老白Walt1. 项目背景与行业痛点
在保险和金融咨询行业，每天都有大量客户需要了解产品信息、获取专业建议。传统模式下，这需要大量人工客服进行一对一沟通，成本高且效率低下。根据行业数据，一个成熟的保险顾问平均每天只能服务8-10位客户，而其中真正能转化为实际购买的客户比例往往不足20%。
更棘手的是，在推荐任何金融产品前，顾问必须全面了解客户的基本情况：年龄、收入、家庭结构、已有保障、健康状况等。这个过程通常需要15-20分钟的对话时间，但很多客户在线上咨询时往往缺乏耐心，导致大量潜在客户在信息收集阶段就流失了。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 解决方案设计思路
2.1 核心创新点
我们的智能对话系统采用"一次大模型调用+策略编排"的架构，与传统方案相比有三个关键突破：
- 单次LLM调用：每轮对话仅调用一次大语言模型，专门负责从用户自然语言中提取结构化信息
- 无LLM的流程控制：信息总结、缺失项追问等传统需要二次LLM调用的环节，全部改由预定义的策略函数和话术模板完成
- 主题式信息收集：将必要信息划分为6个逻辑主题，系统自动维护收集进度，支持跨主题信息提取
2.2 技术架构概览
系统采用分层设计，各层职责明确：
code复制┌───────────────────────┐
│ 表示层 │
│ (Gradio/FastAPI) │
└──────────┬────────────┘
│
┌──────────▼────────────┐
│ 服务层 │
│ (对话流程控制) │
└──────────┬────────────┘
│
┌──────────▼────────────┐
│ LLM层 │
│ (信息抽取与理解) │
└──────────┬────────────┘
│
┌──────────▼────────────┐
│ 数据层 │
│ (槽位持久化) │
└───────────────────────┘