懂得何时移交的聊天机器人
一个靠猜测的聊天机器人，失去的信任可能比它节省的支持时间更多。我们为客户支持、销售和内部服务台构建 AI 助手，它们根据您的文档、目录和政策进行回答，在行动前进行核查，并在应当移交时带着上下文把对话交给您的团队。它们连接到您的服务台、CRM 或商店，在您的网站和消息渠道上运行，并以您支持的语言进行回答。每个助手在上线前都会针对真实问题进行测试。
AI 辅助、专家主导的聊天机器人开发
AI 如何协助
- AI 根据你授权的支持历史记录起草对话流程、测试问题和边缘情况，供审查。
- 编码智能体在工程师审查下构建渠道连接器、交接逻辑和集成。
- AI 对真实对话进行聚类，找出未解答的问题和你内容中的缺口。
我们的专家负责什么
- 助手可以回答什么，以及它必须拒绝或交接什么
- 交接规则以及传递给你支持团队的上下文
- 助手可以读取、存储或发送哪些客户数据
- 在任何更改上线之前进行语气、措辞和准确性检查
对话如何到达你的团队
典型的支持对话；渠道、阈值和值守时段与你的团队一起设定。
访客消息
客户在你的网站或 WhatsApp 上，用他们自己的措辞和语言写下消息。
识别意图
助手识别正在询问的内容，例如订单状态、退货或投诉。
有依据的回答
它根据已批准的内容或实时订单数据起草回复，并链接到所引用的来源。
置信度检查
置信度低、涉及敏感话题或请求联系某个人时，会跳过回答并转为人工交接。
检查点: 仅在超过阈值时才发送回答
人工交接
客户会被告知有专人回复，对话将进入你的服务台队列。
检查点: 值班员工接手处理
带有上下文的工单
在无人值守的时段之外，会创建一个工单，附带对话记录、检测到的意图和客户详情，以便后续跟进。
当出现故障时: 如果无法连接到服务台或订单系统，助手会表示当前无法查询，并记录联系方式。
谁会向我们寻求聊天机器人
你的团队一遍又一遍地回答相同的问题，而需要真人的客户被卡在脚本化菜单或一个胡乱编造答案的助手后面。
- 应对重复的订单、交付和退货问题的支持负责人
- 希望在有人回拨之前先甄别网站咨询的销售团队
- 在 Slack 中回答相同员工问题的 IT 和 HR 团队
您将获得什么
一个你的支持团队可以协同使用的聊天机器人
以你的内容为依据的助手
答案来自你的文档、目录和授权的支持历史记录，并附有来源链接，当没有答案时则进行交接。
网站和消息渠道
一个助手部署在你的网站、WhatsApp、Facebook Messenger、Slack 或 Telegram 上，用你支持的语言作答并适配每个渠道。
带上下文的人工交接
按规则或应请求升级给你的团队，传递完整的对话，这样客户无需重复说明。
线索甄别与预约
甄别性问题、发送到你 CRM 的线索详情以及会议预约，由你的销售规则决定线索如何分配。
帮助台与 CRM 集成
连接到 Zendesk、Intercom、HubSpot、Shopify 或你自己的 API，仅限于助手实际需要的数据和操作。
对话审查仪表板
数量、解决率和交接率、常见问题以及被标记的答案，让你的团队看到下一步该修复什么。
聊天机器人的职责在哪里结束
- 交接之后的回复来自你自己的支持团队；我们设计交接和你员工的视图，但我们不会亲自回答你的客户。
- 对话背后的多步后台工作，例如跨计费和库存系统处理退款，属于 Automation Agents，它有自己的审批节点。
- 在你产品自己的界面内的 LLM 功能，例如文档搜索或起草辅助，通常属于 LLM Integration 而非聊天机器人。
- 测试另一家供应商构建的聊天机器人，无论是上线前还是收到投诉后，属于 AI Evaluation & Testing，你无需新建项目即可预约。
典型的聊天机器人需求
我们所界定范围的典型场景，而非客户案例研究。
WhatsApp 上的订单状态问题
客户不断在 WhatsApp 上询问他们的订单在哪里。我们会把助手连接到订单数据，使其在核对订单号和邮箱后读取确切状态，并把退款请求连同聊天记录一起转交给员工。
IT 渠道中的员工问题
员工在 Slack 中向 IT 询问相同的访问权限和设备问题。我们会搭建一个从 IT 知识库作答的助手，当某个请求需要管理员时，它会连同详情开一张工单，而不会自行更改账户。
跨多种语言的支持
一个支持团队用英语和希伯来语为客户服务。我们会用两种语言的真实问题测试助手，仅根据批准的译文回答政策问题，并把其他语言的对话交接给真人。
我们如何构建你的聊天机器人
- 01
范围与边界
商定助手处理什么、它绝不回答什么、何时交接，以及如何衡量成功：解决率、交接质量或线索获取。
- 02
知识与集成
收集并清理它将使用的文档、目录数据和授权的对话历史记录，并连接你的帮助台、CRM 或商店。
- 03
构建与测试
构建对话流程和交接，然后用真实问题集、边缘情况以及试图把助手带离主题的尝试进行测试。
- 04
上线与改进
先在一个渠道或有限受众上线，与你的团队一起审查对话，待答案质量稳定后再扩展。
设计、QA 和运维如何支持你的聊天机器人
对话设计
设计师塑造流程、语气、错误消息和交接时机，以及你的支持团队用来接手对话的视图。
针对真实问题的 QA
QA 运行来自真实支持问题的测试对话，检查答案质量、拒答、升级规则和数据访问，并在每次内容、提示或模型更改后重复进行。
生产环境中受监控
DevOps 部署助手，配有日志记录、告警、速率限制和成本跟踪。我们的支持时段和响应承诺在支持计划中商定。
答案随时间不断改进
我们与你一起审查被标记和已交接的对话，填补知识库中的缺口，并在回归检查通过后更新提示或模型。
常见问题
常见问题解答
哪个 AI 模型为该聊天机器人提供支持？
这取决于你的准确性需求、预算和数据规则。可选项包括托管模型（例如 OpenAI 的 GPT 模型或 Claude），以及运行在你掌控的基础设施上的开放权重模型（例如 Llama 或 Mistral）。我们用你自己的测试问题比较候选模型，并选择在可接受成本下答得最好的那一个。
当聊天机器人不知道答案时会发生什么？
它会如实说明，并提供交接给你团队的方式或留下详情以便后续跟进的途径。它被设计为从你批准的内容中作答而不是猜测，未解答的问题会被记录下来，这样你就能看到需要填补哪些缺口。对于价格、政策和订单状态，它可以被限制为仅使用你系统中的精确数据。
聊天机器人能在营业时间之外作答吗？
可以。作为软件，它可以在任何时段作答，范围限于你批准的内容。人工交接则不同：它只能在你安排人员值守的时段联系到你的团队，在此之外助手可以记录详情并开一张工单。监控和告警持续运行；我们提供的任何支持覆盖都在支持计划中商定。
我们的客户数据在哪里处理？
对话由你选择的模型处理，遵循商定的账户和数据保留设置，或在敏感情况下在私有基础设施上处理，我们会限制助手可以读取和存储的内容。我们的开发工作遵循你选择的套餐：私有 / 本地 AI 工程 或 Claude Code / OpenAI Codex 工程。
相关阅读
- 减少 RAG 应用中的无依据回答
检索质量、文档权限、证据和评估如何能减少无依据的回答——以及一个知识助手在哪些方面仍然需要设定限制。
