FastGPT在工单处理中的探索和应用

廖文平

FastGPT在工单处理中的探索和应用 爱果 酷家乐技术质量 酷家乐技术质量 酷家乐技术质量 63篇内容 2024年08月16日 12:00 上海 背景工单的现状酷家乐工单系统，是由酷家乐测试架构组自建完成，是酷家乐线上问题处理、跟踪和分析的平台。我们先来看工单处理的流程，并通过工单处理流程中涉及到的一些角色职责和工作内容，分析出大家在目前工单系统建设基础上遇到的一些难点痛点：提单人的痛点：反馈问题时，需要提交的信息太多处理人的痛点：FAQ类问题多，且重复问题多，问题处理价值低排查链路长，排查工具分散，排查耗时久业务复杂，问题处理成本高通过几年的运行，对于提单人和工单处理人来说这些痛点，在现在团队协作和流程运作上，暂时也没有更好的优化手段或者解决方案。而FastGPT的出现，为我们提供了一些新的问题解决思路，这为大家借助工单系统处理线上问题时，提升问题处理效率，节省问题处理成本，提供了可能。FastGPT的现状这里我们要提到一个平台——FastGPT（能力介绍：https://doc.fastgpt.in/docs/intro/）FastGPT平台有知识库答疑的能力，这就意味着我们日常整理的一些FAQ和排查文档，可以被FastGPT利用起来，转化成工单问题处理SOP。这里还有一个细节点，问答输出包括“引用部分”，即，不管AI输出的回答有多发散，我们都能拿到我们想要的的自己输入的知识库内容。分析完工单处理过程中大家遇到的难点痛点，再结合FastGPT的能力，我们再来看看借助FastGPT我们可以做哪些事情。思路前面我们梳理了工单提单人和工单处理人各自的痛点，我们再来看看针对不同的角色我们可以做些啥提单人创建工单环节：是不是可以先咨询一下我们的提供的ChatGpt，一些误操作和FAQ类的问题对其解惑，自助解决。无法解决的情况，ChatGpt也可以按照我们预设好的模板分析这些问题并自动格式化填充，提单人不需要关心工单提交规范，就像企信里对话一样直接抛问题就行，即可以省去提单人提交工单的时间，也可以保障工单提交的更规范，问题更清晰。问题排查环节：可以获取相关问题的排查文档，排查工具等等，不需要工单处理人到各个环境去找对应的排查工具，知识盲区也不需要去cf各处去找排查文档，如果能自动帮我们拿到一些排查所需要的关键信息是不是更好，例如商品ID、方案链接，用户账户等等，ChatGpt的语言分析和提取能力还是很强大的，实现起来so easy。输出结论和解决方案：有没有一种可能，ChatGpt根据问题就能知道我想要什么结论，然后再把这些结论直接给到我，当然不只是简单的问答，文字输出的结论，而是经过一系列的加工查询等等，获取到的数据结论。ChatGpt没有执行能力，他不会去自动调用排查工具或者请求接口，他能做的应该是分析问题，知道解决这些问题应该获取到哪些数据，应该调用哪些工具或者接口，但是接下来执行的事情是不是可以交给有执行能力的平台去做，例如工单系统，通过工单系统来调用一些接口还是很容易的。ChatGpt帮我们去做分析，告诉我们需要请求哪些代码获取哪些数据，然后工单系统去执行，结合起来，好像是一个不错的新思路，新玩法。（好像也不新，之前有项目实现过类似if else的一个效果，chatpgt来判断，满足哪个条件然后走哪段代码，一样的chatgpt不能执行代码，但是可以交给idea去执行）实现整体架构我们将FastGPT与工单系统进行了融合。FastGPT负责识别问题，以及分配工单系统需要做哪些执行动作，工单系统负责去执行对应的动作，去拿数据，并将结果输出给工单处理人。这样即实现了，工单创建，系统自动分析和排查，最终一步到位给出问题的排查结论，极大提升问题处理效率，并且降低问题处理难度。具体落地的功能将FastGpt平台的问答应用嵌入工单系统，借助FastGpt平台，实现知识库问答功能运营等在提交工单前，可以先咨询这个被嵌入到工单系统中的FastGP问答应用，可以解决大部分FAQ类问题。FastGP问答应用绑定了酷家乐内部的知识库体系，保障了问答的准确性和可用性。将FastGpt问答知识库与排查工具融合，借助工单系统实现串联，达到系统自动处理问题或提取数据的目的此处是实现FastGPT分发问题的关键，即，此处的配置决定了FastGPT识别问题，并告诉工 单系统该做哪些执行。以下图配置为例：当有工单创建，问题描述为渲染慢或者渲染久时，FastGPT自动会匹配到“被搜索的内容”（问题场景），并且”将补充内容“（场景对应的排查思路）给到工单系统，告诉工单系统，你要去执行查询”渲染耗时“的动作。工单系统会根据数据库配置情况，去执行对应的数据获取接口，并将结果返回到工单系统前端。工单系统前端对数据进行格式化处理，辅助工单处理人对问题做判断和进一步处理。兜底策略，手动快速获取相关信息当有一些场景识别不准确，或者系统未能自动识别的情况，我们可以手动去告诉工单系统，我们需要哪些数据，也会进一步提升问题排查效率。成果以查询渲染失败工单为例，之前利用排查工具排查一条工单需要30分钟，现在借助chatgpt辅助处理，排查一条工单需要3分钟，直接提效90%。所覆盖到的工单，技术支持和故障台的工单平均处理时长缩短近3天。未来展望上面提到了，在提单人环节AI还是有很多事情可以做，希望用户的问题可以由FastGPT加工提炼后自动创建工单，减少提单人的提单成本。优化工单提交内容，减轻提单人提单成本的同时，使更多的信息可以被采集和识别，以便更多的排查结论通过系统自动生成，尽可能减少工单排查成本，进一步提升AI信息提取的有效率。实践下来，健全的排查工具和问题排查流程，对工单处理的提效是有帮助的，值得在各个业务线推广，持续推动各业务线做下去。推荐阅读：AI系列-谈测试团队自建大模型VS通用大模型酷家乐参加MTSC2024大会--精彩回顾酷家乐国际化多语言保障实践前端设计工具性能问题排查的一些思路与保障方法如何使用油猴插件提高测试工作效率如何有效开展大型项目的测试复盘