先回答常见问题，再把需要判断的事交给人
我选择虚拟数码店铺作为实验场景，整理商品、物流、售后政策和常见问题资料。目的很具体：验证自动问答和人工处理能不能接成一条完整流程。
这个实验面向电商和小微企业里重复处理简单咨询的场景，但目前没有接入真实电商客服渠道。
用户在飞书提问↓FastAPI连接Dify工作流↓查询知识库 / 判断处理路径↓有依据地回答，或带上下文转人工↓通过机器人向用户回传回复
根据现有实验记录整理的逻辑流程，不是部署架构图。GLM用于提示词辅助，Dify负责知识库和工作流编排。
一个跑通的测试：批量采购怎么处理？
“我需要1000个65W的充电器，可以优惠吗？”
实验测试输入
系统先征求用户是否同意提供联系方式。同意后，将联系方式和采购需求转给人工客服，而不是由AI自行决定折扣。
测试结果
符合本次预期。人工介入后，用户不必重新描述问题；人工的回复也能正常反馈给用户。
一次踩坑：回复像客服，却加了不存在的规则
退款赔偿测试中，机器人虽然识别出了需要人工处理，却向客户额外索要知识库没有规定的发票材料。收紧提示词后再测，又出现了额外要求联系方式的情况。
这两次测试让我意识到：语气合理，不代表符合这家店的业务规则。根据已整理的实验记录，后来将这类回复改为程序规则处理，使用固定话术、创建工单并通知人工支持群。人工接手期间暂停AI自动回复，人工回复再回传原对话。
我的判断
需要确定性的业务环节，不能只依赖模型临场发挥。把规则、工单和人工接管接起来，才能检查整条处理流程。
这次验证到哪里？
已验证
- 飞书机器人根据知识库回答测试问题。
- 需要人工处理时转交问题上下文。
- 人工回复返回用户原对话。
- 已对上述新增材料要求的问题调试处理。
尚未验证
- 真实店铺客服渠道与实际业务量。
- 持续运行稳定性和更广泛问题覆盖。
- 真实人工节省、客户满意度与商业效果。
修复一个已知问题，不代表回答从此不会出错。后续需要结合具体业务资料、规则和更多测试继续验收。
现有材料
以下为已经整理的实验内容。工作流和源码尚未整理成公开仓库，因此当前没有提供下载或开源链接。
查看实验搭建记录如果你有类似需求，第一步做什么？
先提供几条常见咨询、对应答案资料和目前的客服渠道。我们一起确认哪些问题可以依据资料回答，哪些必须转人工，再确定本轮接入范围、费用、周期和验收样例。
了解合作步骤与报价方式