Rasa 是一款开源项目：开源的对话式 AI 框架，适合自托管。

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：Rasa + Docling

Docling 的定位是：IBM 开源的文档解析工具，可把 PDF 转为结构化格式。两者分工可以是：Rasa 负责「回复草稿」这一步，Docling 负责检索资料、核对来源或管理知识库。

工作流步骤

  1. 明确交付物和验收标准，例如：没有超出政策的承诺。
  2. 准备输入：一张客户投诉工单，先去掉敏感信息。
  3. 在 Rasa 中执行核心步骤（提示词见下文）
  4. 把结果交给 Docling 做下一步处理，或从 Docling 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。

回复草稿

输入：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。

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 Dialogflow 等同类产品替代其中一环，跑通流程后再决定。

补充练习

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。

验收标准：覆盖了真实高频问题。

机器人转人工规则

准备材料：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。

验收标准：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。

验收标准：识别出集中反馈。

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：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：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：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：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：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。

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。

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。

延伸阅读