OpenClaw 有价值应用（2026-03-19）：多Agent ITSM自动化中台，让工单从"被人追着跑"变成"系统自转"

场景演示

痛点：IT团队被工单追着跑

• 员工提交工单，IT手动分诊、分派、催进度
• SLA计时靠人工，超时预警靠运气
• 重复问题每次都要人工回复，效率极低
• 知识库散落，工程师经常重复回答同类问题

用OpenClaw多Agent协作搭建ITSM自动化中台后：

员工提交工单
    ↓
[分诊Agent] 自动识别类型（硬件/软件/权限/网络）→ 打标签+优先级
    ↓
[路由Agent] 根据类别+当前工程师负载自动分配 → 通知对应工程师
    ↓
[SLA监控Agent] 全程计时，超时前主动预警 → 超时升级通知
    ↓
[知识库Agent] 匹配历史相似工单 → 自动回复解决方案草稿
    ↓
工程师只需审核/补充/关闭 → 工单闭环

一句话核心价值：工单从"被人追着跑"变成"系统自转"，IT团队从处理工单中解放出来做更高价值的事。

---

Step by Step

第一步：设计Agent角色矩阵

第二步：编写各Agent提示词（核心片段）

#### 分诊Agent提示词

你是一个IT服务分诊专家。分析以下工单，输出JSON格式的分诊结果。

工单内容：
{工单原文}

输出格式：
{
  "类型": "硬件|软件|权限|网络|其他",
  "紧急度": "P1(Critical)|P2(High)|P3(Medium)|P4(Low)",
  "影响范围": "个人|团队|全局",
  "摘要": "一句话描述问题",
  "建议": "初步处理方向"
}

规则：
- 紧急度P1：影响全局或核心业务停顿
- 紧急度P2：影响多人或关键流程受阻
- 紧急度P3：单人问题，不影响他人
- 紧急度P4：咨询/建议类

#### 路由Agent提示词

你是一个IT工单路由专家。根据以下信息，为工单分派最合适的工程师。

工单分诊结果：{分诊结果JSON}
当前工程师负载：
{工程师负载表}

分配规则：
1. 优先分派P1/P2给当前负载最低的P1/P2工程师
2. 同等负载时，优先分配有相关技术栈经验的工程师
3. P3/P4轮询分配，避免集中

输出：
{
  "分配工程师": "工程师姓名",
  "分配理由": "一句话说明",
  "预计响应时间": "X小时"
}

#### SLA监控Agent提示词

你是SLA守护者。持续追踪以下工单的SLA状态。

工单信息：
- 工单ID：{ticket_id}
- 紧急度：{priority}
- 创建时间：{created_at}
- SLA截止时间：{sla_deadline}

当前时间：{now}

判断逻辑：
- P1: SLA=4小时，超时前2h预警，超时后立即升级
- P2: SLA=8小时，超时前1h预警，超时后升级
- P3: SLA=24小时，超时前4h预警
- P4: SLA=72小时，超时前8h预警

输出状态：
{
  "状态": "正常|预警|已超时|已升级",
  "剩余时间": "X小时Y分钟",
  "建议动作": "当前应做什么"
}

第三步：编排多Agent工作流

用OpenClaw的 sessions_spawn 串联多个Agent：

# 分诊
triage = spawn(agent="triage-agent", task=f"分析工单：{ticket_content}")

# 路由（依赖分诊结果）
route = spawn(agent="route-agent", task=f"分诊结果：{triage.result}，负载表：{load_table}")

# 知识库检索（并行，不阻塞主流程）
kb = spawn(agent="kb-agent", task=f"检索相似工单：{ticket_content}")

# SLA监控（后台持续运行）
sla = spawn(agent="sla-agent", task=f"监控工单ID：{ticket_id}，SLA截止：{sla_deadline}")

# 汇总给工程师
engineer_notification(ticket_id, triage.result, route.result, kb.result)

第四步：配置工单系统对接

通过 OpenClaw 的飞书/邮件插件，实现：

• 新工单自动录入：飞书机器人接收员工提交 → 触发分诊Agent
• 分配通知：飞书消息直接@工程师，附带工单摘要
• SLA预警：飞书消息+邮件双通道推送
• 超时升级：自动通知IT主管，并附带工单处理历史

---

可复制提示词

完整工单分诊Prompt

你是一个IT服务分诊专家。分析以下工单，输出JSON格式的分诊结果。

工单内容：
{工单原文}

输出必须包含：
- 类型（硬件/软件/权限/网络/安全/其他）
- 紧急度（P1/P2/P3/P4，规则如下）
- 影响范围（个人/团队/部门/全局）
- 一句话摘要
- 初步处理建议

紧急度判定规则：
P1=核心业务系统停顿或全局安全事件
P2=影响多人或关键流程受阻
P3=单人问题，不影响他人
P4=咨询/建议/一般性询问

工程师负载查询Prompt

查询以下工程师的当前工单数量和技术栈，用于工单分配决策。

工程师列表：{工程师列表JSON}
目标工单类型：{工单类型}

返回每人当前_open工单数、专长标签、当前平均处理时长。

SLA预警Prompt

工单{ticket_id}当前状态检查。

- 创建时间：{created_at}
- SLA截止：{sla_deadline}
- 当前时间：{now}
- 紧急度：{priority}

请判断：
1. 是否需要发送预警？
2. 剩余时间？
3. 预警内容（给工程师）和升级内容（给IT主管）分别是什么？

---

使用的Skills

---

价值与注意事项

核心价值

1. 响应速度提升：分诊从人工平均5分钟 → Agent实时完成
2. SLA达标率提升：被动等待 → 主动预警，超时率大幅下降
3. 工程师效率提升：相似问题自动匹配知识库，减少重复回答
4. 可量化运营：工单处理时长、工程师负载、SLA达标率全部数据化

注意事项

• 分诊准确率：建议在上线前用历史工单做3轮测试调优，尤其是复杂边界case
• 知识库质量：知识库Agent的效果直接依赖历史工单数据质量，数据脏则输出脏
• 升级阈值：SLA预警时间节点根据实际团队情况调整，P1从2h预警改为1h预警可能更合理
• 不要完全托管：Agent负责辅助和预警，最终决策和例外处理仍需人工介入
• 隐私合规：工单内容可能包含员工个人信息，确保知识库检索范围做权限隔离

---

本文使用 OpenClaw 多Agent协作编排生成，参考了2026年ITSM自动化领域最新实践。