在「飞书智能伙伴创建平台（Aily）」上，我们可以快速利用企业知识和大模型的能力，创建业务专属的智能客服。本章教程就会带大家一步步创建一个能够回答客户咨询、登记反馈的智能客服，并将它发布到飞书话题群和自己的网站上服务客户。
- 第一步：使用“知识问答”模式快速创建专属智能客服
- > 第二步：给智能客服添加记录反馈、查询工单等更多“技能”。
- 第三步：将智能客服发布到飞书话题群和自己的业务系统中
本篇文档将带大家给智能客服添加更多“技能”，你可以学会：
- 通过混合调度模式，让智能客服不仅能回答客户问题，还能调用记录反馈、查询工单等技能。
- 通过 workflow 里的大模型节点，调用模型能力对用户的反馈进行分类。
- 通过 HTTP 节点，调用三方系统查询反馈码。
通过“技能编排”模块给智能应用创建技能
首先我们切换到“技能编排”模块，先把我们期望给智能客服加上的技能编排出来。
搭建“产品反馈建议”技能
添加一个 "workflow" 技能，填入名称、技能描述和用户提问示例。这些信息将会提交给大模型，用于识别用户的意图进行技能的分发。我们在技能中添加一个 LLM 节点、一个多维表格的集成节点和一个消息节点。
- LLM 节点用来提取反馈模块与分类
- 然后再把用户的反馈与模块分类都记录到多维表格中
250px|700px|reset  | 250px|700px|reset  |
通过 LLM 节点提取反馈的产品模块与类型
- 在 LLM 节点中，我们给模型设定一个人设与目标（写在 System Prompt 中）
# 角色和目标
你是一位经验丰富的飞书客户服务专家小艾，你擅长与客户沟通，分析客户反馈，你的任务是根据反馈内容对反馈所属的产品模块和反馈类型进行分类。
# 分类要求
* 产品模块：飞书的产品模块有飞书文档、多维表格、搜索、IM 模块，如果反馈内容不属于这些产品模块，则返回其他
* 反馈类型：用户反馈类型分成功能缺陷、需求建议、产品夸赞三类，如果反馈内容不属于这三类，则反馈其他
# 输出格式
- Object 对象的 JSON 格式式式式式式
- 然后提出要求（写在 User Prompt 中），这个提示词里定义了一个变量 Feedback 。我们可以在下面的变量模块把用户的输入赋值给这个变量。
请对用户反馈进行分类： {{Feedback}}}}}}}
- 最后我们设置一下要求模型输出的类型，改成 Object，这样方便我们后续节点消费。
feedback_type: 反馈的产品模块,如:飞书文档、多维表格、搜索、IM、其他
product_module: 反馈的类型，如：功能缺陷、需求建议、产品夸赞、其他他他他他他
250px|700px|reset
我们可以在 Prompt IDE 中来对提示词进行调试
250px|700px|reset  | 250px|700px|reset  |
把反馈写入到多维表格
- 准备一个用于记录反馈的多维表格，可以从模版初始化，并把机器人所在的群添加为文档的协作者（编辑或管理权限）。
- 把用户的反馈和通过大模型提取的结果写入到多维表格中。
- 从多维表格的 URL 中拿到对应的多维表格 ID 与数据表 ID
- 通过公式获取用户的反馈和大模型提取的结果写入到数据表中
250px|700px|reset  | 250px|700px|reset  |
给用户发送反馈已记录的消息
通过“发送消息”节点发送一条响应消息：
“衷心感谢您对产品的宝贵反馈。您的建议已记录并会仔细评估和考虑采纳。”
250px|700px|reset
调试查看运行结果
搭建完成后（也可以通过技能模版查看“产品反馈建议”技能），我们就能调试看到结果了。用户的反馈以及通过大模型解析后的产品模块与分类都被记录到了多维表格中。
250px|700px|reset  | 250px|700px|reset  |
搭建“错误码查询”技能
添加一个 "workflow" 技能，填入名称、技能描述和用户提问示例。这些信息将会提交给大模型，用于识别用户的意图进行技能的分发。
- 在开始节点中我们定义好技能执行需要的入参：错误码。在技能被执行时会从与用户的对话中智能获取对应参数。
- 通过 HTTP 节点调用系统查询错误码详情。
- 判断查询结果，并通过 LLM 节点对错误码进行解析并返回给用户。
250px|700px|reset  | 250px|700px|reset  |
在开始节点中定义参数
我们在开始节点中可以添加一个自定义参数：
error_code: 需要查询的错误码，一串数字字字字字字
在开始节点中定义的参数将会从对话中自动提取。
250px|700px|reset
通过 ”HTTP 查询“ 节点，发送错误码查询请求
⚠️ 此技能涉及到部分编程知识
- 我们添加一个 HTTP 查询节点，并填入错误码查询服务的地址（我们提供了一个模拟查询的服务）。并从开始节点的自定义参数中把错误码作为查询的参数。
请求方法：POST
请求体：
{
"code": "{{开始节点.error_code}}"
}}}}}}
- 把输出类型的 body 参数改为 Object 类型。
- 我们在左侧的调试面板输入：”查一下错误码 20001“ 进行调试，在执行成功后可以点面板上”试用调试结果“来给 body 参数设定输出类型的 schema（数据结构），这样我们可以在下游节点直接使用查询结果。
250px|700px|reset  | 250px|700px|reset  |
判断输出结果，并调用大模型进行总结
- 添加一个条件分支节点，用来判断是否查询到了对应的错误码。
- 通过 查询错误码.exist 判断错误码是否存在，如果错误码不存在则发送消息告知用户。
- 添加一个 LLM 节点，用来解析错误码给用户提示。
- 设定提示词
> 在 system 提示词中设定人设
# CONTEXT #
你是一位技术专家，擅长根据错误信息解释系统异常。
# OBJECTIVE #
你的任务是根据错误码的信息和排查建议，帮助用户排查问题。
# Tone #
用正式的口吻耐心的解释错误码含义。
> 在 user 提示词中输入要解析的内容
错误码：{{code}}
错误信息：{{message}}
排查建议: {{detail}}
250px|700px|reset  | 250px|700px|reset  |
调试查看运行结果
250px|700px|reset  | 250px|700px|reset  |
设置应用为”混合调度“模式，并配置好技能与备用回复
- 我们先把应用的对话模式切换到”混合调度“模式，点击”管理技能“进入技能编排界面，把”产品反馈建议“和”错误码查询“在对话中使用打开，然后把”无答案记录多维表格“技能在对话中使用关闭。这样用户与智能客服对话的时候，默认就会识别用户的意图，调用对应技能。
250px|700px|reset  | 250px|700px|reset  |
- 把”备用回复“设置为指定技能，并指定”无答案问题记录多维表“。
250px|700px|reset
看看我们的成果吧
这样，我们就搭建好了一个具备知识问答、记录用户反馈和查询错误码能力的智能客服应用，发布后就可以在飞书机器人、web chat 等渠道体验了。
250px|700px|reset
