客服群聊工单提取

要解决的问题

客服团队的一天，往往从几百条群消息开始。用户在群里问物流、催退款、报故障，客服在对话中来回追问，工单全靠人工盯屏、复制粘贴，再登记到工单系统。等到事后补录，信息已经丢得七零八落：谁提的问题、哪句关键报错、之前是否已有人处理过，全靠翻聊天记录和记忆。

这类场景的痛点在于：诉求本身是结构化的（工单），但载体是非结构化的对话流。

技能如何工作

该技能面向「从客服群聊对话中提取工单」这一任务。以 lark-im 场景为例，输入是群聊的消息导出或会话记录，输出是结构化的工单记录。

核心流程大致分为三步：

• 识别：扫描消息流，区分闲聊、追问与正式的求助/投诉事件，定位一条工单从哪句开始、到哪句结束。
• 抽取：从相关片段中提取工单要素，如提出人、联系方式、问题描述、时间线索等，填入固定字段。
• 产出：输出规整的记录，可直接对接工单系统或表格。

它本质上是一条信息抽取管道：不替客服做回复，而是把散落在对话里的事实收敛成一条条可流转的工单。

适用边界

• 输入质量决定上限：纯文本群聊效果最好；截图、语音、附件中的诉求无法被直接读取，需要先转成文本。
• 多话题混杂的大群容易出现切分错误：无关消息插在两条诉求之间，可能把两条工单揉成一条，或把一条拆成两条。
• 口语中的错别字与简称会增加误判概率，建议在提示词或规则中给出明确的工单判定口径。
• 它只负责「提取」，不负责处理、回复与闭环，后链路仍需人工或工单系统承接。