技能介绍

客服与运营质检的常见痛点

客服、呼叫中心和运营团队的考核方案往往卡在三个地方：

指标口径不统一，质检标准与抽样规则各自维护，换人后结论漂移。
缺少可复核的计算过程，评分表和差错分级看起来专业，但没人能追查每一项得分是怎么来的。
信息不足时容易用“看起来合理”的假设补全，最终方案在面谈、申诉或复盘时站不住脚。

这个技能把质检方案拆成事实提取、计算参数、判断依据和待确认项，适合需要快速生成可复核交付物的团队。

它如何工作

先提取已确认事实，再决定缺什么。 用户可以直接说：“请帮我完成客服/运营团队质检考核方案：针对呼叫中心/客服/运营团队的质检标准+抽样规则+评分表+差错分级。”也可以上传现有文件。技能会从自然语言或文件中识别岗位、绩效周期、现有目标和事实数据，只追问完成任务所缺的最少必要项，不要求填写内部 JSON，也不把员工编号设为通用必填。

结构化检查与确定性计算分开。 输入资料后，技能会先检查字段、口径、时间范围和异常值，再把确认信息写入内部临时 JSON，并执行 python scripts/run.py --input ... --output ...。这个 JSON 只用于脚本调用，不向用户展示，也不要求用户手填。最终在对话中先给出结论和关键明细，再按任务生成可下载的 Markdown、CSV、XLSX、DOCX、PDF、Mermaid 或图片。

交付时保留可追溯链。 方案会区分事实、计算参数、判断依据、待确认项和下一步行动；涉及外部数据或行业基准时标明来源、样本时间和适用范围；无法核验时写明假设。输出内容包括绩效方案、指标或面谈材料，计算口径和执行步骤，以及公平性风险和复核清单。

适用边界

这个技能适用于呼叫中心、客服团队和运营支持岗位的质检规则设计。它不要求蚂蚁HR账号、内部员工编号或用户手写 JSON，也不会声称已经发送、申报、审批、提醒或写入业务系统，除非宿主工具实际执行并回读。输入不足时，它会输出待补充清单，而不是用看似精确的内容替代未知事实。方案不得依据性别、年龄、婚育、籍贯、民族、健康等敏感属性作出不当人员决策。