我现在公司有个做海外游戏智能客服项目，有两个平台，客服语言分别是菲律宾+英文混合，还有泰文。目前数据是有大量多轮对话数据（包含充值，玩法，活动，等一些问题），还有docx简单一些规则文档。其中客服对话要涉及时实数据查询。我开始准备用agent＋rag做。有几个问题
1，针对于这种混合语言，是每个语言对应一个模型，准备自己语言的向量库，还是统一开始全翻译成英文，只用英文向量库，后续再英文翻译回对应语言返回给用户？还是翻译成中文，再存入向量库检索再翻译回去返回给用户？还是用各自语言大模型？
2，大模型怎么选择？目前我准备用在线调用api AWS bedrock 
,claude 3.5 和 multilingual能否解决这个问题？还是有其他更好选择
3，针对数据处理这块有文档和大量多轮对话数据怎么处理？先让业务人员把多轮对话清洗，然后再和文档一起存入向量数据库检索吗？还是有其他更好的方案。不太清楚多轮对话需要清洗成什么标准，有很多意思重复的问题。
4，项目是否必要用微调？针对两个个平台（规则有差异）我能否统一调用claude3.5去回复？我只做metadata标识？如果针对后续更多平台，还能否用一个模型？
5，针对最后效果评估，是让项目方提供自己重要的问答测试准确率吗？
6，整体思路是agent的llm先做意图识别再去看是否调用api或者rag吗？走两条线就可以了吗？
