用途：面向使用 MaestroQA 会话数据 QA 平台的团队，提供评分卡设计、辅导工作流、对话分析与集成配置的指导，并帮助将问题路由到合适的销售技能。
主要能力与用法：技能先收集上下文（可先读 references/learnings.md），再按需求分支回答——建立或优化 QA 评分卡、基于 QA 数据构建辅导流程、配置对话分析与 AskAI、集成帮助台/电话系统/CRM、通过仓库或 API 导出数据、监控 AI 聊天机器人质量、接入 CSAT 并与 QA 关联。评分卡设计建议每个评分卡从 5-8 条二元（是/否）标准起步，比 1-5 分制更快更一致，并可按合规、质量、销售效果加权分区。辅导上建议将低分自动关联到辅导会话，并用反向 ETL 把辅导任务推送到 Slack 或 CRM。分析上建议先用 AskAI 做自然语言即席查询，再构建自定义看板。API 自动化使用 Rippit API 做批量导出、CSAT 接入和坐席开通，速率限制 10 请求/秒、100 请求/分钟，批量操作每请求最多 500 项。聊天机器人 QA 可接入 Ada、Sierra、Agentforce 或 Forethought，用同一评分卡评分。跨平台对比、CCaaS 选型、实时辅导、帮助台选型、Salesforce 相关问题等会路由到对应技能。
适用场景：支持团队 QA 体系建设、QA 数据入仓（如 Snowflake）、CSAT 与 QA 分数相关性分析等。
限制：AI 分析与对话智能为付费附加项，需单独预算；Zendesk 工单同步通常需 1-3 小时，默认仅保留最近 30 天工单；API 令牌默认 90 天过期；UI 可能无法直接导出评分进度为 CSV/PDF，可用 Rippit API POST /request-raw-export 变通；看板自定义有限，高级分析需导出到外部 BI 工具；初始配置约需 2-4 周。资料中未提供的价格、具体集成清单等细节暂未提供。