构建自托管 AI 工单分类器

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。

固定短语规则只能按字面触发，例如“工单包含‘密码’就路由到 IT”。现代自动工单分类器可以结合上下文判断。同一个“冻结”在银行工单中可能指账户冻结，在 SaaS 工单中则可能指页面停止响应。基于大语言模型的分类阶段会读取完整描述，从而处理这种歧义。

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。

希望自主管理运行时、分类逻辑、连接器行为和运行控制的团队，可以评估 Zylos。若工作需要在已注册 Agent 之间传递，再使用 HxA Connect 处理 Agent 间交接。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 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

开始前应查看当前官方安装说明，并确认受支持的操作系统、Node.js 版本、运行时和认证方式，再配置试点环境。

# 方式一：在 Linux 或 macOS 使用官方安装脚本
curl -fsSL https://raw.githubusercontent.com/zylos-ai/zylos-core/main/scripts/install.sh | bash

# 方式二：使用 Node.js 20 或更高版本手动安装
npm install -g --install-links https://github.com/zylos-ai/zylos-core
zylos init

# 安装后检查服务状态
zylos status

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：连接工单来源并提出路由建议

通过工单系统的正式 API 或获批准的连接器接入每个来源，并把队列分配和工单更新限制在该连接器的权限范围内。如果已注册 Agent 之间需要交换结构化结果，可以使用 HxA Connect 完成 Agent 间交接；HxA Connect 本身并不是工单连接器。

// 伪代码：请按工单系统的正式 API 调整这段流程。
onTicketReceived(async (ticket) => {
  const result = await classify(ticket, taxonomyVersion);
  await recordEvidence(ticket.id, result, ticket.source);

  const needsReview =
    humanReviewCategories.has(result.category) ||
    result.confidence < thresholdFor(result.category);

  if (needsReview) {
    return sendToReviewQueue(ticket, result);
  }

  return proposeAssignment(ticket, result.targetQueue);
});

当分类结果需要在 Agent、团队或连接器之间流转时，应使用经过授权的交接层。创建工单、发送告警或更新帮助台等平台动作，应在接收端连接器及其权限边界内完成。

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自主运行时

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，自主运行时会更合适。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。自主运行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