客服工单分流
从同一工单判断紧急程度、负责团队和严重性。
发送状态和类型化问题,在一个结构化响应中获得概率、选项或评分。
从同一工单判断紧急程度、负责团队和严重性。
选择下一队列或操作,并保留完整概率分布。
在工作流继续之前执行多个原子检查。
在当前 Crush 的全局 crushrc 中添加 openai-compat 类型的 ApiClo 供应商,地址为 https://apiclo.com/v1,密钥来自 APICLO_API_KEY。当前配置使用 Crush 内置 Bash 命令,旧 JSON 示例属于另一种配置格式。
Unix 使用 ~/.config/crush/crushrc,Windows 使用 %USERPROFILE%\.config\crush\crushrc。将 provider 命令写入该文件,不要当作普通 PowerShell 命令执行。
启动 Crush 前设置 APICLO_API_KEY。使用 model add 注册准确的 ApiClo 模型 ID,再用 model large 选择它。
仅为支持图片的模型设置 --supports-images true。先测试小型文本任务,再分别测试工具调用和附带文字问题的图片。
export APICLO_API_KEY="YOUR_APICLO_KEY"
$env:APICLO_API_KEY="YOUR_APICLO_KEY"
provider add apiclo --name "ApiClo" --type openai-compat --base-url "https://apiclo.com/v1" --api-key "$APICLO_API_KEY" --discover-models false
model add apiclo/claude-sonnet-5 --name "Claude Sonnet 5" --supports-images true
model large apiclo/claude-sonnet-5
发送一次小请求,在 ApiClo Logs 中核对准确模型、结果和扣费用量。分别验证工具和图片。客户端缓存设置不证明命中,应检查实际缓存读取与写入 token。
ApiClo 是独立网关。客户端接入不包含该客户端的订阅,也不保证所有功能。应按当前模型费率比较普通输入、缓存读取、缓存写入和输出;命中与节省取决于实际负载。
全部文档