DiDi 基于 Amazon Bedrock 构建智能客服质检系统
问题
原有第三方质检解决方案不透明，QA判定缺乏可追溯性，服务场景组合复杂导致规则维护成本高，响应质检标准变更缓慢，且缺乏主动趋势发现能力，无法及时识别高频问题。
解决方案
与 AWS 合作，基于 Amazon Bedrock 构建自有的智能质检系统，包含意图验证、合规评估和客户之声（VOC）分析三条核心流水线。系统通过精确上下文管理，采用信息隔离、动态提示组装和多阶段处理等方式，提升质检准确性和效率，并利用 Amazon Bedrock Guardrails 实现负责任 AI 控制。
结果
系统在生产验证中实现意图验证准确率从38%提升至86%，合规评分准确率超过90%，VOC分析将数小时的人工总结工作压缩至几分钟，实现了质检判定全透明。
成本
成本信息待确认。
案例分析
使用场景：智能客服质检
实施证据：原文明确指出：'In DiDi’s production validation, intent verification accuracy improved from 38 percent to 86 percent, compliance scoring accuracy exceeded 90 percent, and VOC analysis compressed hours of manual summarization into minutes.' 该系统已替代第三方方案，覆盖西班牙语和葡萄牙语及网约车、外卖、金融服务三条业务线。
指标：意图验证准确率从38%提升至86%；合规评分准确率超过90%；VOC分析时间从数小时压缩至几分钟
经验：LLM应用的性能瓶颈往往不在提示词措辞，而在上下文管理：精确控制模型在每次调用中看到的信息。；信息隔离设计（意图验证分两阶段）可以有效缓解LLM过度纠正行为。；动态提示组装可统一覆盖多语言多业务组合，降低维护成本。；多阶段处理（并行提取-聚类-报告生成）能从大量对话中高效提取结构化洞察。