嘉为蓝鲸 ITSM 工单分析技能

何时使用

✅ 使用此技能当：

需要分析嘉为蓝鲸 ITSM 工单数据
为新收到的工单提供处理建议
生成工单日报/周报/月报
识别高频问题/重复问题
监控 SLA 超时风险
工单分类/自动路由建议
不同流程的工单分析（字段自动适配）

❌ 不使用此技能当：

需要直接操作 ITSM 系统（创建/关闭工单）→ 需要 API 集成
实时工单通知 → 需要 Webhook 集成

数据输入方式

方式 1：CSV/Excel 导出（推荐）

从嘉为蓝鲸 ITSM 导出工单数据：

# 在蓝鲸 ITSM 后台：工单管理 → 导出 → 选择字段

⚠️ 重要：不同流程的工单字段可能不同

技能会自动识别和映射字段，你只需要导出包含以下基础字段即可：

嘉为蓝鲸标准字段	说明	必填
单号	工单唯一标识	✅
标题	工单标题/摘要	✅
服务目录	一级分类（如：IT 服务）	✅
服务	二级分类（如：网络服务）	✅
服务类型	三级分类（如：VPN 问题）	✅
状态	工单状态（待处理/处理中/已解决）	✅
当前步骤	流程节点名称	✅
当前处理人	当前负责人	✅
创建人	提单人	✅
提单时间	创建时间	✅
结束时间	解决/关闭时间	❌
挂起时间	暂停时间	❌
恢复时间	恢复处理时间	❌
流程版本	流程模板版本	❌

可选字段（如有则提供更详细分析）：

优先级（P0/P1/P2/P3）
SLA 截止时间
工单描述/详细内容
解决方案/处理记录

方式 2：不同流程的工单混合分析

技能支持混合分析不同流程的工单：

事件管理流程
请求管理流程
变更管理流程
问题管理流程

# 导出时可以选择多个流程的工单
# 技能会自动识别"服务目录/服务/服务类型"进行分类

核心功能

1. 字段智能映射

自动识别嘉为蓝鲸标准字段，支持不同流程的工单：

# 自动映射示例
字段映射 = {
    "单号": "ticket_id",
    "标题": "title",
    "服务目录": "service_catalog",      # 一级分类
    "服务": "service",                  # 二级分类
    "服务类型": "service_type",         # 三级分类
    "状态": "status",
    "当前步骤": "current_step",
    "当前处理人": "assignee",
    "创建人": "requester",
    "提单时间": "created_at",
    "结束时间": "resolved_at",
    "挂起时间": "suspended_at",
    "恢复时间": "resumed_at",
    "流程版本": "process_version"
}

2. 新工单处理建议

当有新工单时，自动分析并给出建议：

# 读取新工单数据
python scripts/analyze_ticket.py --input /path/to/new_ticket.csv

# 输出示例：
# - 工单类型：网络问题
# - 建议分类：基础设施组
# - 相似历史工单：3 个
# - 推荐解决方案：检查交换机配置...
# - 预计处理时长：2 小时

3. 深度分析（完整报告）

处理人工作量统计：

处理人分布（工单数/占比）
每个处理人的工单列表
工作量对比

响应时间分析：

已解决工单：平均响应时间、最快/最慢
未解决工单：平均等待时间、最长等待
Top 5 最慢工单列表

问题分类统计：

自动关键词分类（登录问题、服务宕机、监控告警等）
分类占比统计
重复问题识别

# 生成深度分析报告
python scripts/deep_analysis.py --input /path/to/tickets.xlsx

4. 工单趋势分析（支持多流程）

生成日报/周报/月报，按服务目录/服务/服务类型分层分析：

# 生成日报
python scripts/trend_analysis.py --input /path/to/tickets.csv --period daily

# 生成周报（按服务分类）
python scripts/trend_analysis.py --input /path/to/tickets.csv --period weekly --group-by service

分析指标：

工单总量趋势
平均响应时间（提单时间 → 首次处理）
平均解决时间（提单时间 → 结束时间）
一次解决率
SLA 达标率
按服务目录/服务/服务类型分布
按流程节点分布
处理人工作量
挂起率分析

5. 高频问题识别（按服务类型聚类）

识别重复问题，帮助建立知识库：

python scripts/cluster_issues.py --input /path/to/tickets.csv --threshold 0.8

输出：

高频问题 Top 10（按服务类型分组）
问题聚类分组
推荐知识库文章
重复提单识别

6. SLA 监控（考虑挂起时间）

监控即将超时/已超时的工单，自动扣除挂起时间：

python scripts/sla_monitor.py --input /path/to/tickets.csv --warning-hours 4

输出：

即将超时工单列表（<4 小时）
已超时工单列表
超时原因分析（处理慢/挂起久/其他）
实际处理时长 vs SLA 承诺

脚本说明

脚本	功能	输入	输出
`analyze_ticket.py`	单工单分析	CSV/JSON	处理建议
`trend_analysis.py`	趋势分析	CSV	Markdown 报告
`cluster_issues.py`	问题聚类	CSV	聚类结果
`sla_monitor.py`	SLA 监控	CSV	预警列表

配置说明

环境变量（可选）

# 嘉为蓝鲸 ITSM API 配置
export BK_ITSM_API_URL="https://<your-domain>/api/v1/itsm"
export BK_ITSM_API_KEY="your-api-key"

# 企业微信推送（可选）
export WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxx"

配置文件

编辑 references/config.json 自定义：

{
  "ticket_types": {
    "网络问题": "基础设施组",
    "服务器问题": "系统运维组",
    "应用故障": "应用支持组",
    "权限申请": "安全组"
  },
  "sla_hours": {
    "P0": 1,
    "P1": 4,
    "P2": 24,
    "P3": 72
  }
}

使用示例

示例 1：分析新工单

用户：分析这个新工单，给出处理建议
[上传工单 CSV]

→ 自动调用 analyze_ticket.py
→ 输出：工单类型、建议分类、相似工单、解决方案

示例 2：生成工单日报

用户：生成昨天的工单日报

→ 自动调用 trend_analysis.py --period daily
→ 输出：Markdown 格式日报，可推送到企业微信

示例 3：识别高频问题

用户：最近有哪些高频问题？

→ 自动调用 cluster_issues.py
→ 输出：Top 10 高频问题 + 聚类分组

示例 4：SLA 预警

用户：有哪些工单快超时了？

→ 自动调用 sla_monitor.py
→ 输出：即将超时工单列表 + 处理建议

输出模板

工单日报模板

## 📊 ITSM 工单日报

**日期**: 2026-03-11

### 核心指标
- 新增工单：**15 个** (↑2 个)
- 已解决：**12 个** (80%)
- 平均响应时间：**25 分钟** (↓5 分钟)
- SLA 达标率：**93%**

### 工单类型分布
1. 网络问题：5 个
2. 服务器问题：4 个
3. 应用故障：3 个
4. 权限申请：3 个

### 高频问题 Top 3
1. VPN 连接失败 (3 次)
2. 邮箱无法登录 (2 次)
3. 打印机无法连接 (2 次)

### 即将超时预警
- 工单 #12345：剩余 2 小时 (P1)
- 工单 #12346：剩余 3 小时 (P2)

参考资料

嘉为蓝鲸文档: references/blueking-api.md
工单分类规则: references/ticket-classification.md
SLA 策略: references/sla-policy.md

企业微信推送

和新闻推送一样，可以配置定时推送：

# 每天早上 9 点推送昨天的工单日报
cron: 0 9 * * *

推送配置参考 references/webhook-config.md。

Openclaw Itsm Skill