Kundensupport

Von Connic

KI-gestützte Ticket-Triage mit Sentimentanalyse und RAG-gestützten Antwortentwürfen. Der Agent ordnet Tickets nach Priorität ein, blockiert Spam und speichert neue Lösungen.

KundensupportEinsteigerWebSocket HTTP Webhook E-Mail

Auf GitHub ansehen Quickstart

connic init my-project --templates=customer-support

Überblick

Die Pipeline klassifiziert eingehende Tickets nach Priorität, Kategorie und Kundenstimmung und entwirft anschließend einfühlsame Antworten mithilfe der semantischen Suche im Support-Retrieval. Middleware blockiert Spam-Absender mit StopProcessing, bevor das LLM ausgeführt wird, und spart dadurch Tokens. Neue Lösungen, die beim Entwerfen einer Antwort entstehen, werden für künftige Tickets im Retrieval gespeichert. Tools nutzen Context Injection, damit Runs lückenlos nachverfolgt werden können.

Use Cases

Kundensupport per Echtzeit-Chat

Ein per WebSocket verbundenes Live-Chat-Widget streamt Antworten, deren Ton sich nach der erkannten Kundenstimmung richtet.

Integration in Ticketing-Systeme

Tickets aus Zendesk oder Intercom werden per Webhook übernommen, automatisch klassifiziert und mit einem ersten Antwortentwurf ergänzt.

Aufbau des Retrievals

Das Support-Retrieval wird automatisch erweitert, wenn Agenten neue Lösungen erkennen und speichern.

Architektur

WebSocket / Webhook

support-pipeline

support-triager

support-responder

Retrieval

Erzeugte Projektstruktur

Der Befehl connic init my-project --templates=customer-support erzeugt diesen Dateibaum.

customer-support/
  agents/
    support-triager.yaml
    support-responder.yaml
    support-pipeline.yaml
  tools/
    support_tools.py
  middleware/
    support-triager.py
  schemas/
    ticket-classification.json
  requirements.txt
  README.md

Loslegen

Installiere das Template, erstelle ein Connic-Projekt und starte das Deployment. Mit Git startet jeder Push automatisch ein Deployment; die CLI funktioniert unabhängig vom Git-Anbieter.

Voraussetzungen

Python 3.10+
Ein Connic-Konto mit einem angelegten Projekt
Projektguthaben für ein connic/* KI-Modell oder Zugangsdaten für einen BYOK Provider

Projekt erstellen

Installieren und Projekt anlegen

Installiere das SDK und erstelle aus diesem Template ein Projekt.

terminal

pip install connic-composer-sdk
connic init my-project --templates=customer-support

Danach cd my-project

Bereitstellen

Als Deployment-Methode stehen Git und CLI zur Auswahl. Bei Git startet jeder Push automatisch ein Deployment; die CLI funktioniert mit GitLab, Bitbucket oder ganz ohne Git.

Git-Integration

Verbinde in Connic unter Projekt Settings → Git & Environments das GitHub-Repository
Ordne auf derselben Seite den Branch (z. B. main) der Produktivumgebung zu
Pushe das erzeugte Projekt in dieses Repository

terminal

git add .
git commit -m "Kundensupport Template hinzufügen"
git push origin main

CLI Deployment

Erstelle in Connic unter Projekt Settings → API Keys & MCP Auth einen API Key und kopiere die Projekt-ID
Führe im Projektverzeichnis connic login aus
Teste mit connic dev und Hot Reload, führe mit connic test Testsuiten aus oder starte mit connic deploy das Deployment für den Produktivbetrieb

terminal

connic login
connic dev     # Temporäre Entwicklungsumgebung mit Hot Reload
connic test    # Deklarative Test Suites ausführen
connic deploy  # In den Produktivbetrieb deployen

Verbinden und konfigurieren

Füge für Echtzeit-Chats mit Streaming-Antworten eine WebSocket-Verbindung hinzu. Optional lassen sich Eskalationen mit einer ausgehenden HTTP-Webhook-Verbindung an Slack oder PagerDuty weiterleiten. Ein connic/* KI-Modell nutzen oder BYOK-Zugangsdaten unter Projekt Settings → LLM Provider hinterlegen.

Vollständiger Einrichtungsleitfaden für Verbindungen Quickstart Guide Docs zu Verbindungen

Template-Quelle

Das vollständige Template lässt sich einsehen, verbessern oder für einen anderen Einsatz forken.

connic-org/connic-awesome-agents/tree/main/customer-support

Informationen

Publisher: Von Connic
Kategorie: Agent Templates
Schwierigkeitsgrad: Einsteiger
Funktioniert mit: WebSocket, HTTP Webhook, E-Mail
Quelle: GitHub

Weitere Agent Templates

Marketplace durchsuchen

Persönlicher Telegram-Assistent

Der multimodale Telegram-Assistent verarbeitet Text, Bilder, Sprache, Video und Dokumente. Er durchsucht das Web, speichert Notizen und Wissen und plant Erinnerungen mit persistenten Sessions.

S3-Dokumenten-Pipeline

Nach einem Upload in S3 liest die Pipeline den Inhalt des Dokuments aus, klassifiziert es und leitet es weiter. Sie unterstützt PDFs, Bilder und Textdateien sowie Retries bei Fehlern.

SQS-Bestellverarbeitung

Bestellungen aus SQS-Queues werden mit Betrugserkennung, Bestandsprüfung und Concurrency-Keys validiert und abgewickelt. Ergebnisse werden in einer ausgehenden Queue veröffentlicht.

E-Mail-Helpdesk

Der E-Mail-Helpdesk fragt Postfächer per IMAP ab, filtert automatische Antworten und klassifiziert Nachrichten nach Anliegen. Kontextbezogene Antwortentwürfe stammen aus dem konfigurierten Retrieval.

Rechnungsverarbeitung

Ein KI-Agent extrahiert strukturierte Daten aus Rechnungen. Ein deterministischer Tool-Agent validiert Summen und erzeugt prüfbare JSON-Ergebnisse. Bei Fehlern sind Wiederholungsversuche möglich.

Kafka-Betrugserkennung

Transaktionen in Kafka Streams werden in Echtzeit auf Betrugsrisiken bewertet. Die Bewertung berücksichtigt die Häufigkeit von Transaktionen, geografische Anomalien und kundenspezifische Muster.