PearlCare 自进化客服 Agent

1. 论文与核心发现 基于科研论文的4,590次对照实验与45个科学编码场景测试（CritPt基准），证实了经验表示形式是第一性因素。研究发现，紧凑型 Gene（约230 tokens）显著优于文档型 Skill（约2500 tokens）：扩展Skill常导致性能下降，而Gene通过高信号密度、可编辑结构与失败提炼机制，实现了性能的显著提升（最高提升2.0x）。我们进一步确认：可编辑结构比内容本身更重要。 2. 核心架构设计 七层数据架构：从底层的规则层、知识层、SOP流程层，到Reference案例层、Skill Schema层，再到EvoMap经验层与Metrics评估层，构建了严密的客服进化数据底座。 六智能体协作管线：构建了总控智能体（Orchestrator）、意图识别、问题分类、方案决策、话术生成、经验抽取的协作流程，具备风险拦截、规则表+LLM混合决策能力。管线核心代码约3400行，运行耗时稳定在8-12秒。 3. 进化闭环（关键亮点） 实现“人工改写 → 经验抽取（Extractor）→ 生成Gene/Capsule → Evolver引擎 → 存储至Hub → 下一轮注入”的全链路闭环。每一次人工介入都会通过Evolver生成紧凑的Gene策略，在下轮对话中立即生效。提炼的失败警告和策略可组合、可积累，实现真正的“把一次纠正变成下一次的能力”。 4. 技术验证与开源 项目已有34/34个测试用例全部通过（涵盖意图识别、方案决策、经验抽取、集成测试等），整合了335条结构化规则与知识。项目完全开源（MIT许可证），已接入GEP协议与EvoMap Hub，并支持基于deepseek-chat的生成。 5. 可视化与可演进 具备完整的全链路进化可视化界面（7个Tab覆盖PRD要求），包含对话演示、数据架构、规则与SOP、进化日志、效果指标、知识库、系统状态。通过实时监控与演示面板，进化成果肉眼可见。