# Flux Assist

> 来源: https://yuanflux.com/products/flux-assist

专家经验 → 可复用的工作助手 Agent

## 核心能力
- SOP 数字化：将操作手册、判断规则、话术库结构化建模
- 上下文感知：结合当前工单/客户/订单状态给出下一步建议
- 多模态交互：文本、语音、图片、表单、按钮式引导
- 人工接管：低置信度自动转人工，上下文无缝衔接
- 持续学习：收集接受/拒绝反馈，定期微调提示词与知识

## 适用场景
- 一线客服/销售/运营的实时决策辅助
- 复杂故障排查的逐步引导：现场工程师、IT 运维
- 合规/风控/法务的条款匹配与风险提示
- 新员工带教：把老员工经验变成随时可用的 Copilot

## 对接系统
- 飞书 / 企业微信 / 钉钉侧边栏 / 浮窗 / 嵌入 iframe
- 工单系统 / CRM / ERP / 知识库
- 语音识别 / TTS / 录屏标注
- 埋点分析：采纳率、修正率、人工转接率

## 量化指标
- **建议采纳率**: ≥ 70%（成熟场景下，一线人员直接采纳比例）
- **人工转接率**: < 15%（仅复杂/边界场景需转人工）
- **新员工独当一面时间**: - 40%（有 Assist 辅助 vs 纯带教对比）

## 常见问题
**Q: 和普通 Copilot 有什么区别？**

A: 深度绑定业务 SOP，不是通用聊天。知道当前业务上下文、懂规则、有话术、能落笔成单。

**Q: 需要标注大量训练数据吗？**

A: 不需要。基于 Few-shot + RAG + 规则引擎，冷启动仅需整理现有 SOP 文档与少量案例。

**Q: 怎么评估效果？**

A: 内置 A/B 测试框架：对照组纯人工，实验组+Assist，对比处理时长、准确率、满意度。

# Flux Assist · 产品详情

Flux Assist 的核心假设是：**专家的经验可以结构化、数字化、Agent 化**。它不试图替代专家，而是把专家的「判断逻辑 + 话术库 + 例外处理」封装成一个随时可用的副驾驶。

## 为什么要做这个产品？

一线业务人员面临的共性难题：
- **新人不敢决策**：没经验、怕担责、一直问老员工
- **老员工被打断**：核心工作被低价值咨询填满
- **经验流失**：核心骨干离职带走隐性知识
- **质量参差不齐**：同类问题，不同人处理结果差异大

Flux Assist 的定位：**把「最好的处理方式」变成「标准配置」，人人可用。**

## 核心架构

```
SOP 文档/案例库 → 结构化建模（规则/决策树/话术） → 运行时引擎（上下文注入+LLM推理+规则校验） → 交互界面 → 反馈闭环
```

关键设计：
- **双引擎**：规则引擎（确定性、合规、可审计）+ LLM 引擎（灵活、生成、推理），分层调用
- **上下文注入**：自动拉取工单详情、客户画像、历史交互、商品信息，拼装 Prompt
- **交互模式**：不止聊天。按钮式引导、表单预填、一键执行、语音播报
- **人工接管**：置信度阈值、敏感操作、用户主动召唤，三条触发线
- **学习闭环**：采纳/拒绝/修正 → 自动构建训练集 → 定期微调/提示词优化

## 典型交付形态

| 交付物 | 说明 |
|--------|------|
| Assist 核心引擎 | 无状态服务，REST/gRPC 接口，支持多租户 |
| 侧边栏/浮窗组件 | React/Vue 组件库，1 行代码嵌入现有系统 |
| SOP 建模工具 | 可视化决策树/规则/话术编辑器，业务侧自助维护 |
| 效果看板 | 采纳率、转接率、时长对比、高频拦截 Top N |

## 什么情况下不适用

- **业务流程尚未固化、天天改 SOP**：先梳理流程，再上 Assist
- **强合规要求「全程留痕、零模型推理」**：用纯规则引擎/表单流程更稳妥
- **场景极度碎片化、无复用价值**：单点投入产出比太低

---
*本页 HTML 版: https://yuanflux.com/products/flux-assist*