Crisp AI 是一款在线服务：在线客服系统 Crisp 的 AI 回复与知识库。

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「机器人转人工规则」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。

分析这些对话，总结机器人应该转人工的 6 种情况，并写成可配置的规则和触发话术。

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「原话被准确摘录」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。

延伸练习

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。

回复草稿

输入：一张客户投诉工单。

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。

检查点：没有超出政策的承诺。

质检抽查

输入：一批客服对话。

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。

检查点：打分有具体依据。

常见问题：知识库过时

建立更新责任人和定期复查机制。

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。

常见问题：机器人答非所问

检查知识库是否覆盖该问题，补充同义问法。

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。

概念补充：护栏

限制机器人不回答超范围问题或不做越权承诺的规则。

适合人群：小店老板

小店老板可以用 Crisp 处理门店宣传物料、顾客评价回复等工作。需要注意：价格和活动信息以实际为准，顾客电话等信息不要随意上传。

适合人群：新媒体运营

新媒体运营可以用 Crisp 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：医疗机构行政人员

医疗机构行政人员可以用 Crisp 处理文书整理、患者沟通材料等工作。需要注意：AI 不得替代医生诊断，患者信息必须按法规保护。

使用提醒

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。

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

延伸阅读