在「客服与支持」类工具里，Rasa 的定位是：开源的对话式 AI 框架，适合自托管。

如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。

每日安排

  • 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
  • 第 2 天：完成第一个任务「工单分类」，按下文提示词操作。
  • 第 3 天：换一类任务「机器人转人工规则」，对比两次结果的质量。
  • 第 4 天：学习关键概念：意图识别、转人工、知识库。
  • 第 5 天：用真实工作材料做一次「知识库补全」，记录省下的时间和需要返工的地方。
  • 第 6 天：排查问题：对照常见问题「机器人答非所问」等检查自己的用法。
  • 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。

第 2 天的练习材料

工单分类

适用情况：手头有一批未分类的工单时。

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。

一周后怎么判断值不值得继续

  • 是否稳定地节省了时间，而不只是第一次觉得新鲜。
  • 返工次数是否在下降。
  • 与 Botpress 等同类相比，是否更适合你的场景。
  • 数据与费用是否在可接受范围内。

延伸练习

回复草稿

准备材料：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。

交付前确认：没有超出政策的承诺。

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。

交付前确认：原话被准确摘录。

质检抽查

适用情况：手头有一批客服对话时。

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。

交付前确认：打分有具体依据。

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：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：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：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：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 Rasa 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：新媒体运营

新媒体运营可以用 Rasa 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：数据分析师

数据分析师可以用 Rasa 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。

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 Rasa 当前版本，重要内容请人工核对后再使用。

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

延伸阅读