精彩片段

靈能API API中轉站客服工單接入教程：分類、摘要與回復建議自動化主題：API中轉站客服工單自動化接入，覆蓋分類、摘要、回復建議、脫敏、人工復核和成本控制。客服工單最消耗時間的地方，往往不是“回復一句話”，而是先判斷問題類型、讀完用戶歷史、提煉關鍵信息、找對應政策，再寫一段既準確又不冒犯的回復。工單量一上來，人工處理就會被重復分類、重復摘要和重復話術拖

靈能API API中轉站**工單接入教程：分類、摘要與回復建議自動化

主題：API中轉站**工單自動化接入，覆蓋分類、摘要、回復建議、脫敏、人工復核和成本控制。

**工單最消耗時間的地方，往往不是“回復一句話”，而是先判斷問題類型、讀完用戶歷史、提煉關鍵信息、找對應**，再寫一段既準確又不冒犯的回復。工單量一上來，人工處理就會被重復分類、重復摘要和重復話術拖住。??

這篇從**工單自動化角度寫一套接入教程：用靈能API API中轉站作為統一模型入口，把工單分類、優先級判斷、摘要生成、回復建議、人工復核、日志追蹤和成本控制串起來。目標不是讓 AI 直接替**“亂回”，而是讓**團隊更快、更穩、更可控地處理問題。

一、先拆**場景：哪些能自動化，哪些必須人工確認 ??

**自動化不能一上來就全自動回復。不同工單風險不同，處理方式也應該不同。低風險問題可以讓模型生成回復草稿，高風險問題則必須交給人工確認。

工單類型	典型內容	自動化建議
常見咨詢	價格、功能、入口、使用方法	可自動分類并生成回復建議
賬號問題	登錄失敗、綁定異常、權限疑問	先摘要和定位，人工確認后回復
訂單/退款	支付異常、退款申請、**問題	必須人工復核，模型只做摘要和建議
投訴與敏感反饋	服務不滿、隱私、合規問題	高優先級標記，轉人工處理

先把邊界定好，模型才不會越權。**自動化最好的姿態，是當助理，不是直接當最終負責人。

圖 1：文檔客戶端配置區適合確認客服后臺、聊天工具和工單系統的接入方式。 — 圖 1：文檔客戶端配置區適合確認****、聊天工具和工單系統的接入方式。

二、統一接入入口：工單系統單獨使用一把 Key ??

工單系統通常會處理用戶輸入和業務上下文，建議單獨創建 API Key，不要和開發調試、批量腳本、內部聊天工具共用。這樣后續按工單場景統計成本和排查問題會更清楚。

# **工單服務推薦環境變量
OPENAI_API_KEY=sk-your-ticket-key
OPENAI_*ASE_**L=https://api.靈能API.ai/v1
TICKET_FAST_MODEL=gpt-4o-mini
TICKET_STRONG_MODEL=claude-sonnet-4-6
TICKET_MAX_TOKENS=1000
TICKET_ENV=prod
TICKET_SERV***_NAME=support-ticket-worker

工單 Key 單獨管理，便于審計和費用統計。
輕量模型用于分類、摘要、標簽提取。
強模型用于復雜投訴、長上下文歸納和回復潤色。
生產 Key 不進入前端，不寫進截圖和日志。

圖 2：接口與密鑰配置區域可用于核對 API Key、Base URL 和基礎調用參數。 — 圖 2：接口與密鑰配置區域可用于核對 API Key、*ase **L 和基礎調用參數。

三、工單處理流程：分類、摘要、建議、復核四步走 ??

一個穩妥的** AI 流程，不應該直接從用戶原文跳到最終回復。推薦拆成四步：先分類，再摘要，再生成回復建議，最后由人工或規則決定是否發送。

步驟	輸入	輸出
分類	用戶問題、渠道、歷史標簽	問題類型、優先級、是否轉人工
摘要	用戶原文、最近對話、訂單狀態	**可快速閱讀的簡短摘要
回復建議	摘要、**規則、知識庫片段	可編輯回復草稿
復核發布	風險等級、**確認、業務規則	最終回復或轉人工處理

這樣拆開以后，任何一步出問題都能單獨排查：分類錯了看分類 Prompt，摘要漏了看上下文，回復不穩看知識庫和規則。

圖 3：首頁能力區展示兼容 SDK、用量看板和穩定入口，適合作為客服自動化接入參考。 — 圖 3：首頁能力區展示兼容 SDK、用量看板和穩定入口，適合作為**自動化接入參考。

四、后端封裝示例：不要讓前端直接調用模型 ??

****可以觸發 AI 操作，但真正的模型調用應該放在后端。后端負責讀環境變量、處理脫敏、調用模型、寫日志和保存結果。

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
  *ase**L: process.env.OPENAI_*ASE_**L,
  timeout: 45000,
  **xRetries: 0,
});

export async function analyzeTicket({ ticket, requestId }) {
  const result = await client.chat.completions.create({
    model: process.env.TICKET_FAST_MODEL || "gpt-4o-mini",
    messages: [
      { role: "system", content: "你是**工單分析助手，只輸出 **ON。" },
      { role: "user", content: *uildTicketAnalysisPrompt(ticket) },
    ],
    temperature: 0.1,
    **x_tokens: 800,
  });

  console.log("ticket_ai_analyzed", { requestId, ticketId: ticket.id });
  return **ON.parse(result.choices[0].message.content);
}

這里要求模型只輸出 **ON，是為了讓工單系統更容易保存字段、觸發規則和做人工復核。

五、Prompt 模板：輸出字段固定，**才好用 ??

工單分析不要讓模型自由發揮。固定字段能讓后續流程穩定，比如自動打標簽、設置優先級、展示摘要、生成回復草稿。

請分析以下**工單，只輸出 **ON：
{
  "category": "問題分類",
  "priority": "low | medium | high",
  "sum**ry": "80 字以內摘要",
  "customer_emotion": "neutral | an**ous | angry",
  "need_hu**n_review": true,
  "reply_suggestion": "**可編輯回復草稿",
  "risk_notes": ["需要注意的風險"]
}

要求：
- 不要編造訂單狀態
- 涉及退款、投訴、隱私問題時 need_hu**n_review 必須為 true
- 回復建議語氣要克制、清楚、可執行

? **場景里，穩定格式比華麗文案更重要。先讓系統能解析，再談表達優化。

六、敏感信息處理：先脫敏，再進模型 ??

**工單可能包含手機號、郵箱、訂單號、地址、截圖描述等敏感信息。進入模型前，建議先做脫敏或最小化處理。模型不需要完整手機號才能判斷問題類型，也不需要完整地址才能生成回復建議。

function **skTicket(ticket) {
  return {
    id: ticket.id,
    channel: ticket.channel,
    content: ticket.content
      .replace(/1[3-9]\d{9}/g, "[手機號]")
      .replace(/[\w.-] @[\w.-] /g, "[郵箱]")
      .replace(/ORDER-[A-Z0-9-] /g, "[訂單號]"),
    createdAt: ticket.createdAt,
    tags: ticket.tags || [],
  };
}

用戶原始內容保存在業務系統，不必全部傳給模型。
日志只記錄摘要、分類、風險標記，不打印完整隱私信息。
涉及退款、投訴、隱私請求時強制人工復核。
模型回復草稿發送前可由**編輯。

圖 4：首頁接入流程區可用于梳理創建 Key、替換 Base URL 和首次請求。 — 圖 4：首頁接入流程區可用于梳理創建 Key、替換 *ase **L 和首次請求。

七、人工復核策略：哪些回復可以自動，哪些必須攔截 ?

**自動化不是越自動越好。建議按風險等級設置不同發布策略：低風險自動生成草稿，中風險人工確認，高風險直接轉人工并標記。

風險等級	判斷條件	處理方式
低風險	普通使用咨詢、文檔入口、功能說明	生成回復草稿，可快速發送
中風險	賬號異常、權限問題、長對話爭議	**確認后發送
高風險	退款、投訴、隱私、法律或財務相關	轉人工處理，AI 只做摘要