先说清楚它是什么：Botpress 属于「客服与支持」方向的平台，可视化构建对话机器人与智能体的平台。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我知识库补全」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

分析这些工单，找出知识库中没有覆盖的 10 个高频问题，为每个问题起草一篇帮助文章草稿：问题描述、原因、解决步骤。

变化（示意）：输出结构稳定，可以直接按「覆盖了真实高频问题」检查。

对比二：一次做完 vs 分步完成

改之前：把「质检抽查」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

按「问题是否解决 / 态度 / 信息准确 / 流程合规」四项对这些对话打分，列出典型问题和改进话术。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「规则可直接配置」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

补充练习

回复草稿

适用情况：手头有一张客户投诉工单时。

为这张工单起草回复：先确认客户遇到的问题，说明我们会怎么处理和时间预期，不承诺政策以外的补偿，语气诚恳。

验收标准：没有超出政策的承诺。

工单分类

准备材料：一批未分类的工单。

按「账号 / 支付 / 物流 / 产品故障 / 建议」分类这些工单，标出情绪激烈需要优先处理的，以及可能是同一故障的集中反馈。

交付前确认：识别出集中反馈。

满意度分析

适用情况：手头有一批满意度评价和留言时。

把评价留言归类为主要原因，统计各类数量，摘录有代表性的原话，并给出 3 条改进建议。

检查点：原话被准确摘录。

常见问题：机器人承诺了无法兑现的事

限制回答范围，涉及退款赔偿的问题强制转人工。

常见问题：回复语气生硬

提供优秀人工回复样例作为风格参考。

常见问题：客户反感机器人

开场说明是 AI 助手，并提供随时转人工的入口。

概念补充：工单

记录客户问题与处理过程的单据。

概念补充：意图识别

判断用户想办什么事，决定后续回复流程。

适合人群：数据分析师

数据分析师可以用 Botpress 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

适合人群：新媒体运营

新媒体运营可以用 Botpress 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。

适合人群：客服人员

客服人员可以用 Botpress 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

注意事项

涉及个人信息、商业机密或受监管数据时，先确认 Botpress 的数据处理条款，再决定能否使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读