Zammad项目中即时通讯服务窗口关闭通知重复发送问题分析
问题描述
在Zammad客服系统与即时通讯平台集成的过程中,发现当用户一次性发送多张图片或多个文件到通讯渠道时,系统会在服务窗口即将关闭前(约23小时后)发送多条重复的"服务窗口即将关闭"通知。这显然不符合预期行为,理想情况下应该只发送一条提醒通知。
技术背景
即时通讯商业API与客服系统的集成通常会设置服务窗口(service window)机制,用于控制客户与客服之间的对话有效期。默认情况下,即时通讯对话有一个24小时的服务窗口,在此期间客服可以自由回复客户消息。窗口关闭前,系统会发送提醒通知。
问题根源
根据技术分析,这个问题源于系统清理提醒任务的机制存在缺陷。当用户发送包含多个媒体文件的消息时,系统可能为每个附件创建了独立的提醒任务,而没有正确合并或去重。在服务窗口即将到期时,这些独立的提醒任务会同时触发,导致用户收到多条相同内容的通知。
解决方案思路
要解决这个问题,需要从以下几个方面进行改进:
-
任务去重机制:在创建服务窗口关闭提醒时,应该检查是否已经存在相同对话的提醒任务,避免重复创建。
-
消息关联处理:对于包含多个附件的单条消息,系统应该识别这是一个完整的对话上下文,而不是多个独立的消息。
-
清理逻辑优化:改进现有的提醒任务清理机制,确保在适当的时候正确清理已完成或重复的任务。
实现建议
在代码层面,可以优化即时通讯Webhook消息处理模块中的提醒任务管理逻辑。具体可以:
-
在创建提醒任务前,先查询该对话是否已有待处理的提醒任务。
-
对于多媒体消息,将其视为一个整体处理,而不是为每个附件创建独立任务。
-
完善任务清理机制,确保在提醒发送后及时清理相关任务记录。
影响评估
这个问题虽然不会影响核心功能,但会给终端用户带来不良体验,可能降低用户对系统专业性的评价。及时修复有助于提升用户体验和系统可靠性。
总结
Zammad与即时通讯平台集成中的服务窗口提醒机制需要进一步优化,特别是在处理包含多个附件的消息时。通过改进任务创建和清理逻辑,可以避免重复提醒的问题,提供更加专业的用户体验。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00