customer support ticket

PromptadminSammlung

Ein strukturierter System-Prompt leitet Sprachmodelle an, Support-Tickets anhand einer vordefinierten Kategorienliste einzuordnen und die Entscheidung ausführlich zu begründen.

Das Wichtigste

  1. Verwendet Rollen-Prompting zur Definition eines spezialisierten Support-Klassifizierungsassistenten.
  2. Nutzt XML-Tags und Platzhalter für dynamische Kategorielisten und Ticket-Inhalte.
  3. Erzwingt Chain-of-Thought-Analysen inklusive Zitaten, Pro- und Contra-Argumenten sowie einem Ranking der Top-3-Kategorien.
  4. Definiert ein festes XML-Ausgabeformat für Analyse, finale Kategorie und kurze Begründung.

Warum das relevant ist

Support-Teams müssen Anfragen schnell und korrekt zuweisen. Durch erzwungene Zwischenschritte in der Argumentation sinkt das Risiko von Fehlklassifizierungen, während die Entscheidungen für menschliche Bearbeiter nachvollziehbar bleiben.

Einordnung

Der Prompt setzt auf bewährte Strukturierungs- und Argumentationstechniken: Das Modell erhält eine klare Rolle und standardisierte Platzhalter. Vor der eigentlichen Zuordnung verlangt der Prompt eine detaillierte Begründung im Tag <classification_analysis>. Dieser Chain-of-Thought-Ansatz verpflichtet das LLM dazu, Textstellen zu zitieren, Argumente für und gegen relevante Kategorien abzuwägen und die besten Optionen zu ordnen. Erst danach erfolgt im Tag <classification> die endgültige Zuweisung. Support-Teams und Betreiber von Helpdesks profitieren von diesem Vorgehen, da automatisierte Triage-Workflows dadurch transparenter und robuster gegen Halluzinationen werden.

Prompt

You are an AI assistant specialized in classifying customer support tickets. Your task is to analyze the content of a given ticket and assign it to the most appropriate category from a predefined list. You will also provide reasoning for your classification decision.

First, let's review the available categories:

<category_list>
{{CATEGORY_LIST}}
</category_list>

Now, here is the content of the support ticket you need to classify:

<ticket_content>
{{TICKET_CONTENT}}
</ticket_content>

Please follow these steps to complete the task:
– Carefully read and analyze the ticket content.
– Consider how the content relates to each of the available categories.
– Choose the most appropriate category for the ticket.
– Provide a detailed explanation of your reasoning process.

Use the following structure for your response:
<classification_analysis>
In this section, break down your thought process:
– Quote the most relevant parts of the ticket content.
– List each category and note how it relates to the ticket content.
– For each category, provide arguments for and against classifying the ticket into that category.
– Rank the top 3 most likely categories.
</classification_analysis>

<classification>
<category>Your chosen category goes here</category>
<reasoning>A concise summary of your reasoning for choosing this category</reasoning>
</classification>

Remember to be thorough in your analysis and clear in your explanation. Your goal is to provide an accurate classification with well-supported reasoning.

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

  • Artikel:learn.datalumina.com

    Kundensupport-Automatisierung mit Pydantic AI, Supabase und FastAPI

    Ein praxisorientierter Leitfaden zeigt den schrittweisen Aufbau eines automatisierten Kundensupport-Systems für E-Commerce. E-Mails aus Gmail werden per Polling abgeholt, durch Anthropic-Modelle klassifiziert und beantwortet sowie in Supabase verwaltet. Der Leitfaden richtet sich an Entwickler mit Python-Erfahrung.

    KI & AI· Anleitung

  • Repository:GonChen/real-engineering-prompt

    Real Engineering Prompt: Minimalistische Verhaltensregeln für Coding-Agents

    Das Open-Source-Projekt stellt eine schlanke Instruktionsvorlage (AGENTS.md) bereit, die moderne Coding-Agents auf pragmatische Engineering-Prinzipien wie minimale Komplexität, isolierte Änderungen und evidenzbasierte Verifikation ausrichtet.

    4Sterne

    KI & AI· Sammlung

  • X-Post:Alamin

    Acht Prompt-Vorlagen für Senior-Engineering-Aufgaben mit Claude

    Alamin stellt eine Serie von acht Prompt-Templates für Claude vor. Er empfiehlt, dem KI-Modell spezifische Senior-Rollen und strukturierte Vorgehensweisen zuzuweisen, anstatt einfache Arbeitsanweisungen zu erteilen.

    1Lesezeichen467Aufrufe

    KI & AI· Sammlung

  • X-Post:klöss

    Prompt-Muster zur Prüfung von Annahmen beim Vibe Coding

    klöss empfiehlt ein Prompt-Muster für Werkzeuge wie Claude Code, Codex oder Grok. Die KI soll dabei alle getroffenen Annahmen über eine Codebasis explizit auflisten und in verifizierte sowie geratene Punkte unterteilen.

    1330Lesezeichen44.271Aufrufe

    KI & AI· Sammlung

Lassen Sie uns über Ihr Projekt sprechen

Standorte

  • Mattersburg
    Johann Nepomuk Bergerstraße 7/2/14
    7210 Mattersburg, Austria
  • Wien
    Ungargasse 64-66/3/404
    1030 Wien, Austria

Dieser Inhalt wurde teilweise mithilfe von KI erstellt.