客服主管打开质检后台，几千通录音排在那里，一周能听完的不到一成。抽检的问题不只是量，还有偏差：抽到的多是短通话，真正吵起来的、反复解释的那几通，往往沉在列表底部。讯飞星火这类大模型能帮上的，是把「听」变成「筛」和「读」——先全量转写，再按规则挑出高风险片段，人工只复听该听的部分。
抽检之前先做全量初筛
按比例随机抽 5%，意味着一百通里看五通。样本一小，结论就飘：这个月投诉少了，可能只是没抽到。改成全量转写加规则初筛之后，人工看的还是几十通，但这几十通是筛出来的高风险，不是随机撞上的。
起步四条规则就够：出现禁语或绝对化承诺；单次静默超过 20 秒；语速明显偏离坐席自己的均值；同一通电话里打断客户三次以上。先跑一周，看命中里有多少是真问题。八成是误报，说明规则太粗，先改规则，别急着加规则。
转写质量决定后面所有环节。方言重、背景吵、坐席用耳麦离嘴太远，转出来就是错字连篇，规则跟着失灵。这一层没法靠提示词补救，只能从录音设备和话术上想办法。同样的收音问题，在会议与课堂的实时记录里也是头一道坎，设备摆位比模型选择更影响结果。
打分要拆成可数的动作
让模型「评价这通电话的服务质量」，得到的是形容词。改成按环节打分，结果才可比：开场白是否在 15 秒内完成、有没有核实身份、有没有复述客户诉求、方案是否说清时限、结束前有没有确认其他问题。五个环节，每项 0 到 2 分。
输出格式也要定死：通话编号、环节、得分、原文依据、扣分理由。有「原文依据」这一列，复核的人不用重听整通，直接跳到那句话。给不出依据的扣分，一律不算。
评分标准先人工校准。挑 30 通通话，自己和组长各打一遍，把分歧最大的几条写成细则，再让模型按细则跑。头一轮一致率低是正常的，改的是细则，不是模型。提示词怎么从通用模板改成贴合自己业务的版本，可以参考提示词改编的三个动作。
话术库按异议组织，不按产品
客服在电话里遇到的是异议，不是产品目录。客户说「太贵了」「别家更便宜」「你们是不是骗子」，这些都不是产品问题。话术库的一级目录按异议类型分：价格、时效、售后、效果预期、信任、比较，产品知识作为二级挂在下面。
每条异议写四样：触发信号、回应结构、不能说的话、升级条件。触发信号用真实通话里的原话，「能不能便宜点」「我再看看」才认得出；回应结构是接住情绪、给事实、给选项；不能说的话包括承诺赔付和替公司定政策；升级条件写清什么情况转主管。
团队共用的话术和产品资料，放进共享知识库做问答，比每人存一份文档更不容易过期。新人遇到没见过的场景，先问库，再问人。
三类高频场景的处理对照
| 场景 | 提示词要给什么 | 输出怎么用 | 判断标准 |
|---|---|---|---|
| 发货延迟 | 下单时间、当前物流节点、可承诺的新时限 | 解释加两个补偿选项 | 客户不再追问「到底什么时候到」 |
| 退换货 | 商品类目、签收日期、是否影响二次销售 | 判定依据加操作步骤 | 判定能对应到具体条款 |
| 价格异议 | 客户比价对象、可用优惠权限、不可承诺的底线 | 生成三档不同力度的回应 | 不越过权限，也不贬低同行 |
| 情绪激动 | 客户原话、已发生的时间线、上一轮承诺 | 只生成安抚与转接话术 | 三句内把对话从情绪拉回事实 |
这张表按「出错代价」从上往下排。越往下，越要有人在旁边盯着。
质检结论必须回到人
工具筛出来的是线索，不是结论。扣分、约谈、培训计划要由人作出，而且要能说清依据。可执行的做法是保留申诉：坐席对扣分有异议，可以申请复听，复听换一个人做。
录音告知不能省。通话开头 10 秒说明「本次通话会录音，用于服务质量管理」，这句话本身也是质检项。没有告知的录音，不能拿来当处罚依据。客户信息也要收窄：订单号、手机号、地址进模型前先打码，质检判断的是话术和流程，不需要知道客户住哪。
它做不到什么
它读不出反讽。客户说「你们可真行」，转成文字是一句中性陈述，情绪标签经常标成中性。方言、口音、多人同时说话，转写会把两句并成一句，说话人也可能标错。凡是会影响处罚结论的片段，必须回听原音。
它也不知道你公司的政策边界。同一句「我帮您申请补偿」，权限内是负责，权限外是越权承诺，模型分不出来。规则筛只能筛出「像问题」的通话，话术规范但让人不舒服的、流程走完但客户没听懂的，规则抓不到。
质检上线前的五条硬线
- 录音开头 10 秒告知用途，未告知不入质检
- 全量转写只做初筛，扣分由人决定
- 每条扣分附原文依据，给不出就不算
- 客户信息先打码，只留判断所需字段
- 保留申诉与复听通道，复听换人做
