进阶效率
创建客户回复工作流
用 AI 起草客服回复，同时保留政策准确性、共情、升级规则和人工审批。
适合谁
- 需要一致回复的客服团队。
- 处理早期工单的创始人。
- 搭建回复模板的运营团队。
不适合谁
- 没有书面政策的团队。
- 没有专家审查的法律、医疗或账单争议。
- 试图用自动化替代共情的人。
工作流步骤
步骤 1
定义客服边界
给 AI 政策、语气、允许操作、禁止承诺和升级触发条件，否则可能编造退款、时间线或承诺。
示例输入
使用该退款政策，不要承诺规则外退款。
期望输出
受约束的客服 brief。
常见失败
AI 做出业务无法兑现的承诺。
人工检查
把每个承诺和政策对照。
步骤 2
先分类工单
先让模型判断问题类型、紧急度、客户情绪、缺失事实和是否升级，再写回复。
示例输入
起草前先分类工单。
期望输出
工单分流说明。
常见失败
回复听起来友善但没解决问题。
人工检查
人工确认分类和缺失信息。
步骤 3
带政策依据起草
生成包含共情、答案、政策依据、下一步和客户预期的回复。
示例输入
写回复：共情、政策依据、下一步，必要时升级。
期望输出
绑定政策的回复草稿。
常见失败
模型过度道歉或掩盖决定。
人工检查
检查答案是否在前半段清楚出现。
步骤 4
按情境创建变体
针对愤怒客户、信息缺失、符合条件和不符合条件请求生成变体，形成工作流而不是单条话术。
示例输入
为该政策创建四个变体：符合、不符合、缺信息、升级。
期望输出
小型回复手册。
常见失败
每个客户收到同样模板。
人工检查
把每个变体和对应情境对照。
步骤 5
加入人工审批和学习闭环
敏感案例必须人工审批，并记录哪些草稿需要修正，再反馈到工作流。
示例输入
根据修正草稿创建审批清单和更新规则。
期望输出
审查和改进闭环。
常见失败
团队把错误规模化自动化。
人工检查
每周抽查回复样本。
人工审查清单
- 检查 AI 输出是否真正解决 customer support reply drafting，而不是变成泛泛回答。
- 核验事实、日期、名称、数字、链接和引用内容。
- 删除无依据结论、空话、重复衔接和过度自信表达。
- 发布或发送前，对照读者、渠道和格式检查。
- 记录提示词、工具、输入材料、人工修改和最终判断，方便复用。
常见错误
- 用模糊提示词开始 customer support reply drafting，没有验收标准。
- 还没给来源、限制、示例和审查规则，就要求模型直接给最终答案。
- 把流畅回答当正确答案，没有检查来源覆盖、隐藏假设和边界情况。
- 研究、写作、审查和最终编辑都用同一个提示词。
- 因为第一版看起来顺，就跳过人工检查。