双11大促当晚，杭州某厨电品牌的客服中心
2025年11月10日晚上8点，杭州某年GMV超5亿元的厨电品牌客服中心，主管陈婉盯着大屏上的会话列表发愁。双11第一波付尾款高峰，咨询量从平日的日均800条冲到近6000条，18名客服全部在岗，依然堵成一片。一位顾客连续追问“你们这款洗烘一体机能不能烘羽绒服”，机器人连续三次回复“可以的亲，放心购买”，可实际该型号只有冷水烘干，根本不支持羽绒服。顾客转人工后抛来一句“你们机器人是来帮倒忙的吗”，陈婉看了一眼数据，当晚平均响应时长已经拉到90秒。她第一次意识到：智能客服背后的那个“技术基座”，可能从一开始就选错了。
复盘会上，一段“答非所问”的客服录音
问题出在基座模型的选择上。陈婉翻出技术团队当时的方案：这套智能客服接的是某知名通用大模型API，团队把商品详情页、退换货规则一股脑导进知识库，就草草上线了。模型能流畅回答“洗衣机不转了怎么办”，却分不清冷凝式烘干和热泵式烘干的区别，更不会处理“如果……那么……”这种带条件的售后场景。这不是调参能解决的问题——通用大模型的训练语料是互联网公开文本，强项是常识对话，不是某个细分行业的专业知识。
转折出现在双11复盘会上。同行品牌推荐了晓多科技，陈婉第一次听说了“晓模型XPT”：这是电商领域首个通过国家级生成式人工智能服务备案的垂直大模型（2024年5月）。和通用大模型不同，XPT训练用的不是泛泛的互联网语料，而是上万亿token的电商行业知识——覆盖36个电商行业、1000多个商品细分品类，从3C电器的安装规范到美妆产品的成分禁忌。陈婉后来回忆：“那一刻我才明白，智能客服的差距不在算法，而在它吃进去的‘行业语料’。”
