| name | lark-fashion-cockpit-helpdesk-tickets |
| version | 1.0.0 |
| description | 把抖音/淘宝/微信客户问题汇入飞书服务台 — 工单统一管理、AI 自动初步回复建议、客服在飞书内一站处理。基于飞书服务台 v1 API。当用户说「客户工单」「退货咨询」「客服工作台」「集成多平台客服」时使用。属于 lark-fashion-cockpit 销售增长板块。 |
| metadata | {"requires":{"bins":["lark-cli"]},"cliHelp":"lark-cli api GET /open-apis/helpdesk/v1/tickets"} |
飞书服务台 · 客户工单集成
🎯 老板娘的痛点： 客户问题分散在抖音 / 淘宝 / 视频号 / 微信 4 个平台，客服切换 4 个后台，质量参差不齐，数据无法沉淀复盘。
载体： 飞书服务台
数据沉淀： 11_退货反馈 表（已有）+ 客户工单流水
客户体验： 完全无感（客户在原平台收到回复，只是回复来自飞书机器人代发）
一、能否真集成多平台 — 实话实说
| 平台 | 飞书原生集成 | 第三方桥接 | 可行性 |
|---|
| 飞书内员工咨询 | ✅ 原生 | - | ⭐⭐⭐⭐⭐ |
| 抖音客户咨询 | ❌ 无原生 | ✅ OpenClaw / Coze 桥接 | ⭐⭐⭐⭐ |
| 淘宝客户咨询 | ❌ 无原生 | ⚠ 千牛 API 半开放 | ⭐⭐ |
| 视频号客户咨询 | ❌ 无原生 | ⚠ 微信 API 受限 | ⭐⭐ |
| 微信客户咨询 | ❌ 无原生 | ⚠ 通过企业微信中转 | ⭐⭐ |
结论： 最稳的两条路：
- 飞书内部员工咨询（IT/HR 客服场景）→ 原生服务台 100% 能用
- 抖音对接（OpenClaw 桥接）→ 第三方工具 + 1-2 天集成
比赛建议：先做内部员工咨询场景做 demo（"团队问题统一通过工单解决"），多平台标"商业化路线图"。
二、典型场景
场景 A：内部员工咨询（最稳）
设计师马萍蔓 → 飞书服务台 → 提问"DRS-0429 的色卡能再发我一份吗"
→ 自动建工单 → 分配给生产主管申丽媛
→ 申丽媛飞书内回复 → 工单解决 → 数据沉淀
场景 B：客户售后（多平台桥接）
客户在抖音问"这件能不能 39 码？"
→ OpenClaw 桥接 → 飞书服务台 自动建工单
→ AI 给初步回复建议（基于历史 11_退货反馈 + 01_产品库）
→ 客服在飞书内审核 / 修改 / 一键发送
→ OpenClaw 把回复发回抖音 IM
→ 客户在抖音收到（完全无感）
三、API 调用示例
lark-cli api POST /open-apis/helpdesk/v1/tickets/start_service \
--data '{
"user_id": "ou_xxx",
"human_service": false,
"appointed_agent_ids": []
}' \
--jq '.data.ticket_id'
lark-cli api GET /open-apis/helpdesk/v1/tickets \
--params '{"status":1, "page": 1, "page_size": 20}'
lark-cli api POST /open-apis/helpdesk/v1/tickets/{ticket_id}/answer_user_query \
--data '{"event_id": "msg_xxx", "faqs": [...]}'
lark-cli api PUT /open-apis/helpdesk/v1/tickets/{ticket_id} \
--data '{"status": 3, "tags": ["已解决", "退货"], "comments": "..."}'
四、与其他 skill 联动
- feedback-returns（退货反馈）：工单解决后自动写入 11_退货反馈 表做数据沉淀
- boss-clone-aily：高优工单自动调老板分身建议处理方案
- knowledge-base / lingo：客服回复时自动 hover 词条 / 引用 wiki 答案
五、AI 自动初步回复（核心增值）
scripts/helpdesk-ai-suggester.py：拉新工单 → 调 deepseek + 历史 11_退货反馈 → 给客服一份建议回复
def suggest_reply(ticket):
similar = search_similar_complaints(ticket.user_query)
history = get_user_purchase_history(ticket.user_id)
prompt = f"""客户问题: {ticket.user_query}
客户历史购买: {history}
类似历史投诉: {similar[:3]}
请按老板娘风格给一份初步回复（先共情 + 给方案 + 不抹黑产品）"""
return deepseek_call(prompt)
实证数据：响应时长 ↓ 58%，效率 ↑ 40%（参考美宜佳/海底捞案例）。
六、Demo 预览
无需部署，直接打开 examples/helpdesk-demo.html 看 UI 模拟（飞书服务台工单看板）。
七、卡点 / 已知风险
- 多平台真接通需要第三方 OpenClaw / Coze（独立成本约 ¥200-500/月）
- 飞书服务台企业版才完整支持（工单流转 / 客服技能路由），免费版受限
- 老板娘当前飞书租户类型未知 → 真上线前需要确认是否需要升级
