一、业务目标
客户在微信服务群发送氢能车故障信息并 @故障机器人 后,系统自动识别车辆与故障内容, 结合 AI 知识库 给出可执行的初步解决方案;全程追踪解决进展,最终在 ONEOS 形成标准故障工单。 若 AI 无法闭环或客户确认未解决,则自动生成人工待办任务,由运维人员介入处理并留痕。
二、端到端流程图
flowchart TB
A[客户在微信群发送故障信息并@机器人] --> B[机器人采集消息/图片/语音]
B --> C[解析车牌、故障现象、发生场景]
C --> D{能否匹配车辆与客户?}
D -->|否| E[机器人追问补充信息]
E --> C
D -->|是| F[写入 ONEOS 故障草稿/会话记录]
F --> G[AI 检索氢能车故障知识库]
G --> H[生成结构化解决方案回复微信群]
H --> I[创建故障工单 来源=客户报告]
I --> J[状态: 处理中 · 解决情况: 未解决/临时排故]
J --> K{客户反馈是否已解决?}
K -->|已解决| L[工单闭环 解决情况=已解决]
K -->|未解决/超时未回复| M{AI 置信度是否达标?}
M -->|达标且客户接受| N[标记临时排故 继续观察]
M -->|不达标或需现场| O[生成人工待办任务]
O --> P[运维人员在 ONEOS 接单处理]
P --> Q[更新方案/派维修/关闭工单]
L --> R[归档 全链路留痕可查]
Q --> R
三、分阶段说明
1
微信侧客户报障
客户在专属服务群用文字/图片/语音描述故障,并 @「氢能故障助手」机器人。机器人记录:群 ID、发送人、时间、原文、附件。
2
微信侧信息结构化
自动抽取:车牌、故障现象(何时/何地/何种状态/何后果)、可选故障类型(供氢/燃料电池/三电等)。缺车牌时机器人群内追问,最多 2 轮。
3
AI知识库应答
以「车型 + 故障类型 + 现象关键词」检索知识库(历史案例、维保手册、标准排障 SOP),输出:
- 可能原因(按概率排序)
- 客户可执行的自检/临时措施(安全前提下)
- 是否需停运、是否需进站/上门
- 预计处理时效说明
机器人在群内回复,并附「已解决 / 仍未解决」快捷反馈按钮(或关键词回复)。
4
ONEOS生成故障工单
同步创建 ONEOS 故障单(与现有「故障管理」模块一致),建议字段映射:
| 工单字段 | 来源 |
|---|---|
| 故障来源 | 固定:客户报告(微信群机器人) |
| 车牌 / 车辆信息 | 解析 + 车辆主数据匹配 |
| 故障描述 | 客户原文 + AI 归纳 |
| 故障类型 / 等级 | AI 初判 + 人工可改 |
| 故障上报时间 | 微信消息时间 |
| 故障证据 | 微信群图片/语音附件 |
| AI 建议方案 | 知识库输出全文(只读留痕) |
| 微信群会话 ID | 用于回溯对话 |
5
ONEOS追踪解决情况
与现有「解决情况」枚举对齐:未解决 → 临时排故 → 已解决。触发方式:
- 客户在微信点击/回复「已解决」→ 已解决
- 客户回复「临时好了」→ 临时排故
- 超过约定时限(如 4 小时)无反馈 → 系统提醒 + 可升级人工
6
ONEOS人工待办(兜底)
满足任一条件即生成工作台待办任务,并通知责任运维:
- 客户明确反馈「未解决」或重复报同一故障
- AI 置信度低于阈值(如 < 70%)或知识库无命中
- 故障等级为 L1/L2(特急/紧急)
- 涉及供氢/泄漏等高风险关键词(强制人工)
- 超时未闭环(如 24 小时仍为「未解决」)
待办内容:故障单号、车牌、客户、现象摘要、AI 已尝试方案、微信群链接。运维处理后在工单中填写最终方案并关闭。
四、状态与职责
| 对象 | 状态 | 说明 |
|---|---|---|
| 微信会话 | 进行中 / 待客户确认 / 已结束 | 对应一次 @ 机器人的报障会话 |
| 故障工单 | 待处理 / 处理中 / 已关闭 | ONEOS 故障管理列表(待处理 Tab) |
| 解决情况 | 未解决 / 临时排故 / 已解决 | 与现有故障模块一致 |
| 待办任务 | 待办 / 已完成 | 工作台 · 待办任务,类型:故障人工介入 |
五、角色分工
| 角色 | 职责 |
|---|---|
| 客户 | 群内 @ 机器人报障,按指引反馈是否解决 |
| 微信群机器人 | 收消息、追问、回方案、收集反馈 |
| AI 知识库 | 检索案例与 SOP,生成结构化方案与置信度 |
| ONEOS 系统 | 建单、追踪、待办、统计、与维修单关联(可选) |
| 运维人员 | 处理待办、更新工单、必要时派维修站 |
六、价值小结
- 响应快:7×24 自动应答,减少客户等待
- 可追溯:微信对话 + 工单 + 待办全链路留痕
- 降本增效:常见问题 AI 闭环,复杂问题才占用人工
- 数据沉淀:结案案例反哺知识库,持续优化命中率