序与案例描述一致，但导出报表需手工补字段。」
写清环境/模型、跑通到哪一步、与案例描述的差异即可；署名选填，匿名反馈同样展示；提交即公开，如需下架可联系平台。