第12章实践：客户咨询分流与待回复工作台——把AI能力组织成可交付流程
预计 2×45 分钟。先完成"运行与观察"，再完成"修改与解释"。
第1步：需求与背景
为什么做这个
你在电商平台当客服，一天收到200条客户咨询。其中一半是"我的快递到哪了""能换尺码吗"这类常规问题，另一半是"我要投诉""退款怎么还没到"这类需要人工判断的复杂情况。
如果每条都人工处理，效率太低；如果全部交给AI自动回复，遇到投诉、退款争议、客户发送身份证号等情况就可能出错。
问题不是"AI能不能回复"，而是"怎样把AI能力组织成一个可交付的流程"——哪些步骤让AI做，哪些步骤必须人来做，做错了谁负责，系统挂了怎么办。
项目目标
使用一组虚构电商客户咨询，完成一个完整的咨询分流工作台：
- 输入：10条模拟客户咨询 + 一份服务指南
- 处理：读取→脱敏检查→主题/紧急度分流→从服务指南找依据→生成回复草稿→人工复核
- 输出：HTML工作台，展示每条咨询的状态、证据和责任人
- 验收标准：正常咨询走AI草拟、边界咨询进人工队列、失败案例有兜底方案、绝不真实发送
明确不做
- 不真实发送任何回复（只生成草稿）
- 不使用真实客户数据
- 不接入真实电商平台API
- 不让AI承担最终决策责任
系统全景
模拟咨询（10条）
↓
① 数据读取 → ② 隐私脱敏检查
↓
③ 主题/紧急度分类 → ④ 从服务指南检索依据
↓
⑤ 生成回复草稿（AI或模板）
↓
⑥ 人工复核队列（边界/失败案例）
↓
⑦ HTML工作台 + 审计日志
核心AI问题
本章不训练模型，也不做复杂的算法。核心问题是工程化设计：
- 怎样把提示词、RAG、工具和智能体能力组织成一个流程？
- 哪些环节适合AI草拟，哪些判断必须人工负责？
- 日志、责任链和失败兜底怎样让流程可交接？
第2步：数据与信号
数据长什么样
打开 data/inquiries.json，你会看到10条模拟客户咨询：
| 字段 | 含义 |
|---|---|
| id | 咨询编号 |
| customer | 客户称呼 |
| time | 咨询时间 |
| topic | 主题标签 |
| urgency | 紧急度 |
| text | 咨询原文 |
| category | 设计分类（normal/boundary/failure） |
打开 data/service_guide.json，你会看到一份虚构的服务指南：
| 字段 | 含义 |
|---|---|
| categories | 8个咨询分类，每个含关键词、AI介入级别和处理规则 |
| privacy_rules | 敏感信息脱敏规则 |
| escalation_rules | 升级规则 |
| product_specs | 商品参数 |
AI介入级别
服务指南为每个分类定义了AI介入级别：
| 级别 | 含义 | 例子 |
|---|---|---|
| auto_draft | AI自动生成草稿，记录日志即可 | 物流查询、商品咨询 |
| draft_with_review | AI生成草稿，必须人工复核 | 退换货、订单修改 |
| human_only | AI不参与回复，仅记录和转交 | 投诉、退款争议 |
数据中的三类咨询
| 类别 | 数量 | 说明 |
|---|---|---|
| normal | 5条 | 信息完整，AI可处理 |
| boundary | 4条 | 退款争议、信息不足、投诉、隐私泄露 |
| failure | 1条 | 技术问题，AI系统不可用 |
隐私脱敏
注意 INQ08：客户主动发送了手机号和身份证号。在真实场景中，这些信息必须在进入AI处理前被替换为脱敏标记：
原文：我的手机号是13812345678，身份证号320102199001011234
脱敏后：我的手机号是[已脱敏:手机号]，身份证号[已脱敏:身份证号]
第3步：AI原理
工作流设计：六段设计书
一个可交付的AI工作流不是"调用一个API"，而是需要完整的设计文档。本章使用六段设计书：
第1段：任务声明
- 做什么：把客户咨询分流到正确的处理路径，生成回复草稿
- 不做什么：不真实发送、不做最终决策、不处理服务指南之外的问题
- 输入：客户咨询文本
- 输出：分类结果 + 证据 + 回复草稿 + 责任人
第2段：可行性评估（四维评分）
| 维度 | 评分（1-5） | 说明 |
|---|---|---|
| 数据充分性 | 4 | 服务指南覆盖常见场景，但无法覆盖所有情况 |
| 技术可行性 | 5 | 分类和检索是成熟技术，不需要复杂模型 |
| 风险可控性 | 3 | 边界案例（投诉、退款）需要人工兜底 |
| 可交接性 | 4 | 日志和责任链让流程可追溯 |
第3段：四段式工作流
输入（客户咨询）
↓
AI动作（分类 + 检索 + 草稿）
↓
人工复核（边界/失败案例）
↓
输出（待回复清单）
每个节点标注：
- 谁做：AI / 人工 / AI+人工
- 做什么：具体动作
- 产出什么：输出物
- 失败怎么办：降级方案
第4段：责任链
| 节点 | 负责人 | 责任内容 |
|---|---|---|
| 数据读取 | 系统 | 确保咨询完整读取 |
| 隐私脱敏 | 系统+人工 | 自动脱敏+人工确认 |
| 分类 | AI | 提供分类候选，人工可覆盖 |
| 证据检索 | AI | 从服务指南匹配规则 |
| 草稿生成 | AI | 生成回复草稿 |
| 复核 | 人工 | 边界/失败案例必须人工确认 |
| 最终发送 | 人工 | AI不发送，由人工决定 |
第5段：失效模式与对策
| 失效场景 | 影响 | 对策 |
|---|---|---|
| 分类错误 | 咨询进错队列 | 人工复核覆盖；记录误分用于改进 |
| 检索无结果 | 无法生成草稿 | 进入人工队列，由人工查找 |
| 模型不可用 | 无法生成草稿 | 使用模板兜底；或全部进入人工队列 |
| 客户发送敏感信息 | 隐私泄露风险 | 自动脱敏；如脱敏失败，整条进入人工 |
| 客户情绪激动 | 回复不当激化矛盾 | 强制进入人工队列，AI不直接回复 |
第6段：对外可解释性
当客户问"你为什么这样回复我"时，系统应能解释：
- 你的咨询被分类为{类别}
- 根据服务指南规则{规则编号}
- 回复草稿由AI生成，由{责任人}复核
- 如果你对回复不满意，可以{升级路径}
主链路图
客户咨询文本
↓
[系统] 读取 + 隐私脱敏
↓
[AI] 主题分类（匹配服务指南关键词）
↓
[AI] 紧急度判断（关键词 + 情绪词）
↓
[AI] 证据检索（从服务指南匹配规则）
↓
[AI] 草稿生成（基于规则模板或模型）
↓
[规则] 根据AI介入级别决定路径
├─ auto_draft → 记录日志 → 待发送
├─ draft_with_review → 人工复核 → 待发送
└─ human_only → 人工处理 → 待发送
↓
[系统] 生成HTML工作台 + 审计日志
第4步：协同开发
使用 Qwen Code 完成以下任务：
任务：修改一个分类规则或AI介入级别
例如：
- 把"退换货"从 draft_with_review 改为 human_only
- 新增一个分类"售后维修"
- 修改投诉的升级规则
协同流程：
1. 学生原始意图：我想修改什么，为什么
2. AI方案：Qwen Code 建议怎样改，涉及哪些文件和参数
3. 人工审查：学生接受、拒绝或改写了什么，理由是什么
4. 实际变更：查看差异后批准的最小修改，运行回归测试
5. 最终判断：修改后哪些咨询的路径变了？误分成本有什么影响？
关键问题：
- 你把AI介入级别调高（更多人工）还是调低（更多自动）？
- 这样改的代价是什么？（效率 vs 风险）
- 哪些咨询会因此改变处理路径？
第5步：测试与边界
必测项目
| 测试 | 咨询 | 预期路径 | 说明 |
|---|---|---|---|
| 正常-物流 | INQ01 | auto_draft | AI自动草拟，记录日志 |
| 正常-退换货 | INQ02 | draft_with_review | AI草拟，人工复核 |
| 边界-退款争议 | INQ03 | human_only | 强制人工，AI仅记录 |
| 边界-信息不足 | INQ05 | human_only | 无法分类，请客户补充 |
| 边界-投诉 | INQ06 | human_only | 强制人工 |
| 边界-隐私 | INQ08 | 先脱敏再处理 | 敏感信息必须脱敏 |
| 失败-技术 | INQ09 | 人工兜底 | AI不可用时的降级 |
人工兜底
- 当分类置信度低时，进入人工队列而非强行分类
- 当检索无结果时，进入人工队列而非编造回答
- 当模型不可用时，使用模板兜底或全部进入人工队列
- 当客户发送敏感信息时，先脱敏再处理；脱敏失败则整条进入人工
离线测试
断开网络或模型不可用时：
- 核心分类逻辑（关键词匹配）仍可运行
- 模板回复可代替模型生成
- 人工队列功能不受影响
第6步：交付与验收
交付物
- 六段设计书：任务声明、可行性评估、四段式工作流、责任链、失效模式、对外可解释性
- 可行性四维评分：数据充分性、技术可行性、风险可控性、可交接性
- 路由分类结果：10条咨询的分类和路径
- 证据检索记录：每条咨询匹配的服务指南规则
- 回复草稿：AI生成的回复（或模板回复）
- 人工复核标记：哪些草稿被人工修改，修改依据是什么
- HTML工作台：展示所有咨询的状态、证据和责任人
- 审计日志：每条咨询的处理记录
- AI协同证据：第4步的完整五段留痕
验收标准
- [ ] 六段设计书无缺项
- [ ] 正常咨询走AI草拟，边界咨询进人工队列
- [ ] 失败案例有兜底方案，系统不崩溃
- [ ] AI不承担签字或真实发送
- [ ] 所有数据为模拟数据
- [ ] 修改一个规则后能说明对误分成本的影响
- [ ] 至少人工改写一条回复草稿，并标记修改依据
- [ ] HTML工作台能清晰展示每条咨询的状态
第7步：迁移与拓展
核心方法迁移
本章学到的"四段式工作流 + 责任链 + 失败兜底"，可以迁移到：
- 菜单信息核对：顾客询问菜品成分→AI从菜单检索→人工确认过敏原信息→生成回复
- 设备报修分流：员工报告设备故障→AI分类故障类型和紧急度→从维修手册检索→生成工单→人工派单
- 实训日志归档：学生提交日志→AI检查格式和完整性→标记缺失项→人工审核→归档
- 来访事项整理：访客留言→AI分类主题和紧急度→匹配处理规则→生成回复草稿→人工确认
迁移的关键
每次迁移只换业务数据和规则，不改变工作流和责任主题：
| 不变 | 变化 |
|---|---|
| 四段式工作流 | 输入数据类型 |
| 责任链结构 | 分类类别 |
| 失败兜底机制 | 服务指南内容 |
| 审计日志格式 | AI介入级别 |
拓展任务（选做）
- 把10条咨询扩展到20条，增加更多边界案例
- 为HTML工作台添加筛选功能（按类别、紧急度、状态筛选）
- 设计一个"误分成本矩阵"：哪种误分最严重？怎样降低风险？
- 把同一工作流迁移到你的专业场景（如菜单核对、设备报修）