30 份 bug 报告里有 20 份，根本到不了开发手里

Metis 工单门户
AI
2026 年 5 月上线
4 分钟

这个里面有 AI。它最大的本事是问对问题。

8 秒读完

问题: 每天大约 30 份报告，大部分是问题，不是 bug。
决定: 一个 LLM 把每份报告和系统的数据模型、git 里的代码对一遍，然后分类：问题、bug 还是想法。
结果: 30 份里大约 20 份不用开发就处理掉了。四个月内重复升级的情况减少了 30%。

就这些。或者继续往下滑 ↓

共 9 张 · ← → 翻页 · 手机上左右滑

档案 03 · AI 工单门户

8 秒读完

问题

每天大约 30 份报告，大部分是问题，不是 bug。

决定

一个 LLM 把每份报告和系统的数据模型、git 里的代码对一遍，然后分类：问题、bug 还是想法。

结果

30 份里大约 20 份不用开发就处理掉了。四个月内重复升级的情况减少了 30%。

就这些。或者继续往下滑 ↓

点右边看下一张 · 点左边返回
我们收到很多用户反馈，大部分是问题，不是 bug。但每一份还是得有人读。

大部分“bug”其实是问题。
所以第一轮对话交给 Ask Metis，就像一个好的客服或 BA 那样问：发生了什么？你本来期望是什么？能发张截图吗？

它会问具体步骤，不只是一句“坏了”。
档案 03 · AI 工单门户 03 / 09
然后它去做功课：数据模型、git 里的代码，还有已有的工单。
1. 新报告
2. 询问细节
3. 查数据模型 + git
4. 是问题？直接回答
5. 是 bug 或想法？进 Jira
每 30 份里大约有 20 份其实是问题，当场就能回答。
轮到你了

有时候真的是 bug。然后呢？

先选一个，再往下滑。
A. 硬着头皮自己试
B. 把收集到的一切都交给一个人我的选择
C. 让用户等着

B。它会建好 Jira 工单，摘要、截图和会话录像都已经附上。

原则 01

自动化提问，不自动化决定

AI 负责收集和核对。修什么，由人来定。
开发在 Jira 里回复。带 [external] 标签的回复会出现在门户里，用户能收到回音，不用谁来回复制消息。

[external]

只要加上这一个标签，报告人就能看到这条 Jira 评论
会话录像显示对方实际点了什么，往往和他们记得的不一样。

原则 02

相信录像

人描述的是他们想做什么。录像显示的是他们做了什么。
猜猜这个数字
每天 30 份报告，AI 自己能处理掉几份？
你猜的：10

猜吧，没人看着。
小票 · METIS 工单门户
每天报告数
~30
AI 处理掉的
~20
重复升级
4 个月内 -30%
上线时间
2026 年 5 月
也在用的
PRINT.COM
每天省下的开发阅读
~20
没有一张工单没人读

一天二十份，不用开发。
向上滑 ↑ 下一个档案： 没人用的门户