AI 客服案例模板 Skill

使用场景

• 客服团队希望引入 AI 能力，需要系统性方法论指导
• 需要设计客服 Copilot 或智能客服系统的完整路径
• 关注服务协同、经验复利、反馈驱动的持续优化场景

客服场景特征与适配性

客服特征	对方法论的影响
高频重复：同类问题大量发生	适合 AI 规模化，价值密度容易验证
知识密集：依赖 SOP 和历史经验	需要 RAG 和知识沉淀系统
风险可控：错误影响相对有限	可更快进入灰度和自主模式
反馈丰富：用户互动产生大量标注	天然适合持续学习和反馈回灌
商业价值清晰：省人力、提体验	适合商业实验和定价验证

客服方法论路径

@ai-native-direction-framing
  → 选择最值得先协同化的客服任务
  → 输出：Direction Brief

@p2a-experiment-overview + @p2b-product-form-exploration
  → 验证理解、检索、候选回复和风险识别
  → 输出：产品形态建议（Copilot）

@p2c-process-redesign
  → 服务升级链设计
  → 输出：人机协作矩阵

@p2e-shadow-validation
  → 影子验证：Copilot 并行运行
  → 输出：采纳率、错误率、风险漏过率

@ai-native-audit-release
  → 客服场景审计放行
  → 输出：放行决策

@ai-native-production-ops
  → 客服生产观测和反馈回灌
  → 输出：生产运行方案

@p7e-customer-loop
  → 早期客户计划设计
  → 输出：客户循环方案

@p10a-value-discovery-loop
  → 价值信号识别与商业验证
  → 输出：价值发现方案

客服能力分层

第一层：辅助检索（低风险）

• FAQ 问答
• 订单/物流状态查询
• 政策规则解释
• → 适合：自动回答 + 知识库兜底

第二层：Copilot 协同（中风险）

• 回复建议生成
• 意图识别与分类
• 风险标记与升级提示
• → 适合：Copilot + 人工确认

第三层：自动处理（高风险）

• 自动退款建议（附条件）
• 自动好评引导
• 投诉预判与升级
• → 适合：人在回路中 + 严格审计

客服案例 Skill 输出模板

```yaml

AI 客服案例方案

方向定界: 核心问题: [选择最值得先协同化的任务] 目标场景: [工单处理 / 在线咨询 / 外呼 / 投诉处理] 现有系统: [工单系统 / 在线客服 / CRM] Direction Brief: [输出]

试验展开: 能力实验: - 意图识别: [准确率/适用场景] - 知识检索: [命中率/长尾覆盖] - 回复生成: [采纳率/风险率] 产品实验: - 形态: [Copilot / 自动问答 / 工作台] - 采纳率目标: [>60%] 商业实验: - 客服效率提升目标: [首响时间缩短X%] - 培训周期缩短: [从Y天到Z天] - ROI 测算

系统构建: Agent 设计: - 意图识别 Agent - 知识检索 Agent - 回复生成 Agent Memory: [会话上下文 / 用户画像 / 历史工单] Context: [订单状态 / 物流信息 / 售后政策] RAG: [FAQ库 / SOP / 历史工单 / 规则文档] UX: [侧边栏建议 / 风险标记 / 一键采纳]

审计放行: 风险分级: - 低风险（可直接自动）: [状态查询 / FAQ] - 中风险（Copilot确认）: [回复建议 / 意图分类] - 高风险（人工复核）: [退款建议 / 投诉处理]

生产运行: 可观测性: [采纳率 / 修改率 / 投诉率 / 解决率] 反馈回灌: [修正案例 → 样本库 → 模型优化] 客户循环: [早期客户计划 → 反馈 → 产品改进] 价值发现: [效率信号 / 商业信号 / 留存信号] ```

与其他 Skill 的关系

• 核心协同：@ai-native-direction-framing, @p2b-product-form-exploration, @ai-native-ux-design, @p7e-customer-loop
• 配套：@ai-native-production-ops（生产运行），@p10a-value-discovery-loop（价值发现）
• 案例 Skill：@p10b-aiops-case（AIOps场景），@p10d-saas-case（数据分析场景）

适用边界

• ✅ 客服协同、FAQ问答、工单处理、售后支持等场景
• ✅ 高频、可标准化、有历史数据的客服流程
• ✅ 需要持续学习和人机协同优化的场景
• ❌ 高度情绪化、需要强同理心的场景（建议以辅助为主）
• ❌ 法律咨询、医疗建议等需要专业资质的领域