Автоматизация службы поддержки на письма пользователей

Когда-то я рассказал, как автоматизировал процесс ответов на отзывы пользователей в App Store и Google Play. Почитать можно в этом посте. Сделано достаточно тупо и в лоб. Есть база знаний с разбивкой по приложениям и платформам, она иногда пополняется мной же. Скрипт автоматизации читает отзыв пользователя и всегда составляет ответ на него без привлечения внешней помощи кожаного, а если есть проблема или запрос, которого нет в базе знаний, просит пользователя адресовать свой запрос в службу поддержки на указанный емейл. Это было начало 2025 и оно до сих пор каждый день работает. Я получаю только сводку в телеграм чатике. С момента запуска оно уже легко обрабатывало порядка 500 отзывов в день по всему миру, хотя рекорд в сутки кажется бывал и больше.

А вот автоматизировать на тот момент ответы на письма пользователей было сложнее и я на это подзабил до недавнего времени. Агентный подход изменил всё. И я снова вернулся к автоматизации.

В чём заключается проблема автоматизации ответов на эл. письма:

– Есть переписка с пользователем, он досылает ответы на ваши вопросы, прикладывает скриншоты или даже видео материалы. А может вернуться к вам через значительное время с новым вопросом.
– Ситуации в письмах порой сильно отличаются от тех, что обычно люди пишут в отзывах. В отзывах всегда достаточно простые кейсы и на крайний случай можно просто отправить пользователя в поддержку на емейл (пишите сюда, там вам помогут).

Мне был нужен агентный подход, а не просто: прочитал запрос >> глянул в базу знаний >> написал ответ.

Важно, чтобы агент изучал ситуацию комплексно, изучал цепочку обсуждения и понимал, какие вопросы уже задавались, какие ответы пользователем на какие вопросы уже досылались. И подстраиваться под ситуацию!

И только если агент сталкивается с ситуацией, в которой нужен кожаный, он пинговал бы человека, присылал пуш и спрашивал “Что делать в этой ситуации?”, а после того как ему опишут что делать, он составляет свой ответ, согласует с оператором и самое главное: добавляет этот сценарий в базу знаний!

И так я пришел к решению автоматизировать это прямо в Claude Code:

1. Сформировал первичную базу знаний, взяв за основу ту, что была сделана для ответов на отзывы.
2. Разбил базу знаний на общие ситуации и специфичные для каждой из платформ (конечно же ничего вручную я не делал).
3. Подключил мною ранее заготовленные скрипты для работы с почтовым сервисом (у нас в облачном аутлуке).
4. Описал агенту, что хочу команду для запуска ответов на письма (чтобы запускать первое время вручную).
5. Описал всё как должно работать, где база знаний, что делать и что не делать.
6. Подключил хук для отправки пуша в мак оси, чтобы агент призывал меня на помощь когда она ему требуется.
7. Объяснил, что агент должен использовать инструмент AskUserQuestion, чтобы предлагать мне варианты действий и всегда предлагать свой вариант ответа, на который я должен согласиться или попросить скипнуть это письмо (бывает и такое) или чтобы я мог описать вручную что в этой ситуации делать.
8. Агент должен учиться и запоминать в базе знаний мои решения и ситуации, которые я помог ему разрешить, а он до этого не знал как.

Агент = Claude Code.

Я хочу получать только сводку и не упустить вдруг неожиданно моменты, когда что-то пошло не так, например, после очередного релиза.

Так как база знаний была “пустовата” на старте, агент часто отвлекал меня на разные истории. Было ожидаемо и терпиво помогал ему (иногда конечно произнося про себя “да блин, опять тупишь”). Но постепенно, шаг за шагом агент дошел до точки, когда каждый день отвечает на 50-100 писем почти всегда автономно, кроме редких кейсов. База знаний пополнилась всеми возможными кейсами.

Теперь решение постепенно можно отпускать в свободное плавание, тем более Anthropic свой claw-агент делает. И да, всегда остаётся возможность для агента попросить помощи с конкретной ситуацией и мне от этого спокойнее. А удалять письма он не умеет 😅