场景 1:客服与工单自动化
把多通道用户问题统一进一个处理流,先自动分类与建议回复,再决定是否升级人工。
KPI
- 一次解决率(FCR)
- 平均首次响应时间(FRT)
- 人工接管率
- 工单升级率
模板入口
support_flow:
ingest: <CHANNEL_EVENT>
classify: [billing, technical, refund, other]
respond:
faq_hit: auto_reply
faq_miss: draft_reply + human_review
ticket:
create_when: [high_risk, negative_sentiment, repeated_issue]
audit:
metrics: [fcr, frt, handoff_rate, escalation_rate]
文章标题池
- 《把客服消息统一成一个事件流:OpenClaw 实战》
- 《客服自动化的边界:哪些场景必须人工接管》
- 《从 FRT 到 FCR:客服 KPI 的可观测设计》
场景 2:社群运营与增长
围绕新成员引导、规则提醒、FAQ 回答与风险词处理,降低运营重复劳动。
KPI
- 7 日留存
- 问题命中率
- 人工介入次数
- 活跃用户比例
模板入口
community_flow:
onboarding:
trigger: member_joined
action: send_welcome + starter_faq
moderation:
detect: [spam, abuse, policy_violation]
route: [auto_warn, manual_review]
faq:
match: semantic_search(<FAQ_INDEX>)
fallback: human_mention
analytics:
metrics: [d7_retention, faq_hit_rate, intervention_count]
文章标题池
- 《社群自动化不是机器人刷屏:先做欢迎流与 FAQ》
- 《把社群规则变成可执行路由:误判率如何控制》
- 《用 7 日留存复盘社群运营流程》
场景 3:告警值班与故障协同
把监控告警先聚合再路由,减少告警风暴;让确认、升级、关闭形成闭环。
KPI
- 平均确认时间(MTTA)
- 平均恢复时间(MTTR)
- 每小时告警数
- 误报率
模板入口
incident_flow:
ingest: <MONITORING_ALERT>
dedupe:
key: [service, fingerprint, severity]
window: <DEDUP_WINDOW_MINUTES>
route:
p1: page_primary_oncall
p2: notify_channel
close_loop:
ack: write_back_status
resolved: close_ticket + postmortem_stub
metrics:
track: [mtta, mttr, alerts_per_hour, false_positive_rate]
文章标题池
- 《告警先聚合再通知:值班团队如何降噪》
- 《MTTA/MTTR 不只是运维指标,也是协作质量指标》
- 《从告警到复盘:故障闭环的最小模板》