lark-fashion-cockpit-helpdesk-tickets

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：

1. 飞书内部员工咨询（IT/HR 客服场景）→ 原生服务台 100% 能用
2. 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

# 3a. 创建工单（员工/客户提交问题）
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'

# 3b. 列工单（客服查待处理）
lark-cli api GET /open-apis/helpdesk/v1/tickets \
  --params '{"status":1, "page": 1, "page_size": 20}'
# status: 1=新建 / 2=处理中 / 3=已解决

# 3c. 客服回复
lark-cli api POST /open-apis/helpdesk/v1/tickets/{ticket_id}/answer_user_query \
  --data '{"event_id": "msg_xxx", "faqs": [...]}'

# 3d. 工单状态更新
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