Ertas + OpenClaw 助力客户支持
使用 OpenClaw 进行工单分拣、回复起草和升级管理的客户支持团队,从通用云模型得到的结果往往平庸。用您自己的工单微调的模型会学会您的产品、分类体系和语气,在本地运行还能省去按 token 计费的 API 账单。
The Challenge
OpenClaw 天然适合客户支持自动化:它可以监控支持渠道(邮件、Slack、消息平台),按类别和紧急程度给传入工单分类,起草回复,升级复杂问题,并生成交接班摘要。部署它的支持团队立刻就能看到生产力提升。
但使用通 用云模型时,这种提升很快就会触顶,因为客户支持高度依赖具体领域。「计费咨询」和「订阅管理请求」的区别取决于您产品的计费架构;「错误报告」和「功能请求」的区别取决于您的产品实际能做什么,以及用户期望它做什么。通用的 GPT-4o 或 Claude 只能凭一般的语言理解做出合理猜测,而这些猜测会让相当一部分工单被分错类。
分错类的工单会引发一连串下游问题:分配给错误的团队、优先级不对、自动回复不恰当,客户还得向正确的团队把问题再讲一遍。自动化省下的时间,有一部分又花在了纠正错分的工单上。
成本问题让准确度问题雪上加霜。OpenClaw 处理的每张工单都会产生 API token:传入的消息、分类提示词、回复生成、升级检查。一个每天处理 200 张工单的支持团队会产生可观的 API 开销,对利润微薄的 SaaS 公司来说,这笔开销可能吃掉自动化带来的大部分人力节省。
The Solution
Ertas 同时解决准确度和成本两个问题。在 Ertas Studio 中用您真实的支持工单历史微调模型:您的分类体系、产品术语、解决模式和沟通风格。从 Hub 导出为 GGUF,用 Ollama 在本地运行,再把 OpenClaw 指向这个本地端点。
用您系统中几千张已分类工单微调出的模型,会学会您各个工单类别之间的具体界限,而这些界限很难在系统提示词里讲清楚。回复草稿也会更好,因为模型已经看过每类工单的大量优秀回复。请用您自己的数据衡量提升:预留一批最近分类的工单,把微调模型和您现有的方案对比,并查看各自出错的地方。
推理运行在您掌控的硬件上,因此没有按 token 计费的 API 账单。运行成本就是按工单量配置的硬件,再加上用于训练的 Ertas Studio 订阅。这让 OpenClaw 在 API 成本高得难以承受的大批量支持场景中也能算得过账。
Key Features
分类体系特定分类
Studio 在您精确的工单分类体系上微调——特定于您的产品和支持结构的类别、子类别、优先级规则和升级标准。模型学会通用模型持续混淆的相似类别之间的边界。
回复模板训练
在您最好的支持回复上微调——您的团队随时间积累的语调、详细程度、故障排除步骤和解决模式。模型生成的草稿无需冗长的系统提示即可匹配您的支持风格指南。
多产品支持
在 Studio 中为每个产品或品牌分别训练模型,各自拥有自己的分类体系、回复风格和升级规则。每个模型都列在 Hub 中可供导出,每个 OpenClaw 代理指向对应产品的模型。
质量监控
在您自己的工单系统报表中跟踪分类准确度、客服无需修改就采用草稿的比例以及升级模式。找出模型表现较差的类别,在 Data Craft 中补充针对性的示例,替换之前先在 Studio 中把重新训练的结果和当前模型做比较。
Example Workflow
一家拥有 3,000 个活跃客户的 B2B SaaS 公司部署 OpenClaw 来辅助其 8 人支持团队。团队目前每天通过邮件和 Slack 处理 180 张工单,平均首次响应时间为 2.4 小时,一线解决率为 45%。公司导出过去 12 个月的 15,000 张已解决工单,每张都带有类别标签、优先级和最终解决问题的回复,去除客户姓名和联系方式后上传到 Ertas Studio,用 LoRA 微调 Llama 3.1 8B。团队预留 1,000 张最近的工单,在同一分类体系下把微调模型的分类和草稿与经过提示词工程的 GPT-4o 对比,并逐一查看两个模型各自出错的类别。模型导出为 GGUF,用 Ollama 运行在一台 Mac Mini M4 Pro 上,OpenClaw 代理同时监控邮件和 Slack 支持渠道。它为每张传入工单分类、设定优先级、起草回复,然后自动发送(仅限团队已批准自动化的类别)或放入队列等待客服审核。支持团队对照基线跟踪首次响应时间和一线解决率,把更多时间投入到需要人工判断的复杂二线和三线问题上。每月的运行成本是 Ertas Studio 订阅加上硬件,工单量增长也不会产生按 token 计费的 API 账单。
Compliance & Security
采用本地推理时,实时工单中的客户数据(支持对话、账户信息、使用模式)都在公司自己的硬件上处理,模型作答时不会经过任何外部 AI 提供商。训练的情况不同:用于微调的工单历史会上传到 Ertas 的云端 GPU,因此请先去除或遮盖客户身份信息,不再需要时在 Studio 中删除数据集。支持 AI 的安全审查仍需您们自己完成;在内部运行模型,能让审查需要检查的数据流更少。
Related Resources
微调
LoRA
GGUF
推理
适配器
OpenClaw + Fine-Tuned Models vs. OpenClaw + GPT-4: A Practical Comparison
Run OpenClaw on Local Models Without API Keys
OpenClaw for Agencies: Per-Client AI Agents Without the API Bill
How to Cut Your AI Agency Costs by 90% with Fine-Tuned Local Models
Fine-Tune a Model on Your App's Data: A Guide for Solo Developers
Ollama
Ertas for Customer Support
Ertas for AI Automation Agencies
Ertas for SaaS Product Teams
Ship AI that runs on your users' devices.
Start free with 150 credits after card verification. Paid plans from $20/mo USD.