我要投稿

用AI智能体把客服质检从3天缩到5分钟！客服对话总结+情感分析+问题分类，4步搭建全流程

发布日期：2025-08-15 12:13:49 浏览次数： 1619

作者：智能体老师TIANTIAN

微信搜一搜，关注“智能体老师TIANTIAN”

今天给大家拆解一款专为客服场景设计的对话分析工具，能够自动化处理和分析客服对话记录，提取关键业务洞察。

应用通过多阶段工作流实现从原始数据到分析结果的全流程处理，大幅提升客服质量管理效率。

思路分析

1. 整体技术架构

2. 核心处理流程

1）数据预处理阶段

文件名标准化处理
对话内容提取与清洗
数据结构化转换

2）并行分析阶段

内容摘要生成
问题分类打标
情感等级评估

采用批处理模式同时运行多个分析任务
三大分析模块独立工作：

3）结果整合阶段

聚合各分析模块结果
统一数据结构
准备可视化展示

4）用户交互阶段

文件上传接口
分析进度展示
多维结果可视化

详细步骤

1. 智能应用的创建

1）创建智能应用

2）编辑智能应用

完成应用名称、应用介绍及图标的信息

2. preprocess_data数据处理工作流搭建

1）工作流的创建和编辑

完成工作流名称和描述的信息填写

2）开始节点

参数类型选择如下

3）代码节点——处理文件名

开始节点之后增加代码节点

代码（注意：这里是javascript脚本）

// 在这里，您可以通过 ‘params’  获取节点中的输入变量，并通过 'ret' 输出结果// 'params' 和 'ret' 已经被正确地注入到环境中// 下面是一个示例，获取节点输入中参数名为‘input’的值：// const input = params.input; // 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：// const ret = { "name": ‘小明’, "hobbies": [“看书”, “旅游”] };function getCleanFileName(url) {    // 先通过正则提取完整文件名（包括.xlsx）    const fullNameRegex = /([^/?#]+?\.xlsx)/i; // 不区分大小写匹配.xlsx结尾的文件名    const match = url.match(fullNameRegex);        if (!match) return null; // 未找到.xlsx文件        // 提取匹配到的文件名，并去除.xlsx之后的内容    const fullFileName = match[1]; // 匹配结果中的第一个分组（完整文件名）    const tildeIndex = fullFileName.indexOf('~'); // 查找~的位置        if (tildeIndex === -1) {        return fullFileName; // 无~符号时直接返回    } else {        return fullFileName.substring(0, tildeIndex); // 截取到~之前的内容    }}async function main({ params }: Args): Promise<Output> {    // 构建输出对象    const ret = {        "filename": getCleanFileName(params.input)    };    return ret;}

或者python代码：

import reasync def main(args: Args) -> Output:    params = args.params    file = params.get("input", "")        # 使用正则表达式匹配文件名    pattern = r'/([a-f0-9]{32})\.xlsx'    match = re.search(pattern, file)    filename = match.group(1) if match else ""        # 构建输出对象    ret: Output = {        "filename": filename    }    return ret

代码可以让DeepSeek帮你写：

将下列内容输入给deepseek。

我以下字符串数据"{  "input": "https://p26-bot-workflow-sign.byteimg.com/tos-cn-i-mdko3gqilj/5b99172bdb094114ae14307407291da8.xlsx~tplv-mdko3gqilj-image.image?rk3s=81d4c505&x-expires=1785257718&x-signature=aG5j%2B8gwCUg5aMJ77hTh3IEmlgo%3D&x-wf-file_name=9cb7dd8c573849d1a9ebc661de6b3306.xlsx%7Etplv-mdko3gqilj-image.xlsx"}"请用以下python框架，帮我写代码，生成文件名称5b99172bdb094114ae14307407291da8async def main(args: Args) -> Output:    params = args.params    file = params.get("input","")    # 构建输出对象    ret: Output = {           }    return ret

输出

4）文本处理节点

添加文本处理节点

参数为前一个代码节点的输出filename参数

字符串拼接

# 导入必要的库import pandas as pd# 读取 Excel 文件file_path = '/mnt/data/{{String1}}'df = pd.read_excel(file_path)# 检查是否有 'history_message' 列if 'history_message' in df.columns:    # 将 'history_message' 列转换为数组    history_message_array = df['history_message'].tolist()    print(history_message_array)else:    print('文件中不存在 history_message 列。')

5）代码执行器插件

添加CodeRunner插件工具

输入参数为三个

6）代码节点——将文本信息转成字符串数组

添加代码节点进行重命名

输入输出参数参考下图

代码（注意：这里是javascript脚本）

function convertTextToArray(text) {    // 移除开头和结尾的方括号    const trimmedText = text.trim().replace(/^\[/, '').replace(/\]$/, '');        // 使用正则表达式分割字符串，考虑转义的单引号    const regex = /(?<!\\)'/g;    const parts = trimmedText.split(regex);        // 处理每个部分，去除首尾可能的引号和转义字符    return parts        .map(part => part.trim())        .filter(part => part.length > 0) // 过滤空字符串        .map(part => {            // 移除开头和结尾的引号            let cleanPart = part.replace(/^'/, '').replace(/'$/, '');            // 处理转义的单引号和其他转义字符            return cleanPart                .replace(/\\'/g, "'")                .replace(/\\n/g, "\n")                .replace(/\\u([0-9A-Fa-f]{4})/g, (_, code) => String.fromCodePoint(parseInt(code, 16)));        })        .filter(part => part.trim() !== ","); // 过滤单独的逗号}async function main({ params }: Args): Promise<Output> {    // 构建输出对象    const ret = {        "content_list": convertTextToArray(params.input) // 使用处理后的数组    };    return ret;}

7）结束节点

结束节点输出变量绑定如下

可以测试整个工作流了。

3. analysis数据分析工作流搭建

1）工作流的创建和编辑

完成工作流名称和描述的信息填写

这块不加图片了，你们自行填写就ok。

2）开始节点

开始节点输入为excel文件类型的参数

3）工作流节点

将第2步中的preprocess_data数据处理工作流作为本工作流的节点；

输入为开始节点的输入参数

4）批处理节点

添加批处理节点

设置并行运行数量为4

输入参数为工作流节点的输出

注意：批处理的输出等批处理体结束之后再绑定数据

批处理体采用了三个大模型分别进行内容总结、问题分类、情感分析，最后将所有数据整个输出。

三个大模型你们也可以按照自己的场景去做分析，去写提示词就可以。

代码节点——合并数据

添加代码节点，输入参数如下所示

代码部分（javascript脚本）

async function main({ params }: Args): Promise<Output> {    // 构建输出对象    const ret = {        "output": { // 输出一个Object            "summary": params.summary,            "product": params.product,            "content": params.content,            "experience": params.experience,            "rank": params.rank,            "text": params.text,        },    };    return ret;}

代码节点的输出参数如下