客户现在发消息越来越“任性”。一张产品故障照片、一段气呼呼的语音、甚至短视频演示操作问题，比纯文字更常见。传统只懂文本的客服机器人一碰到这些就卡壳，要么让用户“请用文字描述”，要么胡乱猜。多模态能力成了刚需——系统得同时看懂图、听懂声、理解上下文，再给出靠谱回复。但落地没那么简单。技术能处理多种输入只是起点，真正卡住解决率的，往往是数据碎片和边界设计。...
0 条留言
