💡 站外导读：随着大模型技术在企业级应用的深入，智能交互系统面临冷启动数据匮乏、多轮对话理解不足、业务规则频繁变更等核心痛点。行业正从单一模型能力竞赛转向系统化工程落地。美团WOWService的发布，标志着大模型应用进入“系统级优化”新阶段——不再依赖单一LLM，而是通过架构创新与训练范式革新，实现复杂业务场景的规模化、高效率部署，为行业提供了可复用的工程化解决方案。

WOWService 是美团 LongCat 团队发布的智能交互系统，通过融合大型语言模型（LLMs）和多智能体架构，优化用户体验并降低成本。系统针对智能交互领域的五大挑战：冷启动数据构建、多轮对话性能、业务规则变化、单一 LLM 的局限性以及多轮对话的量化评估难题，提出了创新解决方案。WOWService 采用四阶段训练流水线：持续预训练（CPT）、有监督微调（SFT）、直接偏好优化（DPO）和强化学习（RL），显著提升了模型在业务场景中的表现。其多智能体架构通过主智能体与多个专业子智能体的协作，实现了复杂任务的高效处理。系统引入了数据与知识双驱动机制，通过自我优化训练（SRT）和混合数据知识驱动方法，进一步提升了模型的性能。

WOWService的主要功能

• 数据构建与优化：WOWService采用数据与知识双驱动策略，通过自适应数据混合优化和高质量数据筛选，提升模型训练效率和性能，降低数据标注成本。

• 多轮对话性能提升：系统通过持续预训练、有监督微调、直接偏好优化和强化学习四阶段训练，显著增强多轮对话中的意图理解、规则遵循和解决方案提取能力。

• 业务规则适配与自进化：WOWService具备自我优化训练机制，能够快速适应业务规则变化，实现模型的持续进化和优化，降低业务扩展成本。

• 多智能体协作：引入多智能体架构，主智能体负责全局对话控制，专业子智能体处理特定任务，提升系统在复杂场景下的服务质量和灵活性。

• 自动化评估与反馈：构建了全面的评估框架，涵盖模型基础性能和端到端智能体效果评估，通过数据反馈实现模型的持续改进。

• 多模态交互支持：WOWService支持多模态输入，如语音、图像等，通过多模态理解智能体，提升系统对非文本输入的理解能力，拓展应用场景。

WOWService的技术原理

• 数据与知识双驱动：WOWService融合数据驱动和知识驱动，通过高质量数据和结构化业务知识的结合，强化模型对业务规则和知识点的遵循能力，提升模型在复杂业务场景下的表现。

• 四阶段训练流水线：采用持续预训练（CPT）、有监督微调（SFT）、直接偏好优化（DPO）和强化学习（RL）四个阶段的训练流程，逐步提升模型的通用能力、业务适配能力和推理能力。

• 多智能体架构：引入主智能体和多个专业子智能体，主智能体负责全局对话控制，子智能体处理特定任务，通过动态调用和信息整合，实现复杂任务的高效处理。

• 自我优化训练：通过自动筛选高质量服务案例和重写低质量对话，构建自我进化的数据闭环，使模型能够持续优化并适应新的业务需求。

• 混合数据知识驱动：结合数据驱动的灵活性和知识驱动的规则适应性，通过动态知识检索和推理增强，提升模型在复杂业务流程中的准确性和可靠性。

• 强化学习与偏好优化：利用强化学习和直接偏好优化技术，使模型能够根据人类反馈进行调整，生成更符合人类偏好的输出，提升用户体验。

• 自动化评估框架：建立从模型基础性能到端到端智能体效果的全面评估体系，支持自动化评估和持续优化，确保模型在实际应用中的稳定性和高效性。

WOWService的项目地址

• arXiv技术论文：https://arxiv.org/pdf/2510.13291

WOWService的应用场景

• 美团智能客服系统：WOWService已成功部署在美团App的智能客服系统中，处理用户咨询，提供24/7不间断服务，显著提升用户满意度和问题解决效率。

• 多业务场景覆盖：广泛应用于美团内部数十个业务场景，如外卖、酒店预订、旅游等，根据不同业务需求提供个性化服务。

• 复杂业务流程处理：在涉及多角色（如用户、商家、配送员）的复杂业务流程中，WOWService能够灵活调度和协调资源，确保高效信息传递和服务执行。

• 多模态交互支持：支持语音、图像等多种输入方式，为用户提供更自然、便捷的交互体验，适用于需要视觉或听觉辅助的场景。

• 主动协作与推荐：能主动挖掘用户潜在需求，提供个性化推荐和解决方案，提升用户参与度和满意度。

• 智能外呼服务：实现智能外呼功能，如订单确认、满意度调查等，提高运营效率和用户响应速度。