Ringg AI Agent 与 OpenAI 集成

Ringg 是一个语音和聊天代理平台，已集成 OpenAI 的 GPT-5.6 模型系列，用于自动化客户服务操作，无需人工干预即可解决高达 65% 的常规咨询。通过将实时工作负载从 GPT-4.1 迁移到 GPT-5.6，Ringg 在保持所需质量和延迟标准的同时，将模型成本降低了约 90%。

多模型路由策略

Ringg 采用路由层，根据请求的性能、延迟和性价比需求，将任务分配给特定的 OpenAI 模型：

  • GPT-4.1：处理大部分实时语音和聊天流量。
  • GPT-5.6 Luna：用于实时工作负载，其特定性能或性价比表现最优。
  • GPT-5.6 Terra：专门用于通话后分析，包括情感分类和摘要生成。
  • GPT-5.6 Sol：用于评估、提示优化和模型作为裁判的工作流。

为管理长时间交互，当对话上下文达到约 80,000 个 token 时，系统会生成结构化摘要，从而在不重新发送完整历史记录的情况下继续交互。

代理架构与编排

Ringg 平台使用 GPT-5.6 Luna 和其他模型来解析请求，并引导用户完成多步骤工作流。系统的编排层在内部 API、支付系统、日程安排工具、工单平台和 CRM 之间执行操作。

关键架构组件包括：

  • 知识系统：结合语义检索与结构化过滤，覆盖 CSV、PDF、业务文档和数据集。
  • 专用子代理：平台将任务分配给专门负责验证、升级、支持、资格审核和日程安排的子代理。
  • 跨渠道一致性：系统在网页、WhatsApp、聊天和语音渠道之间保持一致的对话状态。

性能基准与行业成果

Ringg 集成 OpenAI 模型的实施在多个领域带来了显著的运营改进：

  • 保险（Policybazaar）：67% 的电话无需人工干预即可处理，平均响应时间从 8–12 分钟缩短至 60 秒以内（提升 88%）。
  • 医疗（Practo）：实现 85% 的首次通话解决率，响应时间低于三秒，相比人工工作流运营成本降低 70%。
  • 投资（Groww）：72% 的关于期权、期货和 IPO 的入站查询通过自助服务解决，平均处理时间仅两分钟。

评估与质量保证

Ringg 通过模拟客户流程和历史对话对模型进行持续改进测试。在一对一评估中，GPT-5.6 Terra 在通话后分析和区域语言准确性方面优于 Gemini 2.5 Flash，在常见区域语言上的准确率最高达到 97%。

生产部署采用分阶段方法：模型先通过离线测试，再引入一小部分生产流量，随后逐步扩展。路由层会监控各区域的端点健康状况和延迟，一旦超过阈值即自动调整流量。

未来开发：浏览器代理

Ringg 正利用 OpenAI 的计算机使用能力开发浏览器代理。这些代理旨在自动化复杂的流程，如 IT 故障排查、理赔处理、值班事件支持、了解你的客户（KYC）流程以及平台注册。此外，Ringg 正在构建一个上下文层，以在不同渠道间保留信息，使用户可以从语音无缝切换至 WhatsApp 或浏览器，而无需重复信息。

Sources