AIHelp 采纳 Google Cloud 团队的架构建议，使用 Vertex AI 作为整体的 MLOps 平台，管理多语言 NLP 模型、意图分类器、向量生成，以及自定义微调。如此一来，AIHelp 便能将 Google Cloud 的生成式 AI 能力和自研的对话流、PRA、知识库结合，形成一个可控、可检索、可持续训练的一体化工作流，自动化模型训练、验证、上线，减少运维和版本混乱的风险。

通过这个新的 MLOps 平台，AIHelp 大幅提高了 AI 智能客服的回复准确率。AIHelp 团队运用 Gemini 作为基础的 LLM 核心，处理多轮对话、复杂意图推理和上下文记忆。由于 Gemini 的大上下文窗口能承载完整的玩家背景信息和对话信息，匹配多条知识库中的参考知识内容，生成的回复内容中信息更完整，回复的准确率因而得到提升。

此外，AIHelp 也使用 Translation AI 支持双向自动翻译，使回答更贴近母语者的表达习惯，并运用 Vertex AI 的 RAG Engine，在用户提出需要依赖知识库的事实性问题时，先通过 Matching Engine 进行向量检索，找出最相关的内容块，再让 Gemini 生成有上下文依据的回复，降低幻觉风险。为了进一步提高 AI 客服回复质量，AIHelp 还在对话生成流程中使用 Vertex AI 的简写、重写和翻译评分功能，对 Gemini 输出的回复进行自动化多轮改写和质量评分。

除此之外，将上下文记忆、批量生成多语言意图句式、自动转换多语言回复、自动 QA 对比整合成同一个工作流之后，AIHelp 团队得以更高效地进行开发工作。使用 Google Cloud 之前，AIHelp 的运用团队需要数天制作多语言知识库、意图脚本并反复测试，才能完成一套多语言问答系统的构建。现在，开发与测试效率提升了 70%。

“Google AI 让我们 AI 智能客服的性能得到大幅提升。”Steven Sun 指出。

AIHelp 升级后的 AI 客服得到了企业客户的正面反馈。由于 AIHelp 的 AI 智能客服现在在许多情景中能直接识别问题并建议解决方案，需要的人工审阅减少，玩家满意率比先前增加了 5-10%。运用 Vertex AI Search，AIHelp 也让客服人员不再需要花费大量时间翻阅文档即能找到准确的答案，平均处理案件时长缩短了 30%。

接下来，AIHelp 将应用 Gemini 的多模态能力，扩展 AI 智能客服在充值、退款、举报审核、故障识别等场景的自动化处理能力，也将通过 Vertex AI 的 RAG Engine 和 Matching Engine 构建可动态生成、动态更新的知识库与知识图谱。同时，AIHelp 也预计开发能承担更多可自决策任务的 AI 客服机器人，以及客服人员的 AI 助手，进一步提升人效。

“我们正在迈入 AI 智能体变得更可靠、为客服带来更多好处的新时代。”Steven Sun 说