原创教程官方文档整理

客服工单分类：用 CSV 和 Jev 练习人工复核分流

得到可导出的分类建议和待复核队列，默认不自动回复客户。

适用场景把多语客服消息分成语言、意图、紧急度与转人工队列

来源 · JevLog 原创Intermediate8 分钟

开始阅读下一篇 →

用一份虚构 CSV 读入工单，再用一次 System One 请求建议语言、意图、紧急度和人工复核状态。结果只作分流建议，不会自动回复。

来源 · JevLog 原创 · 本站原创

2026-09-23 更新：让示例实际读取样例 CSV，并合并成一次分类请求。

背景 / 问题

客服消息常把两件事写在一起，例如催物流又要退款。这里用一条虚构工单练习分类，原文和工单 ID 始终保留。

开始前

准备 Python 3.10+、typesafe-sdk 和一份虚构 CSV；在线调用前将 TYPESAFE_API_KEY 放进环境变量，不要使用真实客户信息。

来源

工单分流示意：标签先作为建议，冲突与高紧急度交给人工。AI 概念插画。

工单分流示意：标签先作为建议，冲突与高紧急度交给人工。AI 概念插画。

操作步骤

1. 读入样例工单

把样例 CSV 放在脚本旁边。代码按工单 ID 找到第 7 条，并保留原文，方便逐条核对。

2. 一次请求给出分流建议

一次请求返回语言、主要意图、紧急度和是否需要人工复核。样例是虚构数据；配置 API Key 后才会调用在线服务。Noul 给出复核概率（0–1），Score 按已定义的等级返回加权分值（0–2）；它们都是建议，不是正确性保证。

import csv
import os
from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

assert os.environ.get("TYPESAFE_API_KEY"), "运行在线请求前请设置 TYPESAFE_API_KEY"

with open("customer_feedback.csv", newline="", encoding="utf-8-sig") as f:
    ticket = next(row for row in csv.DictReader(f) if row["id"] == "7")

with TypeSafeClient() as client:
    result = client.system_one(
        state={"ticket_id": ticket["id"], "ticket_text": ticket["feedback"]},
        questions={
            "language": Choice(
                instructions="Detect the language used in this support ticket.",
                criteria={"zh": "Chinese", "en": "English", "mixed": "Chinese and English", "other": "Other or unclear"},
            ),
            "intent": Choice(
                instructions="Choose the main support intent.",
                criteria={"billing": "Refund, charge, or invoice", "technical": "Login, bug, or outage", "shipping": "Delivery, tracking, or address", "other": "Other or unclear"},
            ),
            "needs_human": Noul(instructions="Should a person review this ticket before any customer-visible action?"),
            "urgency": Score(
                instructions="Choose the urgency that best fits the ticket.",
                criteria=["Routine", "Soon", "Urgent"],
            ),
        },
    )

suggestion = {
    "id": ticket["id"],
    "original": ticket["feedback"],
    "language": result.choices["language"].choice,
    "intent": result.choices["intent"].choice,
    "human_review_probability": result.nouls["needs_human"].noul,
    "urgency_score": result.scores["urgency"].score,
}
print(suggestion)

3. 看原文，再决定是否转人工

先用人工标注过的工单校准转人工门槛。结果冲突、紧急或要求复核时交给人工；回复、退款和改订单仍走现有业务流程。

练习样例：下载 customer_feedback.csv，可在本地练习；非本站实测结果。

检查结果

得到可复查的分类建议。这个样例只展示结果，不会创建人工队列或回复客户。

给不确定、紧急或缺字段的样例写明人工下一步。

接着看

常见问题

Noul 接近 1 就是分类准确率吗？

不是。它是这次请求返回的复核概率，不是分类准确率。要用人工标注过的工单校准分流门槛，并检查误报与漏判。