第02课 AI Agent客服架构：Hermes+Claude构建7×24智能客服

凌晨三点的订单危机

张颖的 Amazon 店铺卖高端瑜伽垫，客单价 $79。2025 年 12 月的一个周五凌晨三点（美国东部时间下午三点），一个客户买了两张瑜伽垫准备送人，但发现颜色选错了，紧急发邮件要求改单。

张颖在睡觉。周六早上起来看到邮件，订单已经发货了。

客户的第二封邮件：“I’m extremely disappointed. I specifically asked to change the color BEFORE shipping and nobody responded.”

一星差评。连带一个 A-to-Z 索赔。

张颖算了一笔账：如果凌晨三点有人能回复，改单的成本是 $0（还没发货）。现在退货+重发+差评导致的销量损失，总成本超过 $500。

一个 $0 的问题，因为 8 小时的空窗，变成了 $500 的损失。

架构设计：四层智能客服系统

# Hermes Agent 客服系统架构
architecture:
  layer_1_unified_inbox:
    sources:
      - amazon_buyer_messages
      - shopify_customer_emails
      - instagram_dm
      - whatsapp
      - website_chatbot
    
  layer_2_smart_processing:
    intent_recognition:
      model: claude-opus-4.7
      categories:
        - pre_sale_inquiry    # 售前咨询
        - order_status        # 订单状态
        - shipping_inquiry    # 物流查询
        - product_issue       # 产品问题
        - return_refund       # 退换货
        - complaint           # 投诉
        - positive_feedback   # 正面反馈
        - other               # 其他
    
    auto_reply:
      confidence_threshold: 0.85  # 85%以上自信度自动回复
      human_review_threshold: 0.60  # 60-85%转人工审核
      escalate_threshold: 0.60     # 低于60%直接转人工
    
  layer_3_proactive_service:
    - review_monitoring      # 差评监控
    - review_request         # 催评自动化
    - lifecycle_triggers     # 生命周期触达
    
  layer_4_insights:
    - sentiment_analysis     # 情感分析
    - issue_clustering       # 问题聚类
    - product_improvement    # 产品改进建议

第一步：统一收件箱

所有渠道的消息汇聚到一个收件箱。不再在 Amazon 后台、邮箱、Instagram 之间来回切换。

# Hermes MCP 多渠道接入配置
mcp_servers:
  - name: amazon_sp_api
    type: amazon_seller_api
    config:
      marketplace_id: "ATVPDKIKX0DER"  # 美国站
      refresh_token: "${AMAZON_REFRESH_TOKEN}"
      polling_interval: 300  # 每5分钟检查新消息
      
  - name: shopify_api
    type: shopify_admin_api
    config:
      store_url: "your-store.myshopify.com"
      access_token: "${SHOPIFY_ACCESS_TOKEN}"
      
  - name: gmail
    type: google_gmail_api
    config:
      client_id: "${GMAIL_CLIENT_ID}"
      labels: ["INBOX", "customer-service"]

第二步：意图识别

每条消息进来，AI 做三件事：识别语言、判断意图、评估紧急度。

字段	说明	示例
language	消息语言	en / de / ja / fr
intent	用户意图	order_status / return_refund
urgency	紧急度	high / medium / low
sentiment	情感	positive / neutral / negative / angry
confidence	识别置信度	0.92

紧急度判定规则：

紧急度	触发条件	响应时间
🔴 High	投诉、威胁差评、A-to-Z	< 30 分钟（立即告警）
🟡 Medium	退换货、产品故障	< 2 小时
🟢 Low	物流查询、一般咨询	< 12 小时

第三步：自动回复引擎

置信度 > 85% 的消息，直接自动回复。

# 自动回复策略
auto_reply_rules:
  - intent: order_status
    confidence: ">0.85"
    action: |
      查询订单实时状态
      如果已发货——回复物流单号+预计到达时间
      如果未发货——回复预计发货时间
      语气：友好+专业
    
  - intent: shipping_inquiry
    confidence: ">0.85"
    action: |
      查询物流追踪信息
      如果正常——回复最新物流状态
      如果延迟——致歉+解释原因+预计新到达时间
      如果丢失——立即补发+致歉
    
  - intent: pre_sale_inquiry
    confidence: ">0.85"
    action: |
      根据产品知识库回复
      如果问题涉及缺货产品——推荐替代品
      结尾附上产品链接
    
  - intent: return_refund
    confidence: ">0.85"
    action: |
      判断是否在退货期内
      在退货期——发送退货指引
      超退货期——提供替代方案（部分退款/换货）
      高价值客户——额外善意折扣

第四步：人机协作

AI 不能解决所有问题。关键是定义好"什么时候转人工"。

场景	AI 处理	转人工
订单查询	✅ 自动回复	-
物流延迟	✅ 自动致歉+更新	超过15天未到
退换货（标准）	✅ 自动审批	金额 > $100
产品使用咨询	✅ 知识库回复	知识库中无答案
投诉/差评威胁	⚠️ 草拟回复	人工审核后发送
A-to-Z Claim	❌ 仅告警	必须人工处理
法律相关	❌ 仅告警	必须人工处理

# 人工介入规则
escalation_rules:
  - condition: "urgency == 'high'"
    action: "telegram通知 + 等待人工审核"
    
  - condition: "confidence < 0.60"
    action: "AI草拟回复 + 标记待审核"
    
  - condition: "refund_amount > 100"
    action: "AI提供建议 + 等待人工审批"
    
  - condition: "keyword in ['lawyer', 'legal', 'sue', 'BBB']"
    action: "立即转人工 + 紧急告警"

张颖的改造成果

张颖在 2026 年 4 月部署了 Hermes 客服系统。30 天后的数据对比：

指标	改造前	改造后	变化
平均回复时间	18 小时	8 分钟	-99.3%
日处理工单	30 封	150 封	+400%
自动处理率	0%	72%	-
客户满意度	3.2/5	4.7/5	+47%
差评数（月）	8 条	2 条	-75%
客服成本	¥12,000	¥2,000	-83%

张颖说：“最让我意外的不是效率提升，而是客户真的以为我有一个专业客服团队。有个德国客户还特意写了好评说’你们的德语客服太专业了’——那其实是 AI。”

---

课后行动：统计你过去7天的客服消息，按意图分类。哪些可以自动化？预估自动化率是多少？

---

五星售后 2026 · Charlie Cao & Angel Zhang