Parloa 打造客户愿意对话的服务型智能体

# Parloa 打造用户愿意对话的服务型智能体 来源：https://openai.com/index/parloa/ 在 Parloa 早期，联合创始人 Stefan Ostwald 曾在一家保险呼叫中心待了一整天，他的团队当时正在那里构建早期的语音体验。与客服代表并肩而坐，他反复听到同样的对话：密码重置、保单咨询、常规变更。他意识到，其中大部分工作都可以自动化。 那次经历之后，总部位于柏林的 [Parloa](https://www.parloa.com/) 开始构建基于规则的语音智能体，以自动化高容量的客户交互。 随着 ChatGPT 的出现，公司逐步演进，构建起如今的 AI Agent Management Platform（AMP），基于包括 GPT-5.4 在内的新一代模型打造。 AMP 为企业提供了一种大规模设计、部署和管理客户服务交互的方式。团队无需再映射刚性的意图和流程，而是可以用自然语言定义行为、连接内部系统，并通过内置的模拟和评估快速迭代。 Parloa 端到端地运行这些交互，处理从简单路由到复杂多步骤请求的所有环节。其核心关注点在于生产环境的一致性——性能、延迟和边缘案例都至关重要。为此，Parloa 在部署前会持续针对真实客户场景测试模型。 > "模型只有在生产环境中有效才算数。我们与 OpenAI 紧密合作，致力于让模型足够快速、可靠，以满足实时对话的需求。" > > ——Ciaran O'Reilly Ibañez，Parloa 工程经理 ## 为 Enterprise Builder 设计 AMP Parloa 的 Agent Management Platform（AMP）专为业务用户和领域专家设计，让他们无需编写代码即可构建 AI 智能体。 "借助 AMP，来自不同业务单元的领域专家可以真正构建智能体，并以更精简、更简单的方式连接 API，"O'Reilly 表示。 从高层次来看，AMP 让品牌能够管理 AI 智能体的完整生命周期。它为非技术团队提供了一种更简化的方式，在智能体上线前定义其行为方式。领域专家无需编写代码或映射刚性的意图树，而是用自然语言设定智能体的角色、指令、工具和边界。该配置成为模型提示和系统在生产环境中行为方式的基础。 定义完成后，智能体在部署前会进行测试。Parloa 使用 GPT-5.4 等模型模拟客户对话，一个模型扮演来电者，另一个运行配置好的智能体。团队可以直接检查这些交互，针对真实场景测试变更，并在上线前迭代。 随后，同样的模型被用于评估这些对话，结合确定性检查和 LLM-as-a-judge 评分。这可以判断智能体是否遵循了指令、正确使用了工具，并按预期完成了任务。 在实时对话中，AMP 的编排层会用智能体配置和对话上下文提示 OpenAI 模型，以生成回复、通过 RAG 检索信息，或触发工具与客户后端系统交互。Parloa 持续用最新一代模型更新该层，因为这些模型在真实世界性能上展现出明显提升。 对话结束后，独立的 OpenAI 驱动工作流会对交互进行总结、分类客户意图，并根据定义规则评估性能。 随着智能体变得愈加复杂，维护单一的整体提示变得困难。小的变更可能引入意外的副作用。为此，Parloa 引入了模块化方法。身份验证、预订变更或账户更新等任务可以拆分为独立的子智能体，从而改善指令遵循效果，并使系统更易于长期演进。 同时，平台在可靠性最重要的环节融入了确定性控制。企业可以定义结构化的 API 链和基于事件的逻辑，确保关键步骤按正确顺序执行，在对话灵活性与可预测执行之间取得平衡。 Parloa 使用 GPT-4.1、GPT-5-mini 等模型在智能体上线前模拟真实的客户交互，然后结合 LLM-as-a-judge 和确定性规则评估这些交互。这使团队能够测试边缘案例、快速迭代，并在让客户接触到失败前验证性能。 ## 评估优先的方法 Parloa 主要服务于大型企业，一致性与其能力同样重要。 "当新模型发布时，我们会用基准测试套件对其进行测试，"Matthäus Deutsch，高级应用科学家表示。"对我们来说非常重要的是，事物不仅要在理论基准中有效，更要在实际真实用例中有效。" Parloa 不依赖抽象基准，而是镜像真实的生产智能体，让它们通过模拟和评估流程。这些测试衡量指令遵循可靠性、API 调用一致性、延迟，以及在真实条件下的整体性能。 这些评估决定了哪些模型可以投入生产。只有能在真实客户场景中可靠运行的模型才会被部署。 "企业客户面临真实的迁移成本，"Deutsch 说。"一旦系统在生产环境中运行稳定，他们会保持其稳定，只有在收益明确时才会切换。" 因此，系统即使在规模扩大时也能在生产环境中可预测地运行。在数百万次客户交互中，大多数对话都能无摩擦地解决。即使通话被转接给人工客服，升级也很少是由失败驱动的。在某次部署中，一家全球旅游公司将人工客服请求减少了 80%。 这种评估优先的思维已成为核心差异化优势，使 Parloa 能够快速推进，同时不牺牲生产环境的可靠性。 ## 为全球规模的语音场景构建 语音与基于文本的聊天相比，带来了一系列不同的约束。每次交互都要经过低延迟流水线：语音转文本、模型推理、文本转语音。 这条流水线使延迟至关重要。模型层中即使是微小的延迟，也会累积成来电者可感知的明显停顿，这影响了模型的选择和优化方式。 Parloa 与 OpenAI 紧密合作，优化实时用例的性能，重点关注延迟、回复质量和指令遵循。团队持续在类生产环境中评估和压力测试新模型迭代，然后再将其推广到实时客户交互。 Parloa 独立评估语音栈的每个组件： - **语音转文本**系统测试词错误率，特别针对保单号或账户标识符等敏感输入。 - **文本转语音**模型通过盲听测试评估，以判断声音对真实用户的自然程度。随后将这些结果与真实客户交互核对，确保在生产环境中的一致性能。 - **语音转语音**模型目前正在评估生产就绪度，重点关注延迟、准确性和成本。 从一开始，这些系统就是为全球部署而构建的。基准测试覆盖多种语言，客户遍布全球各地区。这种多语言严谨性既反映了 Parloa 的欧洲根基，也体现了企业客户的期望——他们要求跨市场的一致性能，而非仅限于单一语言或地区。 如今，Parloa 的智能体在零售、旅游、保险等行业处理数百万次对话，支持从支持自动化到创收流程（如电话购物）等用例。 ## 为不断变化的客户旅程而变革技术 Parloa 认为客户服务正在演变为完全多模态的体验。 对话可能从电话开始，在聊天中继续，并沿途包含链接或交互元素。AMP 不是将每一步视为独立的流程，而是设计为将其作为单一交互来处理。随着时间推移，AI 智能体可能像网站和移动应用一样，成为客户旅程的核心。 随着企业朝着自动化越来越多的客户交互迈进，Parloa 专注于让 AI 智能体足够可靠、足够灵活、足够受信任，以在全球规模上运行。