项目规模：870万
项目描述：面向信用卡中心，基于大语言模型构建智能外呼机器人及内部坐席知识库助手，实现账单提醒、分期营销、FAQ问答等场景的自动化，要求多轮对话准确率超90%，并支持私有化部署与合规审计。
技术栈：
LLM框架：LangChain + 自研对话管理模块
向量库：Milvus 集群
后端：FastAPI + Python 异步任务
前端：React + Ant Design（运营后台）
集成：微信/钉钉/电话网关接口
个人职责与成果：
担任AI研发经理，设计系统RAG（检索增强生成）架构，利用LangChain编排文档加载、切片、向量化和检索链路，知识覆盖信用卡全业务共2.3万份文档。
实现智能体工具调用（Function Calling），使Agent可实时查询账户额度、交易记录，并在合规条件下生成外呼任务。
针对银行私有化环境，完成模型、向量库离线部署，优化Prompt模板和意图识别小模型，将对话成功率从78%提升至92%。
开发坐席实时辅助功能：通话语音转写后自动搜索知识库，推送话术建议，减少新员工培训周期40%。
编写完备的接口文档与安全审计日志，顺利通过银保监会合规检查。