随着商品市场由卖方市场向买方市场过渡和以客户为中心的科学理论体系的形成与完善，客户逐渐成为了现代制造业企业最重要的稀缺性资源，客户在很大程度上决定着企业的命运和前途，因而企业在重视客户创造的同时，逐渐意识到客户维持的重要性，增强了客户流失管理，其中客户流失预测将是面向主动服务的客户流失管理的核心内容。　　 依据服务挖掘理论的主动服务和服务提前理念，以及企业级客户行为变化规律的渐变性和可知性特点，本文将改进QSIM算法和改进遗传算法与主动服务理念和人工智能技术相结合，设计了面向主动服务的客户流失预测Agent和自适应修正Agent，从而构建了面向主动服务的客户流失预测模型，并在此基础上开发了该模型的原型系统进行实验仿真分析，检验了模型的有效性。该模型一方面实现了客户流失管理系统的自动化和智能化，体现了服务挖掘的理念，为企业提供了各种类型客户在每个阶段流失的可能性，并且能够为企业在何时实施何种决策，才能得到“最佳”的企业级客户流失管理效果，提供了一定的定性参考依据；另一方面试图能够为面向主动服务的客户流失管理体系的发展做出积极的作用。　　 本文主要围绕面向主动服务的客户流失预测Agent和自适应修正Agent的设计展开论述。在客户流失预测Agent设计中，本文运用因果关系图设计了客户流失影响因素体系，提出了决策变量、状态变量和序列因果约束等概念，并且利用基于随机行为抽取方式的多次定性模拟取代了传统QSIM算法的一次性推理，避免了算法的“组合爆炸”。经过相应的实验仿真分析，表明了预测Agent能够较好地解释和预测客户流失的演化过程，为企业在何时实施何种决策提供定性参考。　　 在自适应修正Agent设计中，本文对传统遗传算法特性进行了深入分析和研究，设计了修正Agent的免疫机制、双编码体系和改进遗传操作算子，以此实现自适应地消除客户流失预测Agent运行结果的系统误差，体现了自适应性、灵活多样性和通用性。经过相应的实验仿真分析，表明根据不同行业不同环境的特点，设定不同的自适应修正Agent算法参数和求解模型参数，能够有效地实现对不同客户流失预测Agent的系统误差进行修正的目的。