Разбор заявок в поддержку — простое закрывается, сложное к инженеру

Сценарий классифицирует заявку, ищет решение в базе знаний, отвечает клиенту сам или зовёт инженера с диагностикой, а найденное решение пополняет базу.

  • Заявки сортируются и решаются автоматически
  • Известное закрывается ответом за секунды
  • Сложное уходит инженеру с диагностикой
  • База знаний пополняется каждым решением
Webhook
Подключить базу знаний и запуститьScriptera

Как это работает

Лиды из Qdrant Vector Store передаются в Slack автоматически: сценарий подхватывает каждую заявку сразу после появления.

  1. Запуск: Входящий тикет Webhook
  2. Затем: Настройки сценария
  3. Затем: Классификатор тикетов
  4. Проверка: Проверить решение
  5. Если да — Форматировать авторешение
  6. Затем: Обновить статус билета
  7. Затем: Подготовить запись базы знаний
  8. Затем: Добавить в базу знаний
  9. Если нет — Генератор решений ИИ
  10. Затем: Создать логи диагностики
  11. Проверка: Проверить инженера
  12. Если да — Уведомить инженера
  13. Затем: OpenAI Chat Model - Классификатор
  14. Затем: Парсер результатов классификации
  15. Затем: MCP Server Инструменты
  16. Затем: Поиск по базе знаний
  17. Затем: Поиск в Embeddings OpenAI
  18. Затем: Решение OpenAI Chat Model
  19. Затем: Парсер вывода решения
  20. Затем: Вставить в Embeddings OpenAI
  21. Затем: Загрузчик документов
  22. Затем: MCP Server Инструменты1

Настроить такую автоматизацию (Qdrant Vector Store + Slack) можно в Scriptera — без кода: опишите задачу, остальное сделают за вас.

Похожие сценарии