商务酒店前台：用 Claude Code 给预订确认、常见问答、点评回复省时间

周五晚上七点。办理入住的队伍排了四组人。这时候预订平台的后台又弹出三条消息：“明天早餐几点开始？”，外加一条想换房型的请求；前一天住过的客人还留了一条三星点评。

我以前去前台帮忙的时候，这个时间段总是恨不得多长两只手。眼前的客人不想让人家等。可消息一搁置，第二天早上未读就堆过十条，点评回复硬是拖了三天。“知道你们忙，但回得太慢了”——又是一颗星没了。

这个死循环，我猜是很多商务酒店的日常。加人不容易。但哪怕只是那些套路化的来回，让 AI 先打个草稿，前台就能把精力放在“最后核对加发送”上。今天我就站在店长和前台的角度，讲讲这套机制怎么搭。

本文要点

商务酒店前台最吃时间的三件事——预订确认、常见问答、点评回复——都很适合用 Claude Code 自动打草稿。
AI 只管打草稿、给候选。发送按钮，以及涉及投诉、退款、个人信息的判断，一定攥在人手里。
文中放了三个可以直接复制的提示词模板，还有一个从点评 CSV 批量生成回复草稿的验证脚本。
客人姓名、预订号、银行卡信息绝不喂给 AI。把这条写成规矩，事故就堵住了。
一天省 30 到 40 分钟，按月算就不是小数。这点时间挪去待客和拉销售。

先把读者画像和现在的流程对齐

这篇文章设想的读者，是 40 到 120 间客房的单体店或小连锁商务酒店，前台两到四个人轮班的店长或领班。没有专职的公关或市场。OTA（携程、美团、Booking.com 这类预订平台）、官网直订、电话预订混在一起。基本是这个样子。

现在前台的一天，粗粗排一下是这样：

早上：核对当天入住的预订，把特殊事项（提前到、连住、发票抬头）梳出来
白天：回 OTA 消息和邮件，处理常见问答类的咨询
傍晚到夜里：办理入住、应对临时咨询、为第二天做准备
第二天起：查看点评并回复

这里头，每次都要从零想措辞的，是第二步的常见问答回复和第四步的点评回复。八成内容每次都差不多，可每回还是手敲。省时间就盯这两块。

现场常见的返工和糟心事

进入省时间的正题前，我先老实把现场的返工摆出来。搭这套机制的理由就在这。

回复明明是套路，每次还重新写，一条要花三到五分钟。条数一多就熬到夜里。
不同人写出来的语气七零八落。客气的和冷淡的混在一起，酒店给人的印象忽上忽下。
点评回复一拖再拖，结果搁了一整周。新客人一看，觉得这是家“反应慢的店”。
旺季手忙脚乱赶回复，把预订号或客人姓名贴错到另一位客人的消息里。这就是事故了。

最后这条可不好笑。手工活越多，贴错、发错就一定会发生。正因如此，草稿交给 AI、核对和发送交给人，这种分工才管用。

用例 1：预订确认消息打草稿

OTA 进来一笔预订，要发确认和指引消息的场景。理想做法是：在入住时间、停车、早餐时段、Wi-Fi 这些套路指引上，再加一句这笔预订特有的话（欢迎连住、核对发票抬头之类）。

这里关键是，别把真实的客人姓名和预订号输进 AI。让 AI 只做“模板”，专属信息由前台在自己手边填进去。

提示词模板（可以直接复制）。

你是一家商务酒店的前台。
请按以下条件，帮我写一条预订确认消息的草稿。
不要写专有名词（客人姓名、预订号），保留 [客人姓名][预订号] 这样的填充占位符。

# 酒店前提
- 入住 15:00-次日 01:00 / 退房 10:00
- 早餐 6:30-9:30（一楼餐厅，中西式自助）
- 停车：先到先得、每晚 50 元、不可预订
- Wi-Fi：全房间免费，密码写在客房卡背面

# 本次预订的特殊事项
- 连住（两晚）/ 需要核对发票抬头

# 输出
- 标题和正文
- 文体客气但别太僵硬，三到五行写完
- 末尾加一句“有任何疑问请随时告诉我们”

拿回来的草稿，前台只填占位符就能发。一条三分钟变成三十秒。

用例 2：常见问答做成模板

“附近有便利店吗”“能提前入住吗”“发票能分开开吗”。这类问题一个月来几十条，却每次都手敲。

这里更快的办法，是把二三十种常见问题一次性丢给 Claude Code，让它做一份回答模板集。做好的集子贴进公司内部共享文档，前台复制过去、稍改就能用。

问题类别	交给 AI 的范围	必须由人决定的范围
设施、周边信息	回答正文的全部草稿	最新营业时间、歇业信息的事实核对
提前入住 / 延迟退房	指引文和报价的模板	按当天空房情况判断能不能办
发票、付款	文案草稿	金额、抬头、能否拆分的最终核对
投诉、抱怨	仅一次回应的文案候选	退款、致歉的方针，能不能发

看表格右半边。事实核对和最终判断在人这边。 AI 会面不改色地写出“看起来很对的假话”。到便利店多远、附近店家几点开门，都要用现场的事实去覆盖 AI 的记忆，而不是反过来。这一条没得商量。

要是你对 Claude Code 的基本用法还没底，先看一遍给非工程师的 Claude Code 入门和 Claude Code 上手指南，后面的步骤就顺多了。

用例 3：点评回复批量打草稿

最见效的就是这一块。看着星数和正文，写一条带着感谢、致歉、改进方针，又贴合酒店人格语气的回复。既走心又快。这两头兼顾，纯手工很难做到。

那就把当周收到的点评汇成 CSV，让 Claude Code（或别的生成式 AI）一次性打草稿。前台读完草稿，加一两行专属的道谢或事实，再发出去。

下面是稳住语气的提示词模板。

你以本酒店店长的身份回复点评。
请守住以下语气和约束。

# 语气
- 先感谢。再具体提及点评内容。最后请客人再来。
- 对差评不找借口，用一句话表明改进意愿。不要过度道歉。
- 每条三到四句。为了不显得套路，从点评正文里挑一个词回应一下。

# 禁止
- 不提客人真名、房间号、预订号
- 不做无法确认是否属实的承诺（比如“一定改进”这类断言）

# 输入
星: 3
正文：“位置不错，但隔壁房间的声音有点吵”

# 输出
仅回复正文

越是差评，套路回复越是帮倒忙。光是挑出“声音有点吵”这个词回应一下，读到的人印象就会差很多。

交给 AI 的范围，和人必须判断的范围

三个用例里有条共同的界线，得明明白白定下来。没有它，便利的同时事故也会跟着多。

可以交给 AI 的事

套路消息、常见问答、点评回复的草稿生成
文体、语气的统一，给出多个候选
长点评的摘要、争议点的提取

人必须判断的事

按下发送按钮前的最终核对（这绝不交给 AI）
投诉、退款、纠纷处理的方针决定
涉及空房、价格、库存的能否判断
事实信息（营业时间、距离、设施）的对错检查

拿不准时的判断标准很简单：“出错了道个歉就能了，还是会动到钱和信用？”后者就攥在人手里。记住这一条，大事故基本能防住。

可直接复制：从点评 CSV 批量生成回复草稿

把上面用例 3 做成在自己电脑上就能跑的形式。这是个验证脚本：把每周的点评贴进 CSV，批量生成回复草稿。有 Node.js 和 Anthropic 的 API 密钥就能跑。

先看输入 CSV（reviews.csv）。表头只有星和正文。不建客人姓名、预订号那些列。 这是“不把个人信息喂给 AI”最简单也最可靠的办法。

star,body
3,位置不错但隔壁房间的声音有点吵
5,离地铁站近早餐也好吃
4,房间干净但办入住等了一会儿

脚本本体（review-reply.mjs）。

import Anthropic from "@anthropic-ai/sdk";
import { readFile, writeFile } from "node:fs/promises";

const client = new Anthropic();

// 极简的 CSV 读取（验证用，假定正文里不含逗号）
const raw = await readFile(new URL("./reviews.csv", import.meta.url), "utf8");
const rows = raw.trim().split("\n").slice(1).map((line) => {
  const i = line.indexOf(",");
  return { star: line.slice(0, i).trim(), body: line.slice(i + 1).trim() };
});

const system =
  "你是本酒店店长。先感谢，从正文里挑一个词回应一下，最后请客人再来。" +
  "三到四句。不提客人姓名和房间号。差评也不找借口，用一句话表明改进意愿。";

const out = [];
for (const r of rows) {
  const res = await client.messages.create({
    model: process.env.ANTHROPIC_MODEL || "claude-sonnet-4-6",
    max_tokens: 400,
    system,
    messages: [{ role: "user", content: `星: ${r.star}\n正文: ${r.body}\n仅输出回复正文。` }],
  });
  const reply = res.content.find((b) => b.type === "text")?.text ?? "";
  out.push(`【${r.star}星】${r.body}\n→ ${reply}\n`);
  console.log(out.at(-1));
}

await writeFile(new URL("./replies.txt", import.meta.url), out.join("\n"), "utf8");
console.log(`已把 ${rows.length} 条草稿输出到 replies.txt。`);

运行就这几行。

npm install @anthropic-ai/sdk
export ANTHROPIC_API_KEY=sk-ant-xxxxx
node review-reply.mjs

草稿会排在 replies.txt 里。前台打开它，加一句专属的道谢就能发。一周二十条点评回复，一小时缩到十五分钟。想把提示词调得更准，提示词工程进阶也能帮上忙。

上线前后，到底变了什么

数字会随酒店规模变，只能当参考。我把自己在小店里试出来的大致数据放这。

业务	上线前（每条）	上线后（每条）
预订确认消息	3 分钟	30 秒
常见问答回复	4 分钟	1 分钟
点评回复	5 分钟	1.5 分钟

假设一天预订确认十条、常见问答八条、点评四条，合起来大概省 30 到 40 分钟。按一个月二十天算，就是 10 到 13 小时。等于每个月白白多出前台一个人的半天还多。

省下的时间让点评回复能当天发出去，这事还能直接拉动销售。回复率和回复速度，跟 OTA 上给人的印象是直接挂钩的。比起省时间本身，原本转不动的活儿能转起来，我觉得这才是真正的价值。

安全和个人信息的注意点

便利的背面，这一块一旦没守住，信用瞬间崩。定几条最低限度的规矩，让全体前台共享。

客人真名、预订号、电话、银行卡信息，不要贴进 AI 的输入框。用占位符（比如 [客人姓名]）代替。
要把业务数据放进面向大众的免费 AI 服务时，务必确认输入是否会被用于训练、读一遍用户条款。选企业版套餐或不用于训练的设置。
脚本的 API 密钥别直接写死在共享电脑里，用环境变量传。一有人离职就换密钥。
AI 的输出一定要人读过再发。不要搭自动发送。这是最后一道防线。

中国的《个人信息保护法》也要求处理个人信息时明确目的、做好安全保障，企业可以参照官方的相关说明（中国政府网）。不管用不用 AI，住宿业本来就是个人信息的集散地。趁着引入 AI 这个机会，把公司内部规矩理一遍，会安心很多。

把规矩写成文字、让全队照着跑的做法，可以参考 CLAUDE.md（项目规约）怎么写。把“能给 AI 的信息”和“不能给的信息”写进一个文件，新人来了判断也不会跑偏。

常见问题

问：交给 AI，回复会不会变得很机器？ 答：在提示词里加上“从点评正文里挑一个词回应一下”，套路感会消掉不少。再让前台最后补一行，人情味立马就上来了。草稿八成、收尾那两成交给人，这才现实。

问：电脑不太行的员工也能用吗？ 答：只是复制提示词模板、把专属信息填进去的话，不需要什么特别技能。脚本那部分一开始请懂行的人弄好，运营时落到“打开文件、复制粘贴”就转得动。

问：投诉的回复也能交给 AI 吗？ 答：到给出草稿候选为止可以交，但发不发、用什么方针，一定由人决定。退款和致歉是经营判断。AI 是出选项的，人是做决定的，这么分才安全。

问：英文的点评和咨询也能用吗？ 答：能。提示词里加一句“用英文回复”就行。境外客人越多的商务酒店，能即时拿出多语言草稿的效果就越大。

实际试下来的结果

我让一位做小型商务酒店的朋友，拿上面那个点评回复脚本跑了一周的量（17 条）。我想确认两件事：“差评的语气会不会崩”，以及“个人信息会不会不小心混进去”。

四条差评里有三条，跑出来的草稿基本能直接发。剩下一条要提到设施特有的情况，这部分前台补了两行收尾。跟预想的一样，需要人动手的地方清清楚楚地分了出来。

个人信息这边，CSV 里压根不建姓名和预订号那些列，这个设计就管用了。不递出去就不会漏。道理很朴素，但这是最靠谱的。

体感上的变化，是点评回复从“三天后的活儿”变成了“当天顺手就办了的一件事”。从零开始想回复措辞的那道心理坎没了，影响最大。比起让 AI 聪明地全包了，把“草稿交给 AI、核对和发送交给人”这条线划清楚——这才是最贴商务酒店现场的做法，这回我又一次有了这个体会。

想按自己酒店的业务把模板理顺、想跟团队一起定运营规矩了，培训与导入咨询能陪你一起做出设计的入口。要是想先一个人动手摸摸感觉，就从教材与免费 PDF 开始吧。