RAG客服工单自动应答与升级

原文要点

原流程独有事实：入口是会话保持打开的同步Webhook；载荷规范化出query、customer/ticket标识与productLine；用Voyage AI生成嵌入，按namespace查Pinecone；结果去重排序并拼成带检索置信度编号的上下文块；够置信才交Claude生成带引用的JSON答案并校验引用、置信度与升级关键词；自动答则回Webhook并把Zendesk标为自动解决，否则建/更新Zendesk、通知Slack；全量写Google Sheets审计。

这次做成什么

照着搭一条可演示的客服RAG分流链：同步返回答案或升级提示，并留下检索指标、决策路径和引用来源；本站用合成命名空间和虚构工单字段练习，不接真实客户数据。

准备什么

• n8n可编辑环境，能建Webhook、Code、HTTP Request类节点并保存凭据
• Voyage AI、Pinecone、Anthropic、Zendesk、Slack、Google Sheets六套测试凭据或隔离账号
• 一个Pinecone索引host、与productLine对应的namespace策略，以及已写入的产品文档片段
• Google Sheets已建表并预置追加列，Zendesk/Slack目标频道和标签可先指向沙盒

具体怎么做

1. 建同步入口并规范字段

   新建Webhook节点选同步响应，练习POST体含query、customer_id、ticket_external_id、productLine；后接Code节点输出标准JSON：query去空白，productLine小写映射到namespace，缺失ticket_external_id时生成T-时间戳，request_id用于串起Sheets日志。

2. 嵌入检索并编号上下文

   用HTTP Header Auth调用Voyage AI embeddings，把向量POST到你的Pinecone query URL，namespace等于productLine；在Code里按score降序去重，取前3条组成context：[1] snippet(source=url,score=0.86)，并计算retrieval_confidence如top1_score与平均分加权，公式留在节点注释便于调阈。

3. 分支：自动答或升级

   IF节点判断retrieval_confidence≥threshold且Claude返回的confidence≥answer_threshold且不含升级词；真分支把问题、编号上下文、引用规则交Claude，校验citations编号都存在后同步回Webhook，同时Zendesk更新票加auto-resolved标签；假分支组装升级包，Zendesk创建/更新工单，Slack发频道通知，Webhook回升级说明。

4. 落审计日志并回放

   Google Sheets追加一行：request_id、query、productLine、top1_score、avg_score、decision_path、sources_used、latency_ms；用三条合成请求回放：高置信、低置信、命中退款人工关键词，确认三条路径分别写入并只改沙盒票。

可直接复制的材料

你是客服知识库应答器。只允许使用给定编号上下文作答，禁止编造政策、金额、链接。输出严格JSON：{"answer":"中文简洁答复","citations":[{"n":1,"source":"上下文来源URL","claim":"被支持的句子"}],"confidence":0.0,"escalate":false,"reason":"为何可自动答或需升级"}。若上下文不足、涉及账户安全/退款人工/法律投诉，或用户要求人工，则escalate=true且answer为空。每个claim必须对应一个已给编号n，source逐字取自上下文。问题：{{query}}
上下文：{{context_block}}

{"query":"团队版导出CSV失败提示E412，重试仍一样，今晚要交付怎么办","customer_id":"CU-DEMO-1024","ticket_external_id":"ZD-SANDBOX-7781","productLine":"team","channel":"chat-widget","locale":"zh-CN","requested_human":false}

{"namespace_by_productLine":{"team":"docs-team","billing":"docs-billing","api":"docs-api"},"retrieval_threshold":0.72,"answer_threshold":0.80,"top_k":3,"escalation_keywords":["人工","退款","投诉","安全事件","数据删除"],"sheets_columns":["request_id","query","productLine","top1_score","avg_score","decision_path","sources_used","latency_ms"],"zendesk_auto_tag":"auto-resolved","slack_channel":"#support-sandbox"}

输入与输出示例

本站虚构演示，非原作者结果，未运行；数字与字段与输入及假设检索值对应。

输入

POST上面的合成Webhook测试体；假设Pinecone在docs-team返回top1_score=0.86、avg=0.79，两条片段含E412为导出任务超时可重排队。

对应输出

同步响应示例：{"status":"auto_answered","request_id":"REQ-20260901-0001","answer":"E412表示导出任务超时，已进入重排队列；请在交付页保留任务ID，10分钟后刷新，不要重复导出。","citations":[{"n":1,"source":"https://docs.example.test/exports#e412","claim":"E412为导出任务超时可重排队"}],"zendesk":"tag:auto-resolved","sheet":"decision_path=auto_reply"}

做完检查这些

• 三条合成请求能在Sheets看到不同decision_path且request_id一致串联
• 高置信路径返回的citations编号都能在编号上下文中找到，不输出空引用
• 低置信或命中“退款/人工”会创建或更新沙盒Zendesk并通知Slack测试频道
• Webhook在两条分支都同步关闭连接，聊天端不会挂起无响应

容易卡住的地方

• Pinecone host与namespace没按productLine对齐时会检索为空，被误判成升级
• 同步Webhook不能让外部调用方无限等待，模型慢时要设前端超时与升级兜底
• 把真实客户密钥、工单或个人信息写进Sheets会造成泄露，只能用隔离凭据
• 阈值没有通用保证，过低会误自动答，过高会把所有问题推给人工