用 AI ChatBot 打通奥哲云枢 BPM：从工单到知识库的一体化智能助手

在很多企业里，BPM 流程越来越复杂，IT 服务台却依然停留在“填表 + 打电话 + 发邮件”的模式：用户记不住入口，工程师疲于解释流程，知识库和工单系统各自为战，真正了解流程的人，永远在忙着“救火”。

基于这些一线需求，我们打造了一个 将 AI ChatBot 与奥哲云枢 BPM 深度集成 的解决方案：
让业务用户只需打开一个聊天窗口，就能 发起工单、查询进度、搜索知识、自动选派当班工程师，背后所有 BPM 流程与接口仍由企业 IT 自主掌控。

这套方案已经在真实生产环境落地运行，帮助企业在保持原有 BPM 规范和合规前提下，显著提升工单处理效率和用户满意度。

从“记流程”到“问机器人”：业务侧的体验变革

在没有智能助手之前，一个普通员工要报障，通常要经历：

• 找入口：是打开 BPM 门户？填 Excel？还是找本地运维群？
• 记流程：哪个系统问题选哪个应用？选择哪个流程模板？
• 描述问题：怎么写故障内容才能方便工程师快速定位？

这些都在无形中抬高了报障门槛，也占用了大量 IT 服务台的时间。

接入 ChatBot 之后，业务侧的体验变成了：

1. 打开聊天窗口，用自然语言说“我的门禁卡刷不开了”或“今天上午 10 点开始网络特别慢”；
2. ChatBot 自动追问关键问题（地点、时间、影响范围等），补全必要信息；
3. 一键确认后，系统直接在奥哲云枢 BPM 中创建标准工单，并返回工单号；
4. 后续在同一对话里就可以问：“我上次报的网络问题现在到哪一步了？”。

对业务用户而言：不需要理解流程，只需要说出问题。
而对 IT 团队而言：背后的流程、字段、责任人都依然按照既有 BPM 规范执行，没有牺牲治理能力。

你来定接口，我们负责把 AI 接到 BPM

很多团队在谈“AI+流程”时担心两点：

• 要不要重写现有 BPM 流程？
• AI 会不会绕过原有的审批规则和合规要求？

我们的设计原则是：你来定接口，我们只负责接入。

• BPM 仍由奥哲云枢 CloudHub 统一承载：
  • 工单流程、节点、审批规则全部保持不变；
  • 通过 CloudHub API 对接（如工单创建、状态查询、用户信息获取等）。
• ChatBot 只做三件事：
  • 把用户自然语言变成结构化字段（故障类型、地点、优先级等）；
  • 调用你已经定义好的 BPM 接口；
  • 把 BPM 的结果翻译成用户看得懂的自然语言回复。

换句话说，接口和流程由你设计，AI 只是在前面加了一层“说人话”的交互层。
这让方案既易于落地，又不会破坏组织已有的流程治理体系。

一个典型落地场景：IT 服务台的一天

以某集团 IT 服务台为例，接入我们的 AI ChatBot + BPM 方案后，日常场景大致变成这样：

场景 1：网络故障报障

• 用户在聊天里说：“今天财务部的网络一直断断续续，影响报销。”
• ChatBot 自动追问：
  • 具体楼层和工位？
  • 故障从什么时候开始？
  • 是否影响整层还是个别工位？
• 在对话中，系统同时调用 阿里云 DashScope + 向量数据库 的 RAG 知识库，对描述内容进行相似度检索：
  • 判断这更像是“楼层网络设备故障”还是“单点 PC 配置问题”；
  • 参考历史故障记录，给出建议优先级和故障类型。
• 用户确认后，一键生成 BPM 工单：
  • 故障类型、优先级、影响范围自动填写；
  • 关联到相应网络运维流程。

场景 2：自动选派当班工程师

• 工单创建完成后，后端根据排班信息（PostgreSQL 存储）和技能标签自动匹配当班工程师；
• ChatBot 在对话中向用户反馈：
  • “已为你创建工单 #20250301-001，当前由张三负责处理，预计 30 分钟内响应。”
• 对工程师而言，他们仍然在原有的 BPM 待办视图中工作，只是新工单的来源多了一个“AI ChatBot”，且信息更完整、分类更准确。

场景 3：知识问答和表单触发RAG

• 对于一些常见问题（如 VPN 使用方法、软件安装指引等），ChatBot 直接调用 RAG 知识库：
  • 优先尝试给出自助解决方案；
  • 当识别到问题复杂或多次尝试无效时，建议用户一键升级为工单。
  • 系统还可以根据各级处理人的关注点，自动查询知识库，直接在表单上进行展示。
• 这样一来，简单问题不再占用工程师时间，复杂问题又能快速进入标准流程。

技术架构一瞥：为 IT 团队准备的“安心底座”

虽然这篇文章重点在业务价值，但对于 IT 团队，我们同样有一套可落地、可运维的技术方案。

• 前端：基于 Next.js + Tailwind + shadcn/ui + Vercel AI SDK
  • 使用 SSE 流式显示 LLM 回复，聊天体验顺滑；
  • 支持“停止生成”与流式取消，避免“卡死”或幽灵消息。
• 后端：基于 FastAPI + PostgreSQL + 规则引擎
  • api/ 统一对话与消息管理；
  • bpm/ 模块对接奥哲云枢 CloudHub API，实现工单创建、查询等；
  • rag/ 模块整合阿里云 DashScope 与向量库（如 Milvus、pgvector）；
  • roster/ 与 rules/ 模块负责排班和派单策略。
• 安全与集成：
  • 通过 BPM SSO 与企业现有账号体系打通（如 /bpm-sso 登录流程），实现单点登录；
  • 采用 BFF 模式，前端通过服务端代理调用后端 API，避免将敏感凭证暴露到浏览器。

对于已有 DevOps 和监控体系的团队，我们也提供统一的日志与指标设计，方便纳入现有运维视角。

对业务管理者的价值：既要体验，也要可控

从业务和管理视角，这套方案的价值可以概括为三点：

• 一个入口，承载多个能力
  报障、查进度、查知识、看责任人，不再是四个系统四种路径，而是 一个聊天入口。
• 降低培训成本与流程门槛
  新员工不需要再熟悉复杂的 BPM 门户，直接用自然语言就能完成大部分操作。
• 在不破坏现有治理的前提下拥抱 AI
  所有工单仍然走 BPM 流程，所有审批仍然遵守原有规则，ChatBot 只是提高了“进水口”的效率和精准度。

对 IT 团队的价值：从“救火队”到“流程设计者”

对 IT 团队来说，这不只是一个“问答机器人”，而是一个 把你设计好的流程真正推向一线的界面层：

• 你可以继续用奥哲云枢 BPM 设计流程、配置表单、定义 SLA；
• 你可以在后端灵活调整规则引擎和排班策略；
• 你甚至可以按业务域拆分不同的 Prompt / 知识库，做精细化运营。

而 ChatBot 的职责很明确：
让更多最终用户愿意、也乐于走你设计好的“正道”流程，而不是在群里“私聊找熟人”。

已在生产落地，欢迎预约演示

这套 “AI ChatBot + 奥哲云枢 BPM + RAG 知识库 + 排班派单” 的方案，已经在真实企业环境中落地使用，并持续迭代优化。

如果你正在思考类似的问题：

• 如何让业务用户更愿意发工单、而不是“口头报障”；
• 如何用 AI 帮助一线工程师减轻重复答疑的压力；
• 如何在不推倒重建的前提下，让现有 BPM 流程真正“活起来”；

欢迎与你的团队一起，与我们预约一次线上或现场演示。
我们可以基于你现有的奥哲云枢 BPM 流程，共同设计一套“接口你来定，ChatBot 帮你接”的落地方案。