Fanatics Betting and Gaming发布基于AWS的多智能体客服系统
摘要:Fanatics Betting and Gaming (FBG) 推出了一款基于AWS的多智能体客服系统,旨在应对体育博彩领域特有的复杂挑战,如州级法规、实时责任博彩监控以及大型体育赛事期间的高流量需求。该系统采用模块化设计,通过Amazon Bedrock调用多种基础模型,并结合自定义RAG管道和负责任博彩分类器,实现了高效、准确且合规的客户服务。
背景与挑战
Fanatics Betting and Gaming (FBG) 是一家结合先进技术与深厚体育专业知识的体育博彩平台,服务于美国多个州的用户群体。随着用户基数的快速增长,特别是在NFL季后赛和超级碗等高流量赛事期间,FBG面临着巨大的客服压力。传统基于决策树的聊天机器人难以应对这种复杂性,导致客户体验下降和运营成本上升。
解决方案概述
FBG选择基于AWS构建一个多智能体客服系统,以解决上述挑战。该系统采用模块化设计,通过以下关键组件实现高效运作:
- Amazon EKS:作为多智能体系统的托管平台,FBG在其上部署了Spring AI服务和MCP服务器。
- Amazon Bedrock:提供对多种基础模型的访问,FBG利用其模型无关的特性,根据任务需求选择最佳模型。
- Amazon Bedrock Guardrails:用于检测提示注入并确保对话安全。
- Responsible Gaming Classifier:基于Amazon Nova 2 Lite,用于实时识别和响应责任博彩相关问题。
系统架构与工作流程
- 请求接收与路由:客户通过FBG移动应用发送消息,消息通过Salesforce Einstein传递到Spring AI服务。
- 安全与合规检查:请求通过Amazon Bedrock Guardrails和Responsible Gaming分类器,确保对话安全和合规。
- 智能体协调:Supervisor Agent(基于Anthropic Claude)根据客户意图调用专用工具,如RAG工具、账户工具、交易工具和转接至人工工具。
- 响应生成:Supervisor Agent整合工具响应,生成自然语言回复并返回给客户。
关键技术亮点
- 多智能体架构:通过模块化设计,FBG能够独立扩展和优化各个智能体,适应不断变化的业务需求。
- 自定义RAG管道:采用Amazon Titan V2嵌入模型,FBG构建了一个高效的知识检索系统,能够根据州级法规和客户需求提供精准的答案。
- 责任博彩分类:基于Amazon Nova 2 Lite的分类器能够识别潜在的责任博彩问题,并及时转接至人工处理,确保合规性。
- Amazon Bedrock Guardrails:提供强大的安全防护机制,防止提示注入攻击,同时保持对话的自然流畅性。
成果与影响
在部署后的前两个月内,FBG的多智能体系统取得了显著成效:
- 自助解决率提升56%:更多客户问题通过AI智能体得到解决,减少了对人工客服的依赖。
- 问题解决率提升53%:客户问题得到实际解决,而非简单被转移或忽略。
- 客户满意度上升:对话质量的显著提升使得客户常常没有意识到他们正在与AI互动。
开发者建议
- 从小规模开始:从少量案例类型入手,快速验证价值并积累经验。
- 构建评估基础设施:从一开始就跟踪关键指标,如自助解决率、问题解决率和客户满意度。
- 投资于RAG管道:根据业务需求构建自定义RAG管道,以实现更精准的知识检索。
- 实施安全与合规机制:从一开始就集成安全与合规检查,避免后期返工。
- 持续优化:使用LLM-as-a-Judge模式,定期审查和改进智能体行为。
结论
FBG的多智能体架构展示了如何结合Amazon EKS、Amazon Bedrock和AWS AI服务,构建一个可扩展、高效且合规的客服系统。这一模式不仅适用于体育博彩领域,也为其他行业的客服系统提供了宝贵的参考。
—— 完 ——消息来源:AWS Machine Learning Blog (2026-08-19)
主题标签: #Fanatics Betting and Gaming #多智能体系统 #AWS #人工智能客服 #Amazon Bedrock
编辑部与事实核查说明:本篇专刊由智客前沿资讯管线根据官方技术公告、学术论文及开源工程文档整理编译,经算法实体核验与人工编辑审校后发布。若发现技术事实纰漏,欢迎依据勘误方针或一键向编辑部发送勘误反馈。
社区整体评论区