YundaDesk很多客服自动化卡住，不是因为 AI 不会说话，而是因为它只会说话。
客户问：“我的包裹为什么还没到？如果再不到能不能退款？”一个只会生成回复的机器人，最多解释物流时效、安抚两句、建议耐心等待。真正的客服动作却不止这些：先查订单，确认是否已发货；再看物流节点，判断是正常延迟、清关卡住还是丢件风险；如果客户要求退款，还要识别金额风险，准备上下文，转给有权限的人审批。
这就是多步技能的价值。它不是把 AI 写得更会聊天，而是把“查单、核对、判断、给方案、必要时转审批”编排成一个完整流程。对跨境卖家来说，这比多背几句 FAQ 更接近真实客服工作。
多步技能：把 AI 价值落到可核验数字
多步技能不是自动回复，而是一段可执行流程
普通自动回复解决的是“客户问 A，系统答 B”。多步技能解决的是“客户问 A，系统要先做 1、2、3，再根据结果决定答 B、答 C，还是转人工”。
一个典型的订单延迟技能，至少会有这几步：
- 识别客户意图：查物流、催发货、要求退款，还是投诉。
- 找到客户身份：合并网站、邮件、WhatsApp、Instagram 等渠道里的同一客户档案。
- 查询订单与物流状态。
- 按条件判断：未发货、已发货无更新、清关中、派送失败、疑似丢件。
- 生成可解释的答复或处理建议。
- 碰到退款、赔付、改价等高风险动作时，转人工审批。
这类 multi-step ai workflow 的重点不是“全自动到底”，而是让 AI 把低风险、重复、依赖上下文的部分先走完，把人的判断力留给真正需要判断的地方。
从一句问题拆出三个层次：查询、判断、动作
多步技能设计时，先别急着写提示词。更实用的做法，是把常见咨询拆成三个层次。
| 层次 | AI 要做什么 | 例子 |
|---|---|---|
| 查询 | 找事实，不做承诺 | 查订单状态、物流轨迹、客户历史对话 |
| 判断 | 按规则分支 | 未发货可改地址，已发货只能给承运商指引 |
| 动作 | 给方案或发起流程 | 回复客户、创建人工待办、提交审批 |
比如“我要改地址”这件事，不是一个固定答案。如果订单未发货，AI 可以引导客户补充新地址，整理给坐席确认；如果已发货，AI 应该说明当前限制，给出联系承运商或等待派送失败后的处理路径；如果客户同时提出赔付要求，就必须切到人工。
条件分支要写在流程里，不要藏在坐席脑子里
跨境客服的难点，常常不是问题本身复杂，而是分支太多：国家不同、渠道不同、物流阶段不同、客户语气不同，最后处理方式都不一样。
如果这些分支只靠老坐席经验，新人会答乱，AI 也会学乱。多步技能要把分支显性写出来：
- 订单未发货：可收集改地址信息，进入人工确认。
- 订单已发货但 72 小时无更新：解释可能原因，提醒客户继续关注，并标记为物流跟进。
- 清关中：按目标市场语言说明清关状态，不承诺具体放行时间。
- 客户要求退款：AI 收集订单、物流、诉求和历史沟通，转人工审批。
- 客户威胁差评或投诉：提高优先级，交给人工处理。
这也是 ai agent process automation 和传统自动化最大的区别：不是固定触发一个动作，而是根据上下文走不同路径。AI 可以先把事实查齐，把分支走到正确节点，但高风险决定仍然要人来拍板。
高风险动作必须转审批，不能为了省事放权
多步技能一旦能查单、识别客户、整理方案，就很容易让人产生一个危险冲动：既然 AI 已经判断得差不多了，退款是不是也能自动做？
不要。
退款、赔付、改价这类动作永远需要人工审批。AI 可以把审批前的脏活做完：把订单号、购买商品、物流节点、客户原话、历史处理记录、建议方案放在同一个上下文里，让负责人一眼能判断。但最后的按钮必须由人按。
| 风险级别 | AI 可以做 | 必须人工做 |
|---|---|---|
| 低风险 | 查物流、解释政策、推荐尺码 | 无需介入，除非客户要求 |
| 中风险 | 收集改地址信息、提示下一步 | 确认影响履约的操作 |
| 高风险 | 准备退款/赔付上下文和建议 | 审批、执行、审计 |
知识库给依据，Yuna 帮商家把经验变成技能
多步技能跑得稳，底座还是知识库。AI 客服面向客户回答时，必须从知识库、订单上下文和已确认规则里找依据；答不上、客户要求、或碰到高风险，就转人工。知识库可以来自上传文档、抓取网站、手动问答，也可以在日常运营中不断补齐。
但真正让团队省力的，是把坐席经验沉淀成技能。比如某个老坐席发现：“巴西客户问清关延迟时，先解释清关状态，再提醒可能需要配合税号信息，不要直接承诺补发。”这不该只停留在群聊里。
在 YundaDesk 里，Yuna 面向商家，不接触客户。你可以让 Yuna 帮你梳理这类经验，把它变成可配置的流程草案：触发条件是什么，先查哪些信息，哪些话能说，哪里必须转人工。最终仍由老板或负责人确认后生效。
如果要先补底座，可以从 知识库如何喂给 AI 开始；如果团队已经有大量人工经验，重点就该放在把经验变成可执行技能。
越用越聪明：学习建议先待确认，再生效
多步技能最有价值的地方，是它会暴露流程里的空洞。
AI 没答上、坐席补答、坐席点击“纠正 AI”，这些都不应该只停在一次对话里。更好的闭环是：系统生成待确认学习建议，老板在评审台查看来源、测试效果、决定采纳或丢弃。采纳后，才沉淀为技能、知识或客户记忆。
这个顺序不能反过来。学习建议默认不生效，必须经过确认；每条学习都要可追溯、可测试、可一键回滚。
多步技能上线前的检查清单
- 每个技能都有明确触发条件，不靠 AI 猜场景
- 每一步都知道要查什么数据、用什么依据
- 分支规则写出来，而不是只存在于老坐席经验里
- 高风险动作全部转人工审批
- AI 没答上或被纠正后，会生成待确认学习建议
- 新学习上线前可测试，上线后可回滚
这就是 越用越聪明 的正确姿势：不是让 AI 暗地里自己改自己，而是把团队每天处理出来的经验，经过确认后沉淀成更稳定的流程能力。
先从三类流程做起，别一上来编排全公司
多步技能适合从高频、规则清楚、风险可控的场景开始。跨境电商最常见的是三类：
| 场景 | 为什么适合先做 | 必须守住的边界 |
|---|---|---|
| 查单与物流解释 | 高频、信息明确、客户期待快 | 不承诺无法确认的到达时间 |
| 改地址与催发货 | 规则清楚，分支明显 | 影响履约的操作需人工确认 |
| 退款/赔付预审 | 信息收集耗时，人工判断关键 | AI 只准备材料，不执行 |
先把这三类跑顺，团队会很快看见变化：客户不必等坐席从多个后台翻信息，坐席也不用重复复制订单、物流、政策。AI 先接住，人工在需要时兜底，整个工作台的节奏会更稳。
多步技能的目标不是把客服变成无人值守机器，而是让 AI 真正参与流程：会查，会核对，会分支，会把风险交给人。能走完流程，才配叫智能客服；只会回一句话，最多只是更会说话的 FAQ。