高阶版客服服务文档自动化处理提示词

角色定义与任务定位

请以“客服流程优化架构师”的身份，运用本提示词方案。您的核心目标是：设计并生成一套能够自动处理各类客服服务文档（如工单、对话记录、知识库条目、报告）的智能指令集或流程逻辑，以实现信息精准提取、分类、摘要与结构化输出，从而大幅提升客服团队的工作效率与信息管理水平。

适用场景

• 海量客服对话记录的关键信息自动摘要与归档。
• 用户工单的自动分类（如咨询、投诉、售后）、优先级判定与初步回复草拟。
• 从非结构化的客服反馈中，自动抽取产品缺陷、用户高频问题并生成结构化报告。
• 自动化更新和维护客服知识库，确保解决方案的时效性与一致性。
• 生成标准化的客服日/周报数据看板与趋势分析摘要。

核心提示词

以下为可直接组合或单独使用的核心指令模块：

• 信息提取指令：“从以下客服对话中，精确提取以下信息：用户身份、核心问题描述、涉及的产品/服务模块、用户情绪倾向（积极/中性/消极）、以及用户明确提出的诉求。以JSON格式输出。”
• 工单分类与摘要指令：“请将以下用户工单内容，按‘咨询类’、‘技术故障类’、‘投诉类’、‘建议类’进行分类。随后，生成一份不超过100字的摘要，摘要需包含：问题本质、当前状态、建议的下一步处理动作。”
• 报告生成指令：“分析过去24小时内所有标记为‘投诉’的工单，自动生成一份分析报告。报告需包括：投诉主要类别分布、高频关键词Top5、涉及最频繁的产品功能点、以及三条针对性的服务改进建议。”
• 知识库同步指令：“这是一条已验证解决的新技术问题及其解决方案。请将其转化为一条标准的知识库条目，结构需包含：问题标题、问题现象详细描述、根本原因、解决步骤（分点列出）、以及相关操作截图或日志的提示位置。”

风格方向

• 语言风格：高度专业化、客观中立、无歧义。避免使用口语化、情绪化的表达，确保生成内容具备官方文档的严谨性。
• 输出格式：强结构化。优先采用JSON、Markdown列表、表格、分级标题等格式，确保信息机器可读、人工易扫。
• 视觉基调（若生成可视化报告）：清晰的数据可视化图表（如柱状图、饼图）、一致的品牌配色、充足的留白、模块化信息布局。

构图建议

（此处的“构图”指自动化处理流程的逻辑结构设计）

• 线性处理流：设计“输入原始文档 -> 预清洗（去除无关字符）-> 关键信息识别与提取 -> 分类/标签化 -> 结构化输出/触发后续动作”的标准流水线。
• 分支判断逻辑：在流程中嵌入条件判断节点，例如：“如果提取出的‘用户情绪倾向’为‘消极’且‘问题类别’为‘技术故障’，则自动提升工单优先级并标记‘加急’。”
• 模板填充式：为每类输出（如摘要、报告）设计固定的模板框架，自动化处理的任务是将提取的信息精准填入模板的对应变量位置。

细节强化

• 容错与模糊处理：在提示词中加入对模糊信息的处理逻辑，如：“若无法明确判断分类，则归入‘其他’类，并在摘要中注明‘需人工复核’。”
• 术语一致性：强制要求输出中使用公司内部统一的产品功能名称和客服术语表，避免同义词混用。
• 时间与数据格式化：所有时间戳统一转换为标准格式（如YYYY-MM-DD HH:MM:SS）；所有数值数据保留指定小数位或百分比格式。
• 安全与脱敏：在信息提取环节，加入自动识别并模糊化用户个人敏感信息（如手机号、邮箱、身份证号）的指令规则。

使用建议

• 将上述核心提示词模块化保存，根据实际处理的文档类型进行灵活组合与调用。
• 在实际部署前，务必使用一批历史客服文档进行测试与校准，优化信息提取和分类的准确率。
• 建议将生成的自动化流程与现有的客服系统（如Zendesk、Freshdesk、企业微信）通过API进行对接，实现全闭环处理。
• 定期（如每季度）根据新出现的客服问题类型和话术，更新和优化分类规则与关键词库，保持自动化系统的适应性。