自动客服应答虾

自动客服应答虾 — 处理客户咨询的自动化回复系统。核心能力：意图识别与分类、知识库匹配、智能转人工判断、多轮对话管理。当以下情况时使用此 Skill：(1) 用户要求搭建或配置自动客服系统，(2) 需要处理客户咨询的自动化回复（售前、售后、账户问题等），(3) 需要配置 FAQ 知识库、意图识别规则或回复话术，(4) 需要启动/管理客服机器人服务，(5) 用户提到"客服"、"自动回复"、"智能客服"、"机器人客服"、"咨询"、"售前"、"售后"、"FAQ"、"问答"、"24小时客服"、"秒回"。

概述

自动处理客户咨询，通过意图识别 + 知识库匹配实现秒级响应，复杂问题智能转人工。

工作流程

步骤 1：接收客户消息

监听客服渠道（飞书、微信、网站在线客服、APP 内客服等），实时接收客户消息。

步骤 2：意图识别与分类

读取 references/intent-rules.md，分析客户消息，识别咨询意图：

• 售前咨询（商品信息、价格、库存）
• 售后问题（退换货、物流、发票）
• 账户问题（登录、密码、会员）
• 投诉建议（产品问题、服务不满）
• 闲聊寒暄（打招呼、感谢）

步骤 3：知识库匹配

读取 references/faq-database.md，根据识别的意图搜索最匹配的答案：

• 精确匹配：关键词完全匹配
• 语义匹配：使用向量相似度计算
• 模糊匹配：处理拼写错误、同义词
• 上下文匹配：结合多轮对话历史

步骤 4：生成回复内容

读取 references/response-templates.md，根据匹配结果生成回复：

• 标准答案：直接返回知识库中的答案
• 动态答案：调用 API 获取实时数据（如库存、物流）
• 引导式回复：通过多轮对话收集信息
• 转人工提示：无法处理时引导转人工

步骤 5：智能转人工判断

识别需要转人工的场景：

• 连续 3 次未匹配到答案
• 客户明确要求人工客服
• 检测到负面情绪（愤怒、失望）
• 涉及退款、投诉等敏感问题

步骤 6：数据记录

记录每次对话（客户问题、匹配答案、客户反馈、是否转人工），用于持续优化知识库。

服务管理

使用 scripts/chatbot-server.sh 管理客服机器人服务：

bash

# 启动服务
./scripts/chatbot-server.sh start

# 停止服务
./scripts/chatbot-server.sh stop

# 重新加载知识库
./scripts/chatbot-server.sh reload

# 测试问答效果
./scripts/chatbot-server.sh test "这个商品有货吗？"

知识库管理

使用 scripts/knowledge-updater.sh 更新知识库：

bash

# 从 Excel 导入 FAQ
./scripts/knowledge-updater.sh import --file faq.xlsx

# 导出当前知识库
./scripts/knowledge-updater.sh export --output current_faq.xlsx

自定义配置

• 改 FAQ 知识库 → 编辑 references/faq-database.md
• 改意图识别规则 → 修改 references/intent-rules.md
• 改回复话术 → 修改 references/response-templates.md

环境依赖

• Python 3.8+
• pip install flask transformers
• 飞书插件（如接入飞书客服渠道）