构建 AI 工单系统：智能分类、路由与人工审核

什么是 AI 工单分类器？

AI 工单分类器会读取新工单，并给出类别、优先级、情绪、受影响模块和目标队列等结构化建议。完整流程还应保留原始消息和路由依据，并把判断不确定、权限受限或影响较大的工单交给明确的审核人。

与基于关键词的规则不同（"如果工单包含'密码' → 路由到 IT 部门"），现代自动工单分类器理解上下文。同一个词"冻结"在银行工单（"账户冻结"）和 SaaS 工单（"仪表盘冻结"）中含义完全不同。基于大语言模型的分类能够处理这种歧义，因为它读取完整的工单描述，而不仅仅是关键词匹配。

分层方案可以让确定性规则处理明确场景，用相似度匹配识别重复问题，再由语言模型处理语义较复杂的请求。团队应分别衡量每一层的效果，并为低置信度、敏感或高影响工单保留人工复核边界。

自建还是购买：选择工单分类的部署方式

评估托管服务和自托管方案时，应使用同一组运营问题：总成本、数据流向、集成工作量、日常维护、人工复核控制和故障恢复。

1. 成本取决于部署方式。托管服务可能包含套餐费、用量费和支持费用；自托管则需要计算基础设施、模型调用、工程投入、监控和故障处理。应结合真实工单量与审核工作量估算两种方案。
2. 数据流向必须清楚。逐项确认工单正文、附件、日志、模型输入、审核备注和备份会发送到哪里、保留多久，以及哪些人员或系统能够访问。
3. 集成能力要放进实际流程验证。针对每个工单来源和目标系统，测试身份认证、字段映射、账号识别、速率限制、重试、去重、写入权限和回滚。

如果团队希望掌握分类逻辑、连接器行为和运行控制，可以评估 Zylos 与 HxA Connect。先选择一个工单来源，以影子模式运行，量化工程与复核工作量，再决定是否扩大范围。

如何使用 Zylos 构建 AI 工单分类器

Zylos 是开放的 Agent 运行时，可用于管理工单分类流程中的状态、工具调用和任务交接。能否进入生产环境，仍取决于分类体系、连接器权限、人工复核边界、监控和恢复方案。下面四步用于搭建一个可验证的试点。

第一步：搭建 Zylos Agent 框架

最快的方式是使用官方安装脚本。你需要 Linux 服务器或 Mac、Node.js ≥ 20，以及 Claude Code setup token/API key，或用于 Codex runtime 的 OpenAI API key。

# Recommended: install Zylos
coco-runtime setup --init

# Optional: install from GitHub without cloning the repo
npm install -g coco-agent-runtime
zylos init

# Check services after setup
zylos status
# Web console is available on local console after initialization

先发送一条测试消息，确认运行状态、日志和异常路径正常，再接入工单数据或授予连接器权限。

第二步：定义工单分类结构

分类结构规定系统可以返回哪些字段，以及这些字段对应的业务规则。类别名称要清晰，每个类别都要映射到允许使用的队列，并注明哪些情况必须人工复核。下面的示例只是起点，不是适用于所有团队的固定模板。

{
  "classification_rules": {
    "categories": [
      "bug_report",
      "feature_request",
      "account_issue",
      "billing_question",
      "integration_help",
      "performance_degradation",
      "security_incident",
      "general_inquiry"
    ],
    "priorities": ["critical", "high", "medium", "low"],
    "routing": {
      "bug_report":        { "target": "engineering-bot" },
      "security_incident": { "target": "security-bot" },
      "billing_question":  { "target": "billing-bot" },
      "feature_request":   { "target": "product-bot" },
      "account_issue":     { "target": "account-ops-bot" },
      "default":           { "target": "support-review-bot" }
    },
    "confidence_threshold": 0.85
  }
}

confidence_threshold 是路由控制参数，不是通用标准。应使用已审核工单进行校准，并为分类建议、辅助路由和自动分派设置不同门槛。敏感或高影响类别可以不受置信度影响，始终要求人工复核。

第三步：连接工单来源并路由到各个渠道

现在接入工单的来源和去向。HxA Connect——OpenMax 的 Bot-to-Bot 消息服务器——负责交接，让你的AI 工单分类器把结构化工单摘要发送给正确的已注册 bot 或连接器。

// In the Zylos agent's skill configuration:
import { HxaConnectClient } from '@coco-xyz/hxa-connect-sdk';

const router = new HxaConnectClient({
  url: 'configured HxA endpoint',
  token: process.env.HXA_BOT_TOKEN,
  orgId: process.env.HXA_ORG_ID,
});

await router.connect();

// Register ticket intake sources
agent.on('ticket.received', async (ticket) => {
  // 1. Classify
  const classification = await agent.classify(ticket, rules);

  // 2. Route based on classification
  if (classification.confidence >= rules.confidence_threshold) {
    await router.send(classification.target, formatTicket(ticket, classification));
    console.log(`Routed ticket #${ticket.id} → ${classification.category}`);
  } else {
    await router.send('human-review-queue', formatTicket(ticket, classification));
    console.log(`Flagged ticket #${ticket.id} for human review (confidence: ${classification.confidence})`);
  }
});

当分类结果需要在 Agent、团队或连接器 bot 之间流转时，可以使用 HxA Connect。创建 issue、发送告警、更新帮助台等具体平台动作，应放在接收端连接器 bot 中完成。

第四步：部署、监控与迭代

把运行时和分类服务部署到受控环境，先验证权限、日志、密钥、队列限制和回滚，再考虑开启线上路由：

# Run Zylos with the official container image
docker run -d --name zylos \\
  -p 3456:3456 \\
  -v zylos-data:/home/zylos/zylos \\
  -e OPENAI_API_KEY=$OPENAI_API_KEY \\
  ghcr.io/zylos-ai/zylos-core:latest

持续观察分类采纳、人工修正、重新分派、漏升级、审核工作量、连接器故障和恢复耗时。结果应按类别和语言拆分，避免总体数据掩盖某条高风险路由的问题。

AI 工单分类器对比：自建 vs SaaS

什么情况下适合使用开放运行时

当团队需要直接控制分类逻辑、连接器代码、部署节奏和证据记录时，开放运行时会更合适。相应地，安全配置、升级、监控和恢复也由团队负责。

• 贴合业务的分类方式。根据支持团队的实际职责定义类别、优先级、升级规则和复核边界，不必把所有请求都套入通用模板。
• 可审计。记录输入、分类版本、模型或规则结果、置信度、最终分派和人工修正，便于调查并复现误派原因。
• 受控交接。把结构化结果交给允许使用的队列或连接器 bot，再由接收系统按自身权限执行具体操作。
• 运营可控。开放架构便于团队管理版本和部署节奏，但升级、安全、监控和恢复仍由团队负责。

常见问题