在 2025 年红帽全球峰会上，我们推出了“咨询红帽”，这是一个旨在成为客户智能入口的对话式 AI。它最初是一个为期 12 周的快速开发项目，旨在证明开源 AI 可以革新客户支持体验。
如今，“咨询红帽”已从概念验证演变为成熟的生产级应用。截至 2025 年底，它已为 50,000 多名唯一身份用户提供服务，处理了超过 450,000 条消息。它不再只是一个独立的工具，而是跨产品编排层，可直接集成到 docs.redhat.com 和红帽客户门户网站的新问题单创建流程中。“咨询红帽”正在践行其目标：在客户遇到问题时第一时间帮助他们解决问题。
技术引擎：Granite 和信任防护机制
当业内许多公司仍在孤立地开展模型实验时，红帽已将 IBM Granite 系列投入使用，以解决特定的客户痛点。我们在这一领域的领先优势源于兼顾能力和精度：
- 模型：我们使用 Granite-3.x 8B-Instruct 变体，因为它在检索增强生成（RAG）中具备高效率和高精度，且计划在近期迁移到 Granite-4.x 小语言模型。
- 安全防护网：我们使用 Granite Guardian 模型实施可靠的安全防护架构，将其作为“安全护栏”。它们会实时评估用户输入和 AI 输出，以防止越狱攻击，确保助手专注于任务。
- 精准检索：2025 年 12 月，我们启动了检索优化阶段，使平均倒数排名（MRR）提高了 45%，帮助客户在每次请求时都能获取对应版本的准确文档。
衡量无形价值：AI 和“咨询红帽”的价值
如今，企业面临的最大问题是“如何衡量 AI 的成功？”作为迈向智能入口的第一步，“咨询红帽”对红帽的几乎所有团队都产生了不同程度的影响。我们最初的创立目标是尽可能帮助客户自主解决问题。
为了进一步强调这一目标，我们的首席后端工程师（在职业生涯初期曾任职于红帽技术支持部门）表示：“如果我能在五分钟内自己解决问题，我宁愿自己动手，也不愿等待支持团队回电，哪怕只等一小时。”如果我们能够帮助客户解决原本需要提交问题单才能解决的问题，他们就会感到满意，在红帽支持体系中，我们可以将这种满意度量化为成本节约。
我们使用特定的内部框架来计算这一成效。通过衡量用户使用“咨询红帽”后选择不提交问题单的场景，我们可以量化其对业务的影响。
红帽成本节约计算公式：
- 总成本节约 = 由客户使用“咨询红帽”自行解决问题的潜在问题单数量 x 问题单的计算成本*
*具体的内部成本属于专有信息，但这个公式可用于衡量 AI 提供的财务弹性
仅在 2025 年，“咨询红帽”就通过减少技术问题单的创建，实现了约 150 万美元的成本节约。这些问题单都表明，客户或合作伙伴能够更快速地自行尝试解决问题，而无需等待红帽本就高效的支持响应，因为“咨询红帽”为他们提供了所需的答案。 这证明企业级 AI 不仅能提高效率，更是我们在整个客户体验中创造价值的根本性转变，具体体现在：缩短解决客户问题的时间，同时减轻支持工程师的负担。
展望未来：迈向代理式 AI 的路线图
我们正从仅能回答问题的助手，快速过渡到能够自主执行任务的代理。我们即将推出的路线图侧重于进一步简化客户体验：
- 单点入口编排层：我们正在迈向多代理协同体验，在这种体验中，“咨询红帽”可以在不同的专用 AI 工具之间进行协调，以解决复杂的多步骤问题。
- 近乎实时的 RAG：我们已经优化了管道，文档更新可在四分钟内同步到“咨询红帽”中，使 AI 工具始终与最新的事实来源保持一致。
通过将开源、透明的 ROI 和严格的安全防护机制作为 AI 战略的基石，红帽已成功跨越 AI 的实验阶段，迈向客户成功案例不断涌现的未来。
您可以在我们的 AI 系统卡上进一步了解“咨询红帽”技术详情，也可以在红帽架构中心查看“咨询红帽”解决方案架构。
关于作者
Matt Ruzicka is a Portfolio Content Strategist for Red Hat’s Intelligent Experience Delivery team with over a decade of experience at Red Hat—spanning AI solutions, customer success, and Technical Account Management. They focus on bridging the gap between complex technology and meaningful customer outcomes.
