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。

这篇写给负责在团队里引入它的人：账号、权限、数据和费用怎么管。

上线前

  • 固定版本号并记录配置。
  • 只在内网暴露服务或加上认证。
  • 设置日志与资源监控。
  • 订阅仓库的版本发布与安全公告。
  • 准备回滚方案。

制度与培训

  • 写一页使用规范：能做什么、不能上传什么、产出由谁负责。
  • 准备 3 个标准任务的示例，如「质检抽查」「工单分类」
  • 设立反馈渠道，收集好用的提示词和踩过的坑。
  • 每季度复查一次账号、权限与费用。

给成员的标准示例

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。

数据分级建议

  • 公开信息：可以直接使用。
  • 内部信息：在企业账号内使用，避免个人账号。
  • 机密信息：脱敏后使用或禁止使用。
  • 受监管数据（身份证号、病历、财务明细等）：除非有明确合规方案，否则不要输入。

延伸练习

知识库补全

准备材料：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。

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。

检查点：没有超出政策的承诺。

满意度分析

准备材料：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。

验收标准：原话被准确摘录。

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：知识库过时

建立更新责任人和定期复查机制。

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：首次解决率

第一次接触就解决问题的比例。

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：销售

销售可以用 Rasa 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

适合人群：客服人员

客服人员可以用 Rasa 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。

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。

使用提醒

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。

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。

延伸阅读