最近做的企微二开业务方有个痛点客户咨询每天几百条全靠人工分类再分发——咨询走 FAQ、投诉建工单、索要资料发产品手册、议价转销售主管。人工分类慢、错、贵。能不能让 AI 进来先把每条消息分类再按分类自动触发对应业务动作。把这套分类触发链路落下来记一下。Eyun 平台开放的企微 API统一 POSTJSON鉴权用 App Token 加 appid请求头带Authorization: Bearer eyk_xxxx路径统一{BASE_URL}/wx-api/api/模块/动作响应封套{code, data, detail, message, time}code 为 0 成功。AI 消息分类不是终点分类完要触发动作动作背后全是接口调用。第一步消息进来——Webhook 收客户咨询客户在企微给销售发消息消息通过 Webhook 推到后端。回调头X-Eyun-Event是 message消息体里有fromUin、content、appid、conversationId。先把消息接住扔进分类队列app.route(/wx-api/webhook/, methods[POST]) def webhook(): if request.headers.get(X-Eyun-Event) ! message: return ok data request.json[data] classify_queue.put({ appid: data[appid], from_uin: data[fromUin], content: data[content], conversation_id: data[conversationId] }) return okWebhook 路径是/wx-api/webhook/首次创建返回 secret 用于验签。用队列缓冲是为了分类慢时不阻塞回调返回——回调要在 3 秒内回 200否则平台会重试。第二步分类——把意图清单交给模型分类不是让模型自由发挥是让它从固定意图清单里选一个。我们的意图清单经过业务对齐定下来consultation产品咨询功能、价格、规格complaint投诉服务、质量、物流material_request索要资料产品手册、报价单negotiation议价或催单smalltalk寒暄、闲聊prompt 骨架你是企业微信客服消息分类器把客户消息分类到以下意图之一 [consultation, complaint, material_request, negotiation, smalltalk] 只输出意图名和置信度0-1格式intent|confidence。 消息{content}约束模型只输出固定格式方便解析。置信度低于 0.6 的兜底走人工不强行触发动作。def classify(content): resp requests.post(LLM_URL, json{ model: gpt-4, messages: [{role: user, content: CLASSIFY_PROMPT.format(contentcontent)}], temperature: 0.1 }).json() intent, conf resp[choices][0][message][content].split(|) return intent.strip(), float(conf)temperature 调到 0.1 是关键——分类要稳定不要创意。早期默认 0.7同一句什么时候发货被分到 consultation 又被分到 negotiation业务方完全没法用。第三步动作映射表——分类到接口的对应关系分类完要触发动作动作和接口的对应关系做成配置表加分类不用改代码intent | actions ----------------------------------------------------------- consultation | reply_faq tag_intent complaint | create_ticket notify_supervisor material_request | send_material_card tag_intent negotiation | transfer_to_owner smalltalk | reply_smalltalk每个 action 对应一段接口调用代码。比如 reply_faq 调 message/sendText 发 FAQ 答案create_ticket 调业务系统建工单再调 message/sendText 通知send_material_card 调 message/sendRichText 发产品手册卡片。第四步触发动作的几条典型链路咨询类直接回 FAQ调消息接口def action_reply_faq(appid, to_uin, content): faq faq_matcher.find(content) if not faq: # FAQ 库没匹配上转人工 return action_transfer_to_owner(appid, to_uin, content) requests.post( f{BASE}/wx-api/api/message/sendText, headersHEADERS, json{appid: appid, to: to_uin, content: faq[answer]} )投诉类要并行做两件事建工单 通知主管。建工单调业务系统通知调企微消息接口def action_complaint(appid, from_uin, content): # 建工单 ticket crm_api.create_ticket(contentcontent, sourcewecom) # 打投诉标签 requests.post( f{BASE}/wx-api/api/label/updateLabel, headersHEADERS, json{appid: appid, uin: from_uin, labels: [投诉-待处理]} ) # 通知主管 requests.post( f{BASE}/wx-api/api/message/sendText, headersHEADERS, json{appid: appid, to: SUPERVISOR_UIN, content: f投诉工单 {ticket[id]}{content[:50]}} ) # 给客户回执 requests.post( f{BASE}/wx-api/api/message/sendText, headersHEADERS, json{appid: appid, to: from_uin, content: f已受理您的投诉工单号 {ticket[id]}} )一条投诉触发四个接口调用打标签、通知主管、给客户回执、工单系统建单。打标签用 label/updateLabeluin字段是客户 uinlabels是标签名数组。每个动作都要做幂等——客户连发两条同样的投诉不能建两个工单。索要资料类调 sendRichText 发卡片def action_send_material(appid, to_uin, content): material material_matcher.find(content) requests.post( f{BASE}/wx-api/api/message/sendRichText, headersHEADERS, json{appid: appid, to: to_uin, cards: [{title: material[title], description: material[summary], url: material[url]}]} )cards字段是数组一次发多张卡片也行但别超过 5 张否则企微端渲染慢。第五步分类准确率监控AI 分类不可能 100% 准要持续监控。每天抽 5% 的分类结果人工复核统计每个 intent 的准确率准确率低于 80% 的 intent检查 prompt 是否描述清楚、是否有新出现的意图没在清单里出现新意图如退款突然被分到 consultation就要更新意图清单和动作映射表同一类客户反复被错分到 smalltalk 的给 prompt 加 few-shot 例子修正监控不做AI 分类会偷偷漂移——模型某次升级后突然把议价都分到 smalltalk业务方收不到议价预警半个月后才发现。兜底分支低置信度走人工置信度低于 0.6 不强行触发动作走人工分流def dispatch(appid, from_uin, content): intent, conf classify(content) if conf 0.6: action_transfer_to_owner(appid, from_uin, content) return actions ACTION_MAP.get(intent, [action_transfer_to_owner]) for act in actions: globals()[act](appid, from_uin, content)兜底是这套系统的安全阀。早期没做兜底模型把这个产品我用了之后过敏错分成 consultation 触发 FAQ 回复结果客户直接投诉。低置信度走人工让真人判断比硬调接口安全得多。写在最后AI 消息分类这套本质是 Webhook 收消息、模型分到固定意图清单、按动作映射表调对应企微接口打标签、建工单、发卡片、转人工。模型只负责分类真正干活的是接口。把意图清单定窄、动作映射做成配置表、置信度兜底走人工、准确率监控常态化这套系统才能从AI 演示变成业务能依赖的分类触发引擎。