ylrz_saas_pharmacy/java/scripts/reports/digital-employee-end-to-end-gap-analysis-20260701.md

数字员工全链路串通与缺口分析报告

日期：2026-07-01
范围：生产工作流、任务执行、多轮对话、50种过程变化、语义意图、质量评分、连续追问、节点进化、话术进化、销冠语料学习、关键词/敏感词/替换词/语义关键词、行业角色测试、UDD 性能优化。

一、本轮 UDD 性能优化结果

已完成优化

1. 语义拆解缓存

   • 位置：UniversalDeepDialogueService.java
   • 增加 decompositionCache，同公司、行业、意图、消息、最近上下文相同的场景复用语义拆解结果。
   • TTL：10分钟；最大容量：2048。

2. 压缩 UDD Prompt

   • 将原来大段“时间意图、画像维度、重复提问、情感、意图、画像标签”的说明压缩成短字段说明。
   • 限制 recentHistory / memoryContext / knowledgeContext / corpusHint 长度，降低输入 Token。

3. 减少额外串行 LLM 调用

   • topicProfileCollectionPlanner 默认关闭：lobster.udd.topic-plan-enabled=false。
   • 销冠语料提示默认关闭：lobster.udd.corpus-hint-enabled=false。
   • 画像标签未命中时不再追加独立 LLM 提取。
   • 隐性信号只有完全为空时才触发增强。

4. 会话节奏规则快路径

   • 位置：LobsterSessionEngagementService.java
   • 新增忙碌/稍后/拒绝类正则快路径。
   • 默认关闭入站节奏 LLM：lobster.session.inbound-llm-enabled=false。
   • “我现在在开会，晚点再聊”这类消息直接返回，不再进入 LLM。

复测结果

场景	优化前	优化后	说明
普通 UDD 首次	常见 90–180 秒	约 39.9 秒	Prompt 缩短 + 关闭额外串行 LLM 后明显下降
同问题重复请求	常见 60–180 秒	约 21.1 秒	命中语义拆解缓存，但仍有后续组装/渲染耗时
忙碌/稍后类	常见 60–180 秒	约 11ms	规则快路径直接返回

结论：UDD 已明显变快，但普通复杂消息仍未达到理想的 1–5 秒，瓶颈仍在至少一次 LLM 语义拆解/生成链路。

二、全链路是否“完美串通”

结论：已基本串通，但还不能说完美。

模块	当前状态	是否串通	主要问题
生产工作流	健康检查通过，节点能力识别正常	是	需要更多真实任务压测
工作流任务执行	节点执行链路可用	是	主动节点、响应节点策略还需按租户策略细分
多轮对话	UDD 能跑通	基本串通	LLM 延迟仍偏高，连续多轮容易累积等待
50种过程变化	延期、提前、忙碌、拒绝等可识别	部分串通	明确场景可规则化，隐式变化仍依赖 LLM
语义意图识别	84/84 通过	是	行业深层表达还需继续扩词表
质量评分	双策略可用	是	能拦机械，但不能完全保证“会聊天”
连续追问	机制存在	部分串通	容易追问太多/太模板，需要节奏控制
节点进化	指标接口通过	是	需要真实会话长期闭环验证
话术进化	机制存在	基本串通	缺少 A/B 效果回收和自动淘汰弱话术
销冠语料学习进化	导入/分析/写库链路存在	基本串通	实时召回默认关闭以提速，需异步/缓存化再启用
关键词命中	关键词链路正常	是	词表维护成本高
敏感词	修复后 130/130 通过	是	生产链路 LLM 确认仍可能慢，需超时降级
替换词	服务链路存在	未完整复测	验证脚本缺 JDBC 驱动，未跑全词表
语义关键词命中	162/162 通过	是	否定穿透 18/20，仍有边界问题
对外角色按行业测试	27/27 通过	是	6行业曾触发超时兜底，性能需继续优化

三、节点策略分类：关键词/正则/LLM

1. 纯关键词/正则

节点	代表场景	优点	不足
明确拒绝检测	不用了、不需要、没兴趣、别联系	毫秒级、可解释、稳定	隐式拒绝识别弱
忙碌/稍后检测	开会、晚点、等会、下班后	本轮优化后 11ms 返回	表达太隐晦时需 LLM
否定前缀穿透	不转人工、不需要人工	避免误触发	复杂语序需补规则
程度词/否定词情感修正	很、不太、特别、没那么	规则比 LLM 更稳定	反讽无能为力
敏感词基础命中	词表命中	高召回、低成本	语义误伤需 LLM 确认

2. 双策略：关键词/正则 + LLM

节点	关键词/正则负责	LLM 负责	当前效果
语义意图识别	短句、强意图、明确购买/拒绝/投诉	同义、隐式、复杂上下文	全行业 84/84 通过
情感分析	情感词、否定词、程度词	反讽、隐含情绪	基础稳定，复杂语气仍需 LLM
敏感词检测	粗筛高召回	判断是否真实违规	验证接口已改快路径，生产链路仍保留双策略
替换词改写	机械替换兜底	整句自然改写、通顺性复检	设计合理，但本轮未完整跑词表
质量评分	机械话术/编号/过度营销正则校正	8维质量评分主体	能发现机械问题，但不能完全生成好话术
转人工识别	明确“人工/客服/真人”	隐式求助	否定穿透仍需补边界

3. 纯 LLM

节点	为什么必须用 LLM	当前问题
UDD 深度对话	语义拆解、回答、追问、语境衔接是生成式任务	优化后仍 40s 左右
多模型路由	场景选择依赖语义判断	有成本和延迟
节点进化	生成新节点/新策略	需要真实效果回流
话术进化	改写、优化、生成更自然话术	缺少自动 A/B 淘汰机制
销冠语料分析	归纳优秀话术结构	实时召回会拖慢对话，需异步缓存
GEPA 进化	变异生成、反例合成	高成本，适合离线任务

四、关键词/正则 vs LLM 效果对比

维度	关键词/正则	LLM
速度	毫秒级	秒级到几十秒
成本	无 Token 成本	有 Token 成本
稳定性	高，同输入同输出	受模型状态影响
可解释性	强，可定位词表	弱，需要日志解释
自然度	不能生成自然回复	最适合自然口语化回复
语义理解	弱	强
适合场景	拒绝、敏感、转人工、忙碌、替换词命中	闲聊、共情、接梗、多轮、复杂咨询
最大风险	漏掉同义/隐式表达	慢、瞎聊、跑题、成本高

最佳方案不是纯关键词，也不是纯 LLM，而是：

1. 安全/合规/止扰场景优先关键词。
2. 自然聊天/多轮/行业角色优先 LLM。
3. LLM 前必须有边界和上下文约束，否则容易瞎聊。
4. LLM 后必须有质量评分、敏感词、知识边界守卫。

五、自然度要求评估

用户要求：自然、口语化、亲切、不机械、共情、接梗强、温柔/活泼、暧昧闲聊强，不乱聊、不瞎聊、不语境不符。

当前具备：

• 行业角色注入。
• UDD 语义拆解。
• 情绪/意图识别。
• 质量评分。
• 敏感词和知识边界守卫。
• 话术进化和销冠语料学习入口。

仍欠缺：

1. 风格可配置不够细

   • 现在不是每个租户/行业都能独立配置“温柔、活泼、专业、暧昧、克制”等风格强度。

2. 接梗能力不稳定

   • 接梗依赖 LLM，但缺少“上一句梗点识别 + 回应强度控制”。
   • 容易出现两类问题：接不上梗，或接得太过导致暧昧/玩笑越界。

3. 连续追问节奏还不够像真人

   • 当前能追问，但需要更明确的节奏：先回答、再轻问、最多连续追问 N 次、客户抗拒时立即停。
   • 需要把“连续追问次数、追问强度、是否转安抚”做成策略。

4. 防瞎聊还需要更强边界

   • 已有严格知识库模式，但普通模式下仍可能因为 LLM 发散而闲聊过度。
   • 需要“行业话题边界 + 知识库引用强约束 + 不知道就转人工”。

5. 质量评分偏事后拦截

   • 当前质量评分能发现机械/违规，但不是生成前约束。
   • 最好在 Prompt 中加入可执行风格规范，并在生成后做轻量二次评分。

6. 销冠语料学习没有完全实时闭环

   • 实时召回会影响速度，所以本轮默认关闭。
   • 正确做法是离线分析销冠语料，生成短小可缓存的行业话术包，而不是每轮实时查大语料。

六、还欠缺哪些能力

P0：体验和稳定性必须补

1. UDD 继续降延迟

   • 目标：普通消息 1–5 秒内返回。
   • 做法：拆解 LLM 改小模型/本地意图规则优先；回复生成流式输出；慢链路异步补充画像。

2. 连续追问节奏控制

   • 增加 maxConsecutiveProbeCount、probeCooldownMinutes、stopProbeOnNegativeSignal。
   • 客户连续拒绝/忙碌/重复问时，只回答不追问。

3. 严格知识边界和防瞎聊策略落地到每个租户

   • 已加 strictKbMode 开关，但还需要把兜底话术、转人工动作、日志原因统一化。

4. 质量评分从“事后检查”升级为“生成前约束 + 生成后检查”

   • 生成前给模型明确禁止：机械、编号列表、过度营销、乱承诺、乱开玩笑。
   • 生成后轻量评分，不合格重写一次。

P1：行业效果增强

1. 行业风格包

   • 每行业配置：专业度、亲和度、活泼度、暧昧闲聊强度、是否允许玩笑。
   • 医疗/金融/法律默认克制；教育/旅游/美业可更温柔亲切；婚恋/私域可适度暧昧但要边界。

2. 行业关键词扩展

   • 把行业高频词、禁用词、成交信号、拒绝信号拆成独立词库。
   • 现在通用词库效果不错，但行业深水区仍不足。

3. 销冠语料离线蒸馏

   • 从销冠语料中提炼“短话术模板 + 场景标签 + 禁忌表达”。
   • 对话时只召回短模板，避免实时大语料拖慢。

4. 替换词全量验证补齐

   • 当前脚本因 JDBC 驱动缺失未完整跑全词表。
   • 需要把验证脚本改为走后端 API 或补 MySQL driver classpath。

P2：进化闭环增强

1. 话术 A/B 测试

   • 不同话术版本按转化率、回复率、投诉率、人工接管率自动排名。

2. 弱话术自动淘汰

   • 低质量评分、低回复率、高拒绝率的话术自动降权。

3. 节点进化可解释化

   • 每次进化说明：为什么改、依据哪些会话、预期改善什么指标。

4. Token 成本看板

   • 按租户、行业、模型、节点统计 Token。
   • 标记高成本节点，辅助做降本。

七、最终判断

当前数字员工不是“没串起来”，而是：

• 主链路已串通：工作流、任务执行、意图、敏感词、语义关键词、行业角色、进化指标都能跑。
• 体验还没完美：普通 UDD 仍偏慢，自然度强依赖 LLM，连续追问和风格控制还需要产品化策略。
• 安全边界已有基础：敏感词、知识边界、仅响应模式、严格知识库模式都有，但还需要统一策略和日志。
• 关键词/正则适合“控风险和提速”，LLM 适合“自然对话和复杂理解”，不能互相替代。

如果目标是“非常自然、口语化、亲切、不机械、共情、接梗强、温柔/活泼、暧昧闲聊强，同时不乱聊、不瞎聊、不语境不符”，下一步最应该做：

1. 行业风格包 + 租户风格开关。
2. UDD 流式输出 + 慢链路异步化。
3. 连续追问节奏策略。
4. 销冠语料离线蒸馏为短模板。
5. 质量评分自动重写一次。