Agent接入微信后能自动执行操作，但不是所有客服场景都适合自动化。按"风险等级"和"频率"两个维度筛选，三类场景最适合Agent自动处理。

一、高频低风险——自动信息查询

"我的订单到哪了""这个产品多少钱""有没有现货"——高频且只读操作。Agent调查询工具拿数据，组织自然语言回复。零风险（不改动任何数据），高收益（占客服咨询量60%以上）。

这场景的Agent实现最简单：意图识别→选查询工具→执行→回复。不需要二次确认，不需要人工审核。是Agent接入微信后的第一个落地场景。

二、中频中风险——条件触发操作

"帮我改一下收货地址""帮我取消订单"——中频且写操作。Agent能执行但有风险（改错地址导致发错货）。处理方式：Agent执行前置条件校验（订单未发货才允许改地址），执行后发确认消息让用户核对。

条件触发的关键是"业务规则前置"——不是AI决定能不能改，是业务规则判断。AI只负责提取参数和组织回复，执行权限在业务规则层。

三、低频高风险——辅助人工处理

"我要投诉""商品损坏要赔偿"——低频但涉及金额和责任。Agent不适合全权处理，但可以做前置信息收集：引导用户描述问题、拍照取证、关联订单信息。收集完创建工单转人工。

辅助场景的价值是"减少人工的信息收集时间"——客服接手时不用再问"哪个订单""什么问题"，直接看工单处理。

三类场景对照

场景类型	频率	风险	Agent角色
信息查询	高	低	全自动
条件操作	中	中	带规则校验
纠纷处理	低	高	信息收集+转人工

三类场景实现

SCENE_RULES = {
    # 场景1：高频低风险——全自动
    "query": {
        "tools": ["query_order","query_logistics","check_stock"],
        "auto_execute": True, "confirm": False
    },
    # 场景2：中频中风险——带校验
    "modify": {
        "tools": ["update_address","cancel_order"],
        "auto_execute": False, "confirm": True,
        "rules": {
            "update_address": "订单状态必须为'未发货'",
            "cancel_order": "订单状态必须为'未发货'"
        }
    },
    # 场景3：低频高风险——收集+转人工
    "complaint": {
        "tools": ["collect_info","create_ticket"],
        "auto_execute": True, "confirm": False,
        "escalate": True   # 收集完转人工
    }
}

def route_scene(text):
    if extract_order_no(text) and any(
        k in text for k in ("到哪","物流","发货")):
        return "query"
    if any(k in text for k in ("改地址","取消","修改")):
        return "modify"
    if any(k in text for k in ("投诉","损坏","赔偿","质量问题")):
        return "complaint"
    return "query"   # 默认查询

def execute_scene(scene, wxid, text, plan):
    rule = SCENE_RULES[scene]
    tool = find_tool(plan["tool_name"])

    # 规则校验（场景2）
    if scene == "modify":
        order = erp_api.get_order(plan["params"]["order_no"])
        condition = rule["rules"].get(tool["name"])
        if condition and not check_condition(condition, order):
            sendText(WID, wxid, "抱歉，当前订单状态不支持此操作")
            return

    # 确认机制（场景2）
    if rule["confirm"]:
        sendText(WID, wxid,
            f"确认执行{tool['desc']}？参数：{plan['params']}"
            "\n请回复'确认'")
        db.save("pending", {"wxid": wxid,
            "tool": plan["tool_name"], "params": plan["params"]})
        return

    # 执行
    result = tool["func"](plan["params"])

    # 转人工（场景3）
    if rule.get("escalate"):
        sendText(WID, wxid,
            "已记录您的问题，正在转接人工客服处理")
        route_to_agent(wxid, f"{text}\n[工单信息]{result}")
    else:
        reply = llm_chat(text, context=str(result))
        sendText(WID, wxid, reply)

落地建议

三类场景按"风险从低到高"的顺序接入：信息查询先上（验证工具调用准确率），条件操作第二（验证规则校验），纠纷处理最后（辅助人工场景的价值验证）。工具调用的准确率取决于AI模型的工具选择能力——先测100条真实用户消息看选择准确率，低于80%就先优化提示词再上线。接口能力参考 Eyun 开发文档，平台开通见 Eyun 官网。