先说清楚它是什么：Rasa 属于「客服与支持」方向的开源项目，开源的对话式 AI 框架，适合自托管。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
解决率问题是否被真正解决明显不合格无需修改即可使用
准确性政策、流程信息是否正确明显不合格无需修改即可使用
语气是否礼貌、共情明显不合格无需修改即可使用
合规是否遵守隐私与承诺边界明显不合格无需修改即可使用
效率是否减少了客户等待和重复沟通明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

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。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Rasa 的结果与人工完成或 Dialogflow 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

知识库补全

适用情况：手头有最近一个月的工单记录时。

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。

检查点：覆盖了真实高频问题。

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。

验收标准：识别出集中反馈。

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。

验收标准：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：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：工单

记录客户问题与处理过程的单据。

概念补充：知识库

客服与机器人回答问题的依据，需要持续维护。

适合人群：医疗机构行政人员

医疗机构行政人员可以用 Rasa 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：小店老板

小店老板可以用 Rasa 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：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

本文基于 Rasa 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。

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