把 PolyAI 放进工作流：搭配工具与交接要点
面向企业呼叫中心的语音客服智能体——这是 PolyAI 最主要的用途，也是本文讨论的前提。
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：PolyAI + Relevance AI
Relevance AI 的定位是：面向业务团队的 AI 智能体搭建平台。两者分工可以是：PolyAI 负责「知识库补全」这一步，Relevance AI 负责把前后步骤串成自动化流程。
工作流步骤
- 明确交付物和验收标准，例如：覆盖了真实高频问题。
- 准备输入：最近一个月的工单记录，先去掉敏感信息。
- 在 PolyAI 中执行核心步骤（提示词见下文）
- 把结果交给 Relevance AI 做下一步处理，或从 Relevance AI 取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
知识库补全
输入：最近一个月的工单记录。
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。
交付前确认：覆盖了真实高频问题。
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。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Parloa 等同类产品替代其中一环，跑通流程后再决定。
补充练习
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。
交付前确认：规则可直接配置。
工单分类
输入：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。
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：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：知识库过时
建立更新责任人和定期复查机制。
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。
概念补充：首次解决率
第一次接触就解决问题的比例。
概念补充：工单
记录客户问题与处理过程的单据。
适合人群：医疗机构行政人员
医疗机构行政人员可以用 PolyAI 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。
适合人群：电商运营
电商运营可以用 PolyAI 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。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 PolyAI 的数据处理条款，再决定能否使用。
本文基于 PolyAI 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。