智能会话分析

该技能调用阿里云晓蜜 CCAI AIO，对客服通话或文字对话进行 AI 智能分析，支持摘要生成、服务质检、情绪检测、满意度评估、关键词提取、字段抽取、QA 生成、用户画像、标签分类等多种分析任务，输入可以是文本对话或语音文件 URL。 当用户问题涉及「总结/摘要一段对话或通话内容」「对客服录音做质检或合规检查」「分析用户情绪或满意度」「从对话中提取关键词、字段、待办事项」「对通话做 QA 抽取或用户画像」时使用该技能。

晓蜜 CCAI AIO 对话分析

基于阿里云通义晓蜜 CCAI AIO，对文本对话或语音通话进行智能分析。

前置条件

配置阿里云凭证

bash

export ALIBABA_CLOUD_ACCESS_KEY_ID="your-access-key-id"
export ALIBABA_CLOUD_ACCESS_KEY_SECRET="your-access-key-secret"

配置 CCAI 应用信息 ⚠️ 重要

需要在 百炼控制台 开通 CCAI AIO 服务并创建应用，获取以下两个 ID：

bash

export CCAI_APP_ID="your-app-id"           # 必填：应用 ID
export CCAI_WORKSPACE_ID="your-workspace-id"  # 必填：业务空间 ID

如何获取 App ID 和 Workspace ID，请读取 setup.md。

执行清单

复制此清单并在执行时逐项打勾：

• 步骤 1: 了解用户需求
  • 1.1 分析类型是什么？（摘要/质检/情绪/…）
  • 1.2 输入来源是什么？（文本对话 / 语音文件 URL / 前置节点输出）
• 步骤 2: 验证前置条件
  • 2.1 AK/SK 环境变量已配置
  • 2.2 CCAI_APP_ID 已配置（必填）
  • 2.3 CCAI_WORKSPACE_ID 已配置（必填）
  • 2.4 输入内容有效（文本非空 / 语音 URL 可访问）
• 步骤 3: 生成 task.json ⛔ BLOCKING — 向用户确认后才执行
  • 3.1 根据意图推断 resultTypes（请读取 task-types.md）
  • 3.2 构建 dialogue 或 transcription（请读取 input-formats.md）
  • 3.3 如需质检，补充 serviceInspection 配置
• 步骤 4: 执行分析
• 步骤 5: 展示结果并执行交付检查

---

步骤 1: 了解用户需求

分析类型推断（根据用户描述自动选择 resultTypes）：

• 用户说"摘要、总结、概括" → ["summary", "title"]
• 用户说"关键词、标签" → ["keywords", "category_tag"]
• 用户说"质检、合规检查" → ["service_inspection"]
• 用户说"问题和解决方案、处理结果" → ["question_solution"]
• 用户说"QA、问答对" → ["questions_and_answer"]
• 用户说"字段提取、结构化" → ["fields"]
• 用户说"自定义分析、自定义指令" → ["custom_prompt"]
• 用户说"全量分析、完整分析" → 全部 9 种类型

输入来源判断：

• 用户粘贴了对话文本 → taskType: "text"，构建 dialogue.sentences
• 用户提供了音频 URL → taskType: "audio"，构建 transcription
• 来自前置节点（如外呼录音）→ 从上下文提取 URL 或对话内容，无需再次询问

问自己：

• 用户描述的分析目标是什么？对应哪些 resultTypes？
• 对话内容是文本还是语音？每条消息的说话角色是谁（user/agent/system）？
• 如果是质检，质检的场景和维度是什么？

---

步骤 2: 验证前置条件

逐项检查：

• 环境变量 ALIBABA_CLOUD_ACCESS_KEY_ID 和 ALIBABA_CLOUD_ACCESS_KEY_SECRET 是否已配置？
• CCAI_APP_ID 是否已配置？（必填，没有则无法调用）
• 文本输入是否有实际内容？语音 URL 是否是可访问的公网地址？

---

步骤 3: 生成 task.json ⛔ BLOCKING

请读取 input-formats.md，根据已知信息构建 task.json 文件。

向用户展示并等待确认：

text

准备执行对话分析，请确认以下信息：

📋 任务信息
- 输入类型: [文本对话 / 语音文件]
- 分析类型: [resultTypes 列表]
- 对话条数/文件: [N 条 / 文件名]

是否确认执行分析？

• ✅ 必须等待用户明确确认后才能执行
• ❌ 不要在用户未确认的情况下自动执行

---

步骤 4: 执行分析

模式 A：直接执行（适合简单场景，等待结果）

bash

node scripts/bundle.cjs task.json

脚本自动完成：提交任务 → 每 2 秒轮询一次 → 最多等待 120 秒 → 格式化输出结果

模式 B：非阻塞执行（OpenClaw 环境推荐）

Step 1 — 提交任务，获取 taskId：

bash

CCAI_ASYNC=1 node scripts/bundle.cjs task.json

脚本提交任务后立即输出 taskId，不等待结果。

Step 2 — 用 cron.add 安排一个 15 秒后的一次性任务，在隔离会话中查询结果并通知用户：

• 任务名称：CCAI分析结果查询-<taskId 前 8 位>
• 触发时间：15 秒后
• 任务内容：执行 node scripts/bundle.cjs query <taskId>，根据结果决定下一步：
  • QUEUE → 再安排一个 15 秒后的查询
  • FINISH → 格式化输出结果并通知用户
  • ERROR → 告知用户错误信息

安排好后立即向用户回复，不要等待分析完成：

text

✅ 分析任务已提交！

📋 任务信息
- 任务 ID: <taskId>
- 分析类型: <resultTypes>

⏰ 我将在 15 秒后自动查询结果，完成后主动通知你。

遇到错误时，请读取 troubleshooting.md。

---

步骤 5: 展示结果

交付前检查

执行完成后，逐项确认再向用户报告：

• 所有 resultTypes 均有对应结果输出（无"无结果"项）
• 已向用户说明每种分析类型的结果含义
• 如有字段提取或质检，结果是否符合用户预期？是否需要调整配置后重跑？

---

常见场景示例

需要参考具体场景时，请读取 scenarios.md。

---

注意事项

1. 数据合规 — 对话内容可能含有用户隐私，确保符合数据处理规范
2. 字数限制 — 对话内容上限 2 万字，超过部分自动截断
3. 音频格式 — 建议使用 8k 采样率，其他采样率会影响识别效果
4. 任务保留 — 任务数据在服务端保存 90 天
5. 费用控制 — CCAI AIO 按调用量计费，注意控制频率

参考链接

• 百炼控制台
• CCAI AIO 产品文档