很多团队开始用 Dify 做售后助手时，第一反应是让它直接回答客户问题。这个方向看起来省事，但在真实售后场景里很容易出问题：客户给的信息不完整，工单类型混在一起，退款、赔付、SLA、接口故障这些边界又不能让模型直接拍板。更稳的第一步，不是让 AI 直接替客服回复，而是先做一个售后工单分诊工作流。它的目标很清楚：把客户描述拆成结构化信息，判断问题类型，列出缺失字段，给出下一步处理路径，并把需要人工复核的风险标出来。这样做的价值不是让售后“无人值守”，而是降低初筛成本。很多工单原本要客服先问一轮、再转技术、再补日志；如果工作流能先把问题归类、把缺失信息列清楚，团队就能少绕几圈。售后工单最容易卡在哪里售后问题看起来都是“客户来问问题”，但实际处理成本差别很大。工单类型表面问题真正要处理的事登录失败客户说进不去后台需要账号、浏览器、截图、时间、验证码状态发票问题客户催开发票需要订单号、付款时间、抬头、税号接口报错