客服与质检这类场景里，待处理的条目往往来自两个方向：一路是语音转写出来的文本，一路是业务系统里本来就存在的工单文本。两路混在同一个队列里，先到先处理看起来公平，但结果常常是该快的慢、该细的粗。
一、先给结论
结论是：混合队列不能按先来后到，要按三类属性排序。给每条任务打上来源、时效、风险 3 个标签，按标签折算出一个优先级分数，队列按分数出队而不是按到达时间出队。这套做法本身不复杂，难点在于标签的判定规则要能自动跑。
二、来源不一样，处理代价也不一样
语音转写的条目通常更长、噪声更多，处理耗时天然偏高；工单文本结构化程度高，处理起来快。如果不区分来源，语音条目会持续挤压文本条目的时间，反过来文本条目多的时候也会把语音条目饿死。做法是给两路各设一个并发配额，避免一路把另一路挤空。
公开资料里有一个可参考的规模：某金融集团的质检场景覆盖 2200 名客服，年通话量 15 万条量级，投入 70 人对结果做确认，整体效率提升约 10%。在这个量级下配额机制是必需的，否则队列会长期偏向耗时短的一侧。
三、时效标签怎么定
时效不是越短越好，而是要和业务承诺对齐。常用的分 3 档：当日必须出、3 日内出、按周批量出。三档对应不同的出队权重，当日档权重更高。档位要写进任务属性里，不能靠人工记。有一个容易忽略的点：时效档位应当允许在任务积压时被系统自动上调，而不是等人来改。
四、风险标签怎么定
风险高的条目一般涉及对外承诺、涉及资金、涉及合规口径。这类条目的共同特点是，错了要改的是已经发生的对外结果，纠正成本高于处理成本本身。风险标签的判定规则要能自动执行，常见做法是关键词命中加字段阈值。命中之后不自动处理，而是转入人工队列并排在前面。某寿险主体上线 600 个以上场景，累计运行 3.6 万小时，在这样长的运行周期里，风险标签的误判会被时间放大，所以规则上线前要用历史数据回放一遍。
五、我们踩过的三个具体坑
一是把优先级做成静态的。任务积压久了优先级应该随时间自然抬升，否则老任务会被新任务一直插队。后来加了一个随时间衰减的加权项。二是配额设得太死。两路的配额固定比例之后，遇到一路洪峰另一路就闲置。后来改成在上下限之间浮动的弹性区间。三是回捞动作没有上限。抽检不合格的条目回捞是必要的，但连续回捞会长期占用队列。后来加了回捞次数上限，超过的转人工。
六、行业里已经跑到什么规模
某保险集团的客服回访场景里，回访效率提升约 305%，响应速度提升约 200%，年处理量 68 万件以上。某银行的自动化体系覆盖 35 个以上部门、500 个以上流程，一年省下 51.7 万小时。这些数字说明混合队列的管理水平直接决定规模上限。企业级智能体自动化在客服与质检这类场景里，队列设计往往是先被忽略、后被反复重构的一环。
七、怎么验证这套机制真的生效
队列等待时长分布：按来源分别统计，看两路的差距是否收敛到可接受区间。
当日完成率：时效标签为当日的条目在当日完成的比例。
高风险条目的人工介入率：过高说明自动判定过宽，过低要怀疑漏判。
抽检不合格率：衡量自动处理的准确水平。
这 4 项里，队列等待时长分布更能反映配额是否合理。
检查清单
是否区分语音与文本两路来源。
是否为两路各设并发配额并允许浮动。
时效标签是否与业务承诺对齐、是否可自动上调。
风险标签是否有自动判定规则。
优先级是否随时间抬升。
回捞次数是否设了上限。
