这是一个虚构但很典型的案例：小孙是一位负责在线咨询、售后处理和投诉跟进的客服专员，最近手头在忙“处理在线咨询约 600 条”，同时还要准备“更新退换货政策话术”。这次小孙需要整理一份给客服主管的客服话术手册，决定试试 AI 批量处理文档。

背景

对小孙来说，同类问题反复回答，遇到情绪激动的客户还要斟酌措辞，知识库更新也跟不上。偏偏这次还遇到一个变数：大促期间咨询量预计翻倍，排班需要提前调整。客服话术手册需要尽快交给客服主管，时间并不宽裕。

第一次尝试：问题出在哪

小孙一开始只写了一句话：

帮我写一份关于“大促期间的售后高峰应对”的客服话术手册。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 提示词没测试好就批量运行。
  • 批量处理后不抽查。

改进后的提示词

小孙按照批量处理文档的思路重写了提示词，核心是确定批量处理的方式：表格插件、自动化平台或脚本：

我需要批量处理工单记录中的若干条文本，请先帮我设计一条可以重复使用的提示词：
- 任务：为每条文本生成摘要（30 字以内）和判断是否需要客服主管跟进（是/否）；
- 输出格式：每条一行，格式为“编号|摘要|是否跟进|理由”；
- 规则：信息不足时摘要写“信息不足”，是否跟进写“待人工判断”；
请先用下面 5 条样本测试，并说明你的判断标准。
样本：[粘贴]

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：一位培训主管要为 120 份学员作业写评语。她先用 5 份作业调整提示词，确定了评语结构和语气，再借助表格插件批量生成。最后逐份浏览修改，原本需要两天的工作在一天内完成，评语风格也更一致。

拿到结果后，小孙没有直接转发，而是先检查关键事实和数字，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 规定统一的输出格式，并为每条结果保留原始数据的标识。
  • 分批运行，每批结束后检查结果和错误。
  • 对异常结果单独处理，必要时调整提示词重跑。
  • 先用少量样本反复测试，结果稳定后再批量处理。

之后小孙发现，同样的方法也适用于另一类场景：需要定期处理同类数据，比如每周的反馈。

复盘时小孙还想到一个问题：能处理图片和文件吗？答案是：部分工具支持批量处理文件和图片，具体能力以所用工具为准。

给客服的提醒

把公司真实的售后政策贴给 AI，要求它只依据政策回答，不要自行承诺。涉及退款金额、赔偿和责任认定的回复，必须按公司规则人工确认后再发出。另外，对话里不要出现顾客姓名、电话、地址和订单号。

一个额外的小技巧：记录每次处理的耗时和准确率，持续优化。

换成你的场景

把案例中的客服话术手册换成你手头的材料，把客服主管换成你的读者，提示词结构基本不用改。真正需要花心思的是背景描述：写得越贴近实际，结果越可用。

相关阅读