知识库不是把文件丢给AI就行。本文从客户问题出发,讲解如何写、选、测、维护知识库,让AI客服回答准确可靠。
很多团队以为,把产品手册、退换货政策和旧的常见问题文档全部上传,AI客服就能答对问题。实际情况往往是:AI引用了过期的价格,把两份互相矛盾的规则混在一起,或者在知识库没有答案时一本正经地"编"一个。
问题通常不在AI,而在知识库本身。本文从客户真正会问的问题出发,讲清楚怎么写、怎么选来源、怎么测试,以及上线之后怎么持续维护。
先从问题出发,而不是从文件出发
大多数人建知识库的第一步是"盘点现有文档"。更好的起点是"盘点客户的问题"。
文档是按公司内部的逻辑组织的:产品线、部门、年度版本。客户的提问则是按自己的处境来的:"我昨天下的单,现在能改地址吗?""寄到新加坡要几天?""WhatsApp上说的优惠码为什么用不了?"
一个实用的做法
- 打开过去几个月的聊天记录、邮件和社交平台私信,把重复出现的问题摘出来。
- 按主题归类,例如物流、退换货、付款、账号、产品规格。
- 挑出出现最频繁的前二三十个问题,先确保每一个都有清晰、完整的答案。
- 再把"答错代价高"的问题单独标出来,比如退款条件、保固范围、涉及费用的说明。
这样做有两个好处。第一,你写的内容一定是客户需要的,而不是公司想说的。第二,你会发现很多问题现有文档根本没有覆盖,这些缺口正是AI最容易出错的地方。
为检索而写:一段只讲一件事
AI客服回答问题时,并不是把整个知识库从头读到尾,而是先找出与问题最相关的几个片段,再据此组织回答。因此,每个片段是否"自成一体",直接决定了答案的质量。
一段一个主题
如果一份长达十页的《售后政策》里,退货期限、运费承担、换货流程、保固条款混写在一起,AI可能只检索到其中一半,答案就会残缺。更好的写法是拆成独立的小段,每段只回答一个问题。
把关键信息写在同一段里
不要写"如上所述""见前文""同上"。AI取到的片段里可能根本没有"上文"。每一段都应该包含完整的主语、条件和结论。
用客户的词,而不是内部的词
内部可能叫"逆向物流",客户说的是"退货"。内部叫"SKU缺货",客户说的是"没货了""什么时候补货"。标题和正文里都应该出现客户会用的说法,必要时把同义说法并列写出来。
写清楚边界
好的片段会说明"什么情况下适用,什么情况下不适用"。例如:
- 适用于:官网直接购买的实体商品,签收后7天内。
- 不适用:定制商品、已拆封的个人护理类产品。
- 例外:商品到货即损坏的,请客户提供照片,转人工客服处理。
这里的数字只是示范,请以你自己的政策为准。关键是:条件、例外和下一步动作都写在同一段里。
处理冲突、缺口和过期内容
知识库越大,越容易出现三类问题。
冲突
官网写"7天内退货",旧的活动页面写"14天内退货",两份都被AI读到了,它会怎么答?可能随机挑一个,也可能含糊其辞。解决办法很朴素:每个主题只保留一个权威版本,其余的删除或明确标注"已作废"。
缺口
客户问了,但知识库里没有。此时最重要的是事先决定AI该怎么办。常见的合理做法:
- 坦率说明目前没有确切信息,不猜测。
- 提供转接人工的选项,或者收集联系方式让同事跟进。
- 把这个问题记录下来,作为之后补充内容的线索。
在人格设定和约束里明确写上"知识库里没有的内容,不要推测,不要编造价格、日期或承诺",比事后补救有效得多。
过期
促销规则、运费、营业时间、库存政策,都是会变的。每条容易变化的内容,最好带上生效日期或负责人,这样复查时一眼就能看出该由谁确认。
不同类型的内容,选对来源
并不是所有内容都适合用同一种方式放进知识库。
| 内容类型 | 适合的来源 | 原因 |
|---|---|---|
| 高频、答案固定的问题 | 问答(Q&A) | 问题和答案一一对应,最不容易走样 |
| 产品手册、政策PDF | 文件上传 | 保留原始材料,便于更新替换 |
| 短小的补充说明、临时通知 | 文本片段 | 编辑快,适合局部修订 |
| 官网的帮助中心、产品页面 | 网站抓取 | 与线上内容保持一致 |
| 团队已经在维护的文档库 | 文档连接器 | 不必重复维护两份 |
| 订单状态、库存、会员资料 | 实时查询工具 | 这类数据随时变化,不应硬写进知识库 |
最后一行值得多说一句:订单状态、物流进度、库存数量这类"动态数据",不适合当作静态文字存进知识库。静态文字一旦写下就会过期。让AI通过集成去查询实时数据,知识库则只负责讲"规则"和"做法"。
上传之前先瘦身
有人觉得"多总比少好",把所有历史文件一股脑儿塞进去。实际上,过时的活动方案、内部会议纪要、草稿版本,都会增加AI检索到错误内容的概率。先问自己:这份文件,客户会问到相关问题吗?如果不会,就别放进去。
上线前,用真实问题测试
没有测试就上线,等于让客户帮你做测试。
建立一份测试题库
从前面整理的客户问题里挑出几十个,覆盖:
- 最常见的问题;
- 答错代价高的问题(退款、保固、费用);
- 故意问得含糊的问题("能退吗?");
- 知识库里确实没有答案的问题;
- 用不同语言或口语写法提出的同一个问题。
怎么判断"答对了"
不要只看语气是否流畅。逐条核对:
- 事实是否与权威来源一致?
- 条件和例外有没有漏掉?
- 没有答案时,是否老实说明,而不是编造?
- 需要转人工时,是否给出了正确的下一步?
发现错误后,先改知识库
AI答错时,不要急着在提示词里加一堆补丁。先看是哪种原因:知识库里没有这条内容?有两条内容相互冲突?还是写法太含糊?绝大多数时候,修改知识库本身比堆叠提示词更可靠。
上线之后,让它持续更新
知识库不是一次性工程。业务在变,客户的问题也在变。
- 01查看真实对话与差评
- 02找出答错或答不出的问题
- 03修改或补充知识库
- 04用同样的问题重新测试
每周或每两周的例行检查
- 翻看被客户点了"踩"的回答。
- 查看被转交人工的对话,看哪些本该由AI处理。
- 留意新出现的高频问题,例如新品上市、大促、物流延误。
- 促销结束后,及时下线相关内容。
让一线同事参与
客服同事处理接管的对话时,往往已经写出了更好的答案。把这些答案沉淀回知识库,是最省力的内容来源。
指定负责人
每个主题至少有一位负责人。没有人负责的知识库,几个月后一定会变成旧资料堆。
在 AI SNS CHAT 中怎么做
AI SNS CHAT 把上面这些步骤对应到了具体的位置。
添加知识来源。 在侧边栏的"Data sources"中,可以添加文件、文本片段、网站、问答(Q&A)、Notion、社交内容、工单和建议内容。高频且答案固定的问题适合用 Q&A 写;整份手册可以用文件上传;官网帮助中心可以用网站抓取。
连接已有文档。 如果团队已经在别处维护文档,可以在"Channels"下使用连接器,目前支持 Confluence、GitBook、ReadMe、Guru、Zendesk Guide、Google Drive、OneDrive、Dropbox、Box、SharePoint 和 Notion 等。需要注意,维基类连接器每次同步上限为 150 万字符、400 页,超出部分会被截断,系统会提示。另外,抓取页数、每个来源的大小等限制由管理员设定,详情可参考 /pricing 的套餐说明。
实时数据走集成。 订单、库存等动态信息,可通过 Actions 与集成查询,例如 Shopify、Stripe 和各类只读查询工具。集成功能需 Hobby 及以上套餐。
设定"没有答案"时的行为。 在人格与约束中写明不可推测。需要人工介入时,可以在 Helpdesk 的排班中设置值班人员,转接提醒可发送到 Slack、Teams、LINE WORKS、WhatsApp、邮件或 webhook。
测试。 上线前用 Playground 反复提问,也可以用 A/B 模型对比功能比较不同模型的回答。
持续改进。 在 Activity → Chat logs 中可以筛选、标记、升级和导出对话,并查看点赞与点踩评分。网站聊天、WeChat、WhatsApp、LINE 等渠道的对话都会汇集在这里。接管对话后,可以把回复编辑成理想答案来训练 AI。每个数据来源会显示添加者和最后编辑者,Workspace settings → Activity 则记录每次新增、编辑、删除或上传,方便追溯是谁改了什么。
若你不确定该从哪里开始,侧边栏的 Synthia 可以语音或文字回答产品使用问题,并带你走到对应的页面。更多功能可查看 /features,渠道清单见 /connections,开始试用可前往 /signup。
常见问题
知识库要多少内容,AI才能答好?
没有固定的数字。重点是覆盖客户最常问的问题,并且每个答案都完整准确。先把前二三十个高频问题写好,上线后再根据真实对话逐步补充,通常比一开始追求"大而全"更有效。
手上所有资料都应该上传吗?
不建议。过期的活动方案、草稿、内部会议纪要、互相矛盾的旧版本,都会增加AI引用错误内容的机会。先挑出客户可能问到的内容,清理冲突和过期部分,再上传。
知识库里没有答案时,AI应该怎么办?
应当坦率说明没有确切信息,不推测、不编造,并提供转人工或留下联系方式的选项。事先在人格与约束里写明这一点,同时把这类问题记录下来,作为之后补充知识库的线索。
知识库多久复查一次?
建议每一到两周看一次差评、转人工的对话和新出现的高频问题。促销、运费、政策变化时则应立即更新。给每个主题指定负责人,复查才不会落空。


