上一篇我们讲了一个很典型的场景
客户在企业微信外部群里发送一个单号，机器人自动查询立刻云里的订单，再把订单链接或者对应单证返回给客户。
但真实的客户群里，不可能每一句话都是单号。
更多时候，客户会突然问一句：
“截关时间怎么算？”
“这个费用是什么意思？”
“为什么这里会产生一笔操作费？”
这类问题没有订单号，也不需要调用查单接口。
它们更适合交给另一个 AI 员工——答疑员工。
也就是由立刻智能体根据企业自己的知识库来回答。
这样一来，同一个企微机器人在群里实际上可以同时承担两类工作：
能识别出查单意图的，去查业务数据；
不能命中查单规则的，再交给 AI 知识库回答。
关键的问题是：
机器人怎么知道一句话到底应该走哪条路？
第一步：先判断这句话是不是“查单”
在立刻智能体控制台中，企微机器人可以开启一个功能：
转发过滤。
它的作用可以简单理解成：
先判断消息值不值得交给查单服务。
开启之后，机器人不会再把群里所有消息一股脑全部转发出去。
例如一个客户群里，大家可能正在讨论：
下午三点装车。
好的。
文件我晚点发。
@张经理 这个麻烦确认一下。
这些普通聊天显然不应该全部进入查单接口。
因此在群聊场景下，没有 @ 当前机器人实例的消息，一律不会转发。
这样可以避免大量与机器人无关的群聊进入接收服务。
只有客户真正：
@机器人……
机器人开始判断，这条消息到底是不是查单。
什么样的内容会被认为是“查单”？
对于私聊消息，以及群里已经 @ 机器人的消息，系统会继续根据规则判断。
默认会关注一些典型的业务关键词和单号形态，例如：
- 工作号
- 主单号
- 分单号
- 客户参考号
- 集装箱号
以及类似：
字母 + 数字，并且长度达到一定条件
这样的单号形态。
例如上一篇里的：
@机器人 AE26040002
这种消息能够命中单号规则，就会继续转发给查单服务。
查单服务再根据单号去查询立刻云中的订单数据。
所以这里的逻辑并不是：
只要客户 @ 机器人，就去查订单。
而是：
先 @ 机器人，再判断这句话是不是真的像一条查单指令。
那如果客户只是随口问一句呢？
例如客户发送：
@机器人 截关时间一般怎么算？
这句话显然没有工作号，也没有主单号，更不像一个集装箱号。
如果只做查单机器人，到这里其实就结束了。
因为它没有可以查询的单号。
但在开启 “未命中规则时 AI 自动回复” 以后，这条消息就会自动进入另一条通道。
也就是：
立刻智能体。
系统会把它当成一次客户咨询，由当前启用的模型结合企业知识库生成答案，再通过同一个企微机器人回复给客户。
于是整个流程就变成：
客户提问
↓
机器人判断是否命中查单规则
↓
命中 → 转给查单服务
未命中 → 交给立刻智能体回答
这其实是一个很重要的设计。
因为同一个机器人，不需要客户先判断：
“我现在应该找查单机器人，还是找客服机器人？”
客户只管问。
系统自己分流。
同一句话，不会两个机器人一起抢着回答
做群机器人时，一个很容易出现的问题就是：
机器人抢话。
例如客户：
@机器人 AE26040002
查单系统识别到了，于是返回订单。
同时 AI 智能客服也收到这句话，又根据知识库生成一句：
您好，请提供完整的订单编号……
结果同一条消息收到两次回复。
这显然不是一个好的客户体验。
所以企微机器人的处理逻辑里，同一条消息只会进入一个通道。
命中转发规则，就交给查单服务。
没有命中规则，才进入 AI 自动回复。
也就是说：
命中 → 查单
未命中 → AI
两者互斥。
这样“查单员工”和“答疑员工”才能在同一个客户群里协同，而不是彼此抢话。
这时候，知识库就变得很重要
AI 可以回答，并不代表 AI 应该什么都回答。
对于企业客服来说，真正重要的是：
答案有没有依据。
例如客户问：
你们这个费用是怎么收的？
如果企业知识库中已经维护了对应的收费说明，那么立刻智能体就可以根据这些资料生成答案。
客户问：
软件去哪里下载？
知识库里有下载说明，就可以直接回答。
客户问：
某个业务环节需要准备哪些资料？
企业也可以把标准操作说明、常见问答、业务规则整理到知识库中。
因此答疑员工的核心，并不是“模型会不会聊天”。
而是：
企业有没有把自己的知识沉淀进去。
模型负责理解客户的问题、检索相关知识并组织回答。
真正决定答案是否稳定的，仍然是企业自己的知识内容。
所以，我们更建议知识库“不知道就说不知道”
对于客服场景，最怕的不是机器人说：
“这个问题我暂时没有找到答案。”
最怕的是它不知道，却自己编了一个答案。
特别是货代业务里，费用、时效、报关规则、操作要求，本身就可能因客户、航线、业务类型而不同。
因此在配置智能体提示词时，我们更建议明确告诉 AI：
如果知识库中没有足够依据，就如实说明，不要自行编造。
这看起来好像让 AI “没那么聪明”。
但在真正的企业客服场景里，
准确，比什么都能回答更重要。
图片、语音和文件怎么办？
除了文字以外，客户群里还有大量非文本内容。
例如客户直接丢一张截图：
[图片]
或者发一段语音。
在普通的转发过滤规则下，图片、语音、文件这类没有文本内容的消息，默认不会被转发。
这是为了避免大量无意义附件直接进入查单服务。
但在部分场景中，图片和语音本身又可能是问题的一部分。
例如客户先发一张报关单截图，然后再问：
@机器人 这里是什么意思？
如果机器人完全看不到上一张图，就很难理解客户说的“这里”到底指什么。
旗舰版考核群，可以理解客户刚刚发的内容
对于旗舰版，并且已经纳入考核范围的企微群，机器人还可以进一步读取提问附近的上下文。
例如：
客户先发送：
[报关单截图]
紧接着发送：
@机器人 这个字段是什么意思？
机器人可以结合相邻图片，再理解客户的问题。
类似地，也可以读取相邻语音，或者提问人刚刚发送的上一句文字，再进行回答。
这样群聊体验就会更接近真人客服。
因为人和人聊天的时候，本来就不会每句话都把上下文重新说一遍。
客户可能只是说：
“这个呢？”
“这里怎么填？”
“刚才那个是什么意思？”
真正理解这些话，需要把前后的消息连起来看。
需要注意的是：
读取相邻图片、语音属于旗舰版考核群能力。
图片和语音识别产生的模型调用，也会记录到相应的消耗报表中。
而“未命中规则时 AI 自动回复”本身，在打开转发过滤后即可使用，并不要求一定是考核群。
两种能力不要混在一起理解。
AI 回复回到群里是什么样？
AI 生成答案以后，仍然通过当前的企微机器人返回。
默认情况下：
不会再次 @ 提问人，也不会额外增加固定前缀。
也就是说，回复尽量保持普通聊天的形式。
如果知识库答案中包含图片，系统则会按照类似：
文字 → 图片 → 文字
的方式分段发送。
而每一次通过企微机器人产生的 AI 对话，也都可以在立刻智能体的对话记录中查询。
对应渠道会标记为：
企微机器人。
这样企业后续可以回看机器人到底回答了什么，也方便持续完善知识库。
查单员工和答疑员工，解决的是两种不同的问题
如果把两篇场景放在一起看，会更容易理解。
客户说：
@机器人 AE26040002
他要的是业务结果。
所以机器人应该去立刻云里查订单。
客户说：
@机器人 截关时间怎么算？
他要的是业务知识。
所以机器人应该去知识库中寻找答案。
一个连接的是企业实时业务数据。
一个连接的是企业沉淀下来的知识。
这两件事情，本身并不能完全互相替代。
但它们放在同一个企微机器人里以后，客户感受到的却只有一个入口：
有问题，直接在群里问。
至于背后应该查订单、找文件，还是调用知识库，
那是系统需要解决的问题，而不应该让客户来选择。
从“机器人”到“AI 员工”，差别可能就在这里
如果一个机器人只能回答知识库问题，它更像传统意义上的智能客服。
如果一个机器人只能根据单号查订单，它更像一个自动查询工具。
但当不同能力开始协同之后，事情会发生变化。
它可以判断：
这是查单，还是咨询？
查单，就连接立刻云。
咨询，就调用立刻智能体。
有明确资料，就基于知识库回答。
没有足够依据，就明确告诉客户暂时无法确认。
这时候，它开始不只是“会聊天”。
而是在承担一部分原本由客服员工持续重复处理的工作。
对于货代企业来说，我们认为这才是 AI 真正值得落地的地方：
不是为了让机器人说更多话，而是让正确的问题，自动走到正确的处理通道。