基于 AR 智能眼镜的客服话术陪练复盘系统完整技术路线CSDN 发布版 一、项目整体概述 本项目面向线下客服、销售话术岗前培训场景基于 Rokid AR 智能眼镜硬件搭建可视化低代码工作流实现「实景对话采集→多轮对话上下文管理→对话结束 AI 自动复盘评分→结构化报告输出」全链路闭环无需后端开发人员即可快速迭代业务逻辑适配门店、企业线下培训轻量化部署。 二、整体技术架构分层自上而下 1. 终端硬件层AR 智能眼镜采集端 • 硬件载体Rokid 系列 AR 智能眼镜 • 采集能力语音实时收音、场景拍照采集插件平台内置插件 • 终端交互语音对话输入、流程结果可视化文字投屏展示 • 数据上报对话文本、设备环境参数时间、经纬度、用户 ID、自定义 mode 模式统一上传至低代码工作流引擎 2. 低代码工作流引擎层核心业务编排层本文流程图对应模块 采用可视化拖拽式流程编排无代码完成条件分支、大模型调用、数据清洗、结果输出整体链路分段如下 1流程入口开始节点 1. 接收终端上传全局环境变量userId、触发时间、经纬度、附加数据 2. 自定义全局参数mode区分训练 / 复盘 / 考试模式 3. 上下文托管自动携带最多 10 轮历史对话记录维持多轮会话记忆 2第一层条件分支结束判断节点 判断逻辑用户输入内容是否等于「结束对话」指令 • 分支 1未结束对话流转至结束评分判空分支 • 分支 2用户主动结束训练流转至训练状态解析代码节点校验当前训练模式 3第二层条件分支结束评分判空分支 判断逻辑历史对话信息是否为空 • 分支 1无对话记录直接走兜底结束节点返回提示文案「请选择场景开始训练后再结束训练」 • 分支 2存在完整对话记录进入 AI 复盘核心链路 4AI 推理模块复盘大模型节点 1. 输入上下文完整历史对话 history 2. 模型角色设定客服陪练评分复盘教练 3. 输出两类数据 ◦ 思考过程文本模型打分推理逻辑 ◦ 结构化 JSON 结果包含标题、总分、4 大维度分项分数、问题清单、优化建议数组 4. 痛点优化强制模型输出标准 JSON 结构规避自由文本无法解析问题 5数据清洗模块JSON 解析处理代码节点 自研 JS 脚本完成大模型脏输出兼容处理解决 LLM 附带 json、json标签、多余注释、换行乱码问题 1. 多源参数兼容取值逻辑兼容平台多种输入字段格式 2. 正则匹配提取标签内纯净 JSON 字符串 3. JSON 异常捕获兜底解析失败自动填充默认报错数组与修复建议 4. 输出标准化字段标题 cardTitle、总分 totalScore、表达 / 情绪 / 方案 / 合规 4 项分项分数、问题列表 problemsList、建议列表 suggestionsList 6流程终点结束输出节点 1. 接收清洗完成的结构化变量 2. 组装可视化复盘报告文本适配 AR 眼镜投屏展示 3. 支持空值容错渲染避免字段为空导致页面报错 4. 配套问题引导给用户后续练习方向建议 3. AI 大模型服务层 • 基座大模型通用对话大模型Qwen 系列 • 提示词工程定制客服复盘专属 Role 指令约束输出固定 JSON Schema • 能力约束限制模型不输出冗余描述仅返回可结构化解析数据降低前端处理成本 4. 业务应用层 • 培训场景新员工话术模拟、客户异议应对演练、服务合规校验 • 展示终端AR 眼镜屏幕、后台管理看板扩展预留 • 数据沉淀对话记录、复盘评分数据可对接数据库做长期培训效果统计扩展能力 三、核心技术难点与解决方案 难点 1大模型输出文本格式混乱JSON 解析频繁失败 解决方案独立代码节点做多层兼容清洗 1. 正则匹配 json / json 两种常用代码块标记截取内部内容 2. 容错捕获 try-catch解析失败返回标准化错误提示数组 3. 统一输出固定字段所有下游流程只读取清洗后标准化变量 难点 2多分支条件逻辑复杂新手难以维护流程 解决方案分层两段式条件判断 1. 第一层区分「是否结束对话」主业务分支 2. 第二层区分「有无对话数据」数据校验分支流程分层清晰可视化链路一目了然业务人员可自行修改判断条件 难点 3AR 眼镜终端屏幕尺寸有限复盘报告适配难 解决方案双版本输出模板 1. 完整版后台、大屏使用完整展示所有分项得分与问题 2. 精简版AR 眼镜专用压缩换行、精简文字适配小屏阅读模板内置空值 ${变量?:默认文本} 语法无数据时自动填充占位符不破坏排版 难点 4多轮对话上下文丢失、历史记录携带不稳定 解决方案引擎原生历史对话托管开始节点统一配置历史对话携带轮数全程自动透传上下文无需手动拼接对话记录传入大模型 四、工作流完整执行时序文字流程图 用户 AR 眼镜发起对话 → 开始节点接收参数 历史对话 → 结束判断├─ 未结束对话 → 结束评分判空分支│ ├─ 无历史对话 → 兜底结束提示先开始训练│ └─ 有历史对话 → 复盘大模型推理打分 → JSON 清洗代码标准化输出 → 结束节点渲染复盘报告└─ 用户输入结束指令 → 训练状态解析代码 → 练场条件分支扩展业务逻辑 五、技术栈清单CSDN 文章可直接放 1. 硬件Rokid AR 智能眼镜、设备拍照采集插件 2. 编排引擎低代码 AI 工作流可视化平台 3. 脚本语言JavaScript数据清洗、参数兼容处理 4. AI 能力通义千问系列大模型、自定义提示词工程 5. 数据格式JSON标准化复盘输出结构 6. 交互终端AR 光学投屏、可视化流程画布 六、扩展优化方向文章结尾展望 1. 数据持久化新增数据库节点存储每轮对话复盘分数做员工培训数据看板 2. 多模型路由根据 mode 模式切换复盘 / 闲聊 / 考试专用大模型提示词 3. 语音 TTS 播报结束节点对接语音插件语音朗读复盘评分 4. 自定义评分权重新增配置节点动态调整表达、情绪、合规等维度打分权重 5. 报表导出对接文件插件批量导出月度员工话术培训 Excel 报表 七、CSDN 文章配套写作建议 1. 配图把你截图里的完整流程画布分段插入每段架构对应一张流程图 2. 代码片段贴出 JSON 清洗完整 JS 脚本加注释讲解正则兼容逻辑 3. 实操落地补充低代码平台节点配置步骤、取值路径填写规范、结束节点消息模板 4. 受众定位面向低代码 AI 应用开发者、企业数字化培训系统搭建、AR 终端 AI 落地场景参考
话术培训基于Rokid
基于 AR 智能眼镜的客服话术陪练复盘系统完整技术路线CSDN 发布版 一、项目整体概述 本项目面向线下客服、销售话术岗前培训场景基于 Rokid AR 智能眼镜硬件搭建可视化低代码工作流实现「实景对话采集→多轮对话上下文管理→对话结束 AI 自动复盘评分→结构化报告输出」全链路闭环无需后端开发人员即可快速迭代业务逻辑适配门店、企业线下培训轻量化部署。 二、整体技术架构分层自上而下 1. 终端硬件层AR 智能眼镜采集端 • 硬件载体Rokid 系列 AR 智能眼镜 • 采集能力语音实时收音、场景拍照采集插件平台内置插件 • 终端交互语音对话输入、流程结果可视化文字投屏展示 • 数据上报对话文本、设备环境参数时间、经纬度、用户 ID、自定义 mode 模式统一上传至低代码工作流引擎 2. 低代码工作流引擎层核心业务编排层本文流程图对应模块 采用可视化拖拽式流程编排无代码完成条件分支、大模型调用、数据清洗、结果输出整体链路分段如下 1流程入口开始节点 1. 接收终端上传全局环境变量userId、触发时间、经纬度、附加数据 2. 自定义全局参数mode区分训练 / 复盘 / 考试模式 3. 上下文托管自动携带最多 10 轮历史对话记录维持多轮会话记忆 2第一层条件分支结束判断节点 判断逻辑用户输入内容是否等于「结束对话」指令 • 分支 1未结束对话流转至结束评分判空分支 • 分支 2用户主动结束训练流转至训练状态解析代码节点校验当前训练模式 3第二层条件分支结束评分判空分支 判断逻辑历史对话信息是否为空 • 分支 1无对话记录直接走兜底结束节点返回提示文案「请选择场景开始训练后再结束训练」 • 分支 2存在完整对话记录进入 AI 复盘核心链路 4AI 推理模块复盘大模型节点 1. 输入上下文完整历史对话 history 2. 模型角色设定客服陪练评分复盘教练 3. 输出两类数据 ◦ 思考过程文本模型打分推理逻辑 ◦ 结构化 JSON 结果包含标题、总分、4 大维度分项分数、问题清单、优化建议数组 4. 痛点优化强制模型输出标准 JSON 结构规避自由文本无法解析问题 5数据清洗模块JSON 解析处理代码节点 自研 JS 脚本完成大模型脏输出兼容处理解决 LLM 附带 json、json标签、多余注释、换行乱码问题 1. 多源参数兼容取值逻辑兼容平台多种输入字段格式 2. 正则匹配提取标签内纯净 JSON 字符串 3. JSON 异常捕获兜底解析失败自动填充默认报错数组与修复建议 4. 输出标准化字段标题 cardTitle、总分 totalScore、表达 / 情绪 / 方案 / 合规 4 项分项分数、问题列表 problemsList、建议列表 suggestionsList 6流程终点结束输出节点 1. 接收清洗完成的结构化变量 2. 组装可视化复盘报告文本适配 AR 眼镜投屏展示 3. 支持空值容错渲染避免字段为空导致页面报错 4. 配套问题引导给用户后续练习方向建议 3. AI 大模型服务层 • 基座大模型通用对话大模型Qwen 系列 • 提示词工程定制客服复盘专属 Role 指令约束输出固定 JSON Schema • 能力约束限制模型不输出冗余描述仅返回可结构化解析数据降低前端处理成本 4. 业务应用层 • 培训场景新员工话术模拟、客户异议应对演练、服务合规校验 • 展示终端AR 眼镜屏幕、后台管理看板扩展预留 • 数据沉淀对话记录、复盘评分数据可对接数据库做长期培训效果统计扩展能力 三、核心技术难点与解决方案 难点 1大模型输出文本格式混乱JSON 解析频繁失败 解决方案独立代码节点做多层兼容清洗 1. 正则匹配 json / json 两种常用代码块标记截取内部内容 2. 容错捕获 try-catch解析失败返回标准化错误提示数组 3. 统一输出固定字段所有下游流程只读取清洗后标准化变量 难点 2多分支条件逻辑复杂新手难以维护流程 解决方案分层两段式条件判断 1. 第一层区分「是否结束对话」主业务分支 2. 第二层区分「有无对话数据」数据校验分支流程分层清晰可视化链路一目了然业务人员可自行修改判断条件 难点 3AR 眼镜终端屏幕尺寸有限复盘报告适配难 解决方案双版本输出模板 1. 完整版后台、大屏使用完整展示所有分项得分与问题 2. 精简版AR 眼镜专用压缩换行、精简文字适配小屏阅读模板内置空值 ${变量?:默认文本} 语法无数据时自动填充占位符不破坏排版 难点 4多轮对话上下文丢失、历史记录携带不稳定 解决方案引擎原生历史对话托管开始节点统一配置历史对话携带轮数全程自动透传上下文无需手动拼接对话记录传入大模型 四、工作流完整执行时序文字流程图 用户 AR 眼镜发起对话 → 开始节点接收参数 历史对话 → 结束判断├─ 未结束对话 → 结束评分判空分支│ ├─ 无历史对话 → 兜底结束提示先开始训练│ └─ 有历史对话 → 复盘大模型推理打分 → JSON 清洗代码标准化输出 → 结束节点渲染复盘报告└─ 用户输入结束指令 → 训练状态解析代码 → 练场条件分支扩展业务逻辑 五、技术栈清单CSDN 文章可直接放 1. 硬件Rokid AR 智能眼镜、设备拍照采集插件 2. 编排引擎低代码 AI 工作流可视化平台 3. 脚本语言JavaScript数据清洗、参数兼容处理 4. AI 能力通义千问系列大模型、自定义提示词工程 5. 数据格式JSON标准化复盘输出结构 6. 交互终端AR 光学投屏、可视化流程画布 六、扩展优化方向文章结尾展望 1. 数据持久化新增数据库节点存储每轮对话复盘分数做员工培训数据看板 2. 多模型路由根据 mode 模式切换复盘 / 闲聊 / 考试专用大模型提示词 3. 语音 TTS 播报结束节点对接语音插件语音朗读复盘评分 4. 自定义评分权重新增配置节点动态调整表达、情绪、合规等维度打分权重 5. 报表导出对接文件插件批量导出月度员工话术培训 Excel 报表 七、CSDN 文章配套写作建议 1. 配图把你截图里的完整流程画布分段插入每段架构对应一张流程图 2. 代码片段贴出 JSON 清洗完整 JS 脚本加注释讲解正则兼容逻辑 3. 实操落地补充低代码平台节点配置步骤、取值路径填写规范、结束节点消息模板 4. 受众定位面向低代码 AI 应用开发者、企业数字化培训系统搭建、AR 终端 AI 落地场景参考
