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

单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。

推荐组合：Crisp AI + Browser Use

Browser Use 的定位是：让大模型操作浏览器的开源库。两者分工可以是：Crisp AI 负责「质检抽查」这一步，Browser Use 负责把前后步骤串成自动化流程。

工作流步骤

  1. 明确交付物和验收标准，例如：打分有具体依据。
  2. 准备输入：一批客服对话，先去掉敏感信息。
  3. 在 Crisp AI 中执行核心步骤（提示词见下文）
  4. 把结果交给 Browser Use 做下一步处理，或从 Browser Use 取得所需材料。
  5. 人工检查关键事实与格式，记录发现的问题。
  6. 把这次用到的提示词和设置保存为模板，下次复用。

质检抽查

准备材料：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。

交接时最容易出问题的地方

  • 格式不兼容：两边导入导出的格式提前测试一次。
  • 信息丢失：每次交接附上来源和版本号。
  • 责任不清：约定哪一步由谁做最终确认。
  • 权限分散：两边的账号和分享范围分别检查。

如果暂时不想引入第二个工具，也可以先用 Tidio 等同类产品替代其中一环，跑通流程后再决定。

更多可以试的用法

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。

检查点：识别出集中反馈。

机器人转人工规则

输入：现有机器人对话记录。

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。

检查点：规则可直接配置。

满意度分析

输入：一批满意度评价和留言。

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：机器人答非所问

检查知识库是否覆盖该问题，补充同义问法。

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：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。

概念补充：工单

记录客户问题与处理过程的单据。

概念补充：首次解决率

第一次接触就解决问题的比例。

适合人群：行政与助理

行政与助理可以用 Crisp 处理会议安排与纪要、通知公告等工作。需要注意：员工个人信息与内部文件按权限管理。

适合人群：电商运营

电商运营可以用 Crisp 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。

适合人群：客服人员

客服人员可以用 Crisp 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。

使用提醒

文中提示词和示例仅作示意，实际效果取决于你的材料和 Crisp 当前版本，重要内容请人工核对后再使用。

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