知识库首轮回复
快速承接咨询，超出可靠范围时保留人工处理。
项目案例 03 · AI 应用 / 客服 / 商机跟进
智能客服与
商机流转原型
不让智能客服停留在回答问题，而是把有价值的咨询转成可跟进的商机。
- 本人在案例中的真实角色
- 提出需求并设计整体链路，搭建 Coze 智能体、配置飞书连接，并完成一次端到端实际测试。
1条链路完成端到端验证
2个输出客户回复与商机提醒
3类处理识别、检索与结构化
1个出口飞书群业务通知
01 / 业务现场
咨询被回答，不等于商机被承接
如果只做自动回复，客户需求仍可能留在对话里。原型的目标是让一次咨询同时产生客户答复和内部跟进信息。
人工客服无法始终及时回复网站咨询。
根据已配置的知识内容生成首轮回复。
客户需求和关键信息分散在自然语言中。
从咨询中提取后续跟进需要的商机字段。
客服回答完成后，咨询不一定进入业务跟进。
生成结构化商机摘要，并通过飞书群机器人提醒。
超出知识范围的问题容易产生不可靠回答。
保留人工处理出口，不让 AI 替代高风险确认。
02 / 核心链路
一次咨询，同时生成对客回复和对内商机
链路从用户提问开始，一路连接知识回复、字段提取和业务通知，而不是停在一次对话结束。
- STEP 01
网站咨询
用户提交自然语言问题。
- STEP 02
意图识别
识别咨询主题和需求方向。
- STEP 03
知识检索
在已配置知识内容中查找依据。
- STEP 04
AI 回复
向客户返回有约束的首轮答复。
- STEP 05
字段提取
提取预算、需求和联系意向等信息。
- STEP 06
商机结构化
组织成业务人员可快速阅读的摘要。
- STEP 07
飞书群提醒
把商机送到后续跟进人员面前。
一次咨询的两个输出
结构化商机提醒
让业务人员看到需求摘要并开始后续跟进。
03 / 流转示例
同一段咨询，转成两份可用结果
以下为脱敏演示数据，不是真实客户记录。
“我想了解一下大约 100 平米的全屋方案，预算 15 万元左右，希望三个月内开始。”
根据当前信息返回初步说明，并询问城市、风格和联系方式等必要信息。
- 空间面积
- 约 100 平米
- 预算
- 约 15 万元
- 时间意向
- 三个月内
- 待补信息
- 城市、风格、联系方式
04 / 关键原则
智能客服的价值，不只是回复得更快
原型把对客服务和对内流转连在一起，同时保留知识边界和人工接管。
回复与提取并行
客户获得首轮回复的同时，系统提取后续跟进需要的信息。
知识内容约束
优先依据已配置知识回复，超出范围或信息不足时交给人工。
商机结构化
业务群收到的不是整段原始对话，而是可快速识别和跟进的需求摘要。
通知不等于 CRM
飞书机器人负责把商机送到人员面前，不代表已实现查重、分配和跟进状态管理。
05 / 个人贡献
我负责驱动需求和验证，AI 协助完成技术表达
这个案例不包装成独立编写了整套系统，而是如实展示业务设计、低代码配置和 AI 协作的分工。
需求、流程、平台配置与验证
从现实场景提出需求，设计整体链路，在 Coze 搭建智能体，配置飞书群机器人连接，提供接口调用所需的参数信息，并亲自完成整条链路测试。
前端、提示词、演示知识与提取规则
网页前端和接口调用代码、智能体提示词、用于演示的知识库内容，以及客户信息和商机字段提取规则由 AI 辅助生成和整理。
06 / 验证结果
原型验证了链路，也暴露了生产距离
已验证的是从咨询到飞书提醒的完整流转；尚未验证的是真实企业环境中的稳定性、安全性和管理闭环。
一次完整链路实际跑通
从网站提交测试咨询后，系统返回了知识库答案，提取了商机相关信息，并将结构化结果发送到飞书群。
补齐可靠性、安全和跟进管理
包括鉴权与密钥安全、日志、失败重试、人工转接、数据权限、商机查重、责任人分配和状态回写。
- 业务问题识别从客服回复继续看到商机承接问题。
- 跨平台流程拆解连接网站、智能体、知识库和飞书。
- 低代码与 AI 协作通过平台配置和 AI 协作完成原型。
- 端到端验证亲自测试完整链路，同时判断生产边界。
07 / 项目边界
跑通原型，不等于生产交付
本项目是个人验证原型，完整链路曾实际跑通，但没有交付给真实企业使用，也没有真实客户使用数据、持续运行证据或商业转化结果。