// runs next to your stack, not instead of it
flow "support-triage" {
watch inbox("support@")
classify labels: ["bug", "billing", "question"]
draft reply(context: docs + past_tickets)
review by: human // every time
handoff to: your_helpdesk
}团队应用场景
真实应用，而非演示
我们从真实任务或真实数据出发，将模型嵌入负责该任务的系统中。以下是我们最先考虑使用它的场景。
文档与邮件处理
发票、合同、工单和表单由模型而非人工读取。无论数据量多大，都会被提取、分类并路由到需要它的系统中。
检索企业自有知识
答案取自您的文档、知识库与既往工作记录，每条答案旁都会标明出处。
摘要与报告
冗长的邮件往来、通话记录和原始数据，按计划自动压缩为简短易读的报告。
嵌入产品内的助手
聊天助手和协作工具直接嵌入您现有的产品，功能范围严格限定在用户真正需要的部分。
队列分诊与标记
在有人打开队列之前，新进请求就已完成排序、标记与优先级划分。
实话实说
人工智能能做什么，不能做什么
我们交付过足够多的人工智能项目，深知它的局限。如果您的问题用一段简单脚本或一条数据库查询就能更好地解决，我们会在第一次通话中直接说明，并转而构建那个方案。
适用的地方
- 大批量重复性的语言工作：分类、起草、提取、标记
- 您已经在收集、但没人有时间读的数据
- 初稿和建议，交付前由人工审核
- 需要在人工打开之前完成分诊的队列
不适用的地方
- 有实际后果的最终决策。最终决定权始终在人。
- 数据稀少或混乱的问题。模型无法弥补缺失的输入。
- 一段简单脚本或一条数据库查询就能更便宜、更稳定完成的工作。
- 任何必须每次都完全正确、且没有审核环节的事情。