Los agentes humanos en el soporte técnico al cliente proporcionan a los usuarios respuestas instructivas para resolver una tarea que de otro modo requeriría mucho tiempo, dinero, energía y costos físicos. Desarrollar un sistema de diálogo en este ámbito es un desafío debido a la amplia variedad de preguntas de los usuarios. Además, las preguntas de los usuarios son ruidosas (por ejemplo, errores de ortografía), redundantes y tienen diversas expresiones en lenguaje natural. En este trabajo, presentamos un sistema conversacional, MOLI (el nombre de nuestro sistema de diálogo), para resolver preguntas de clientes proporcionando respuestas instructivas de una base de conocimientos. Nuestro enfoque combina modelos para la clasificación de tipos de preguntas y categorías de intención con el llenado de slots y una base de conocimientos en el backend para filtrar y clasificar respuestas, y utiliza un marco de diálogo para consultar activamente al usuario sobre información faltante. Para la clasificación de respuestas, encontramos que las redes de coincidencia secuencial y las redes de similitud de oraciones neuronales de múltiples perspectivas superan claramente a los modelos de referencia, logrando una reducción del 43% en errores. El P@1 (Precisión en el top 1) de MOLI fue de 0.69 y la satisfacción de los clientes fue de 0.73.