AI客服

用 Dify Chatflow 搭建客服智能体，串联知识检索、来源引用和 Annotation 标准答案，并明确何时停止回答、转入人工渠道。

把客服规则变成带证据的评分字段，让智能体逐条引用原对话并输出结构化结果，再用分层抽样核对误判，而不是只给一个无法解释的总分。

“不要退款，只查物流”里同时出现“退款”和“查物流”；智能体如果只扫关键词，就可能错误发起退款。先把禁止动作、请求动作和需要澄清的双重否定分开，再拿短句测试。测试通过仍不等于允许执行真实业务动作。

一堆评论里“差评有多少”不能告诉产品经理具体哪里出了问题。先把每条评论保留原始编号，再按“物流、包装、商品”方面词做一个可复核的本地基线：同一评论可命中多个方面，结果保留原句证据与未归组清单。

客服工单只有“退款、物流、其他”三个固定标签时，先判断能否用带人工标签的文本训练一个可复核的传统分类基线；若还要求从自由文本中提取原因、解释依据或处理开放问题，再考虑大模型。下面用相同的工单样本展示两条路径各自需要检查什么。

在新版 Dify Workflow 中配置三类问题，将产品操作分派给已发布 Agent，退款投诉输出待人工摘要，并用边界问题核对路由和结果。

先验证 Dify 已发布应用链接，再把 iframe 或聊天气泡放入网站；提供 WordPress HTML 放置步骤、手机检查和 CSP/脚本故障排查。

按 Intercom 官方入口设置 Fin 的支持语言、可用知识内容与可选的实时翻译回退，并逐语言预览。

在 Intercom Fin Workflow 配置满意度问卷，读取 CSAT 分母和低分备注，并回到原会话定位知识或路由问题。

用 Intercom Fin Batch Test 手动或 CSV 导入客服问题，设置测试身份，逐条核对回答来源、转人工和回归修复。