FAQ页面不等于AI知识。本文用六个步骤讲清楚如何盘点、改写、设边界、导入、测试并持续优化,让客服AI答得准、不乱答。
很多团队以为,把网站上的FAQ页面丢给AI,客服机器人就能自动上岗。实际做过的人都知道,结果往往是:答案过时、说法互相矛盾,或者客人换个问法就答非所问。本文按顺序讲清楚六个步骤,帮你把现有FAQ整理成AI真正用得上的知识,并在上线后持续改进。
为什么FAQ页面还不是AI知识
FAQ页面是写给人看的。人会扫标题、跳着读、靠上下文猜意思,还能顺手点进相邻的页面补充信息。
AI不是这样工作的。它回答问题时,会从知识库里找出与客人提问最相关的几段文字,再据此组织回答。这意味着:
- 一条答案如果依赖"见上文""如下表所示",被单独取出后就失去意义。
- 同一件事在三个地方有三种说法,AI可能随机选其中一个。
- 写给内部同事看的缩写、简称,客人不会用,AI也就匹配不上。
- 过期的促销、旧的运费规则还躺在页面里,AI会很认真地照着回答。
所以第一步要转换思路:FAQ是原材料,不是成品。
第一步:盘点现有内容
先不要急着导入,花一两个小时把手头的资料摸清楚。常见来源包括:
- 官网的FAQ或帮助中心页面
- 店铺的退换货、物流、付款政策页
- 内部客服话术文档、WhatsApp或WeChat里反复复制粘贴的回复
- 帮助台或Wiki工具里的文章
- 产品说明书、PDF价目表
每一条内容都问四个问题:还正确吗?谁负责更新?有没有重复?客人真的会问吗?
一个简单的做法是建一张表,列出"来源、负责人、最后核对日期、状态(保留、改写、删除)"。盘点的真正价值不在于整齐,而在于发现矛盾。例如,网页上写"7天内可退货",而客服话术里写"14天",这种冲突必须在导入前由人来裁定。
第二步:为"检索"而改写,而不是为"页面"而写
改写不需要推倒重来,只需要让每条内容能独立成立。
一条答案,一个主题
把长篇混合文章拆成小段,每段只回答一件事。比如"运费与退货"这一大段,应拆成"运费如何计算""退货条件""退款多久到账"三条。
把问题写成客人的原话
客人不会问"退货政策",他们会问"买错尺码能退吗""我不想要了怎么办"。在问题里保留这些口语说法,在答案里再写正式信息。
每条答案自带完整信息
避免"详见上方说明"。把必要的条件、期限、例外直接写进去。
示例对比
改写前:
改写后:
(以上数字仅为示例,请按你自己的实际政策填写。)
处理多语言与多地区差异
面向新加坡、马来西亚、港台的商家,常见情况是不同地区的运费、税费、配送时效不同。建议在答案中明确写出适用地区,例如"新加坡订单"或"马来西亚订单",不要让AI自行推断。简体、繁体、英文的客人可以用各自语言提问,但事实内容务必只有一个来源,避免不同语言版本互相打架。
第三步:决定哪些事不该由AI回答
这一步最容易被跳过,却最能避免事故。先列出边界清单,常见的有:
- 涉及个别订单的赔偿与例外处理:需要人工判断。
- 医疗、法律、税务建议:AI不应给出结论性意见。
- 价格谈判、批发议价:交给销售。
- 投诉升级与情绪激烈的客人:转人工。
- 没有资料依据的问题:宁可坦白说不确定,也不要编造。
落实边界有两个层面。一是内容层面:不要把不该回答的东西放进知识库,AI没有依据就没法照着答。二是规则层面:在AI的角色设定与限制中,明确写出"遇到以下情况请转交人工"。再配合转人工的流程,让客人得到明确的下一步,而不是被晾在一边。
第四步:选择导入方式
不同的资料来源,适合不同的导入方式。
抓取网站
适合内容已经在官网上、结构清晰、更新有人负责的情况。优点是省事,缺点是页面里的导航、页脚、广告文字也可能被带进来,需要抽查。
手动录入问答对
适合高频、关键、需要精确措辞的问题,比如退款时限、保修范围。控制力最强,但需要人工维护。
上传文件与文本片段
适合PDF手册、价目表,或一段临时的活动规则。
连接现有文档工具
如果你的FAQ已经在帮助台或Wiki里,直接连接比复制粘贴更不容易过期,因为源头更新后可以重新同步。
实际工作中,最稳妥的组合往往是:用网站或文档工具作为主体,再用手动问答对补上最关键的二三十条。
第五步:上线前用真实问题测试
不要只用你自己写的问题测试,因为你写的问题天然和答案对得上。更好的做法是:
- 从过去的聊天记录、邮件、WhatsApp或WeChat对话里挑出五十个真实问题。
- 刻意加入错别字、简称、半句话、混用中英文的问法(例如"parcel 几时到")。
- 加入几个故意"刁难"的问题:资料里没有的、需要人工的、带有诱导的。
- 逐条记录:答对、答偏、编造、该转人工却没转。
重点看两类错误。一是"答错",通常是资料有冲突或过期。二是"不该答却答了",通常是边界没设好。前者回到第一、二步修内容,后者回到第三步补规则。
第六步:从真实对话里持续改进
上线不是终点。客人的真实提问,是最好的知识来源。建议建立一个固定节奏,比如每周花三十分钟:
- 查看被客人点踩或被标记的对话
- 找出AI答不上来、转了人工的问题
- 看看人工客服是怎么回答的,把好答案沉淀回知识库
- 删除或更新已经过期的内容
- 01盘点与改写
- 02导入并设好边界
- 03上线并观察真实对话
- 04修正答案再回到知识库
这个循环坚持下去,知识库会越来越贴近客人真实的说法,AI的表现也会越来越稳。
在 AI SNS CHAT 中怎么做
下面是用 AI SNS CHAT 落实上述步骤的路径。
导入资料。 在侧边栏的"Data sources"里,可以选择Files、Text snippets、Website、Q&A、Notion、Social、Tickets、Suggestions等来源。网站抓取适合官网FAQ,Q&A适合手动录入关键问答对,Files适合PDF手册。如果FAQ在文档工具里,可在"Channels"下使用Confluence、GitBook、ReadMe、Guru、Zendesk Guide、Notion,以及Google Drive、OneDrive、Dropbox、Box、SharePoint等连接器。Wiki类连接器单次同步上限为150万字符、400页,超出会提示被截断,所以内容很大时建议分批整理。
设定边界。 在智能体的角色设定与限制(guardrails)中写明哪些情况要转人工。转人工后,可在Helpdesk的Scheduling里按人员和时区排班,转接会自动分配给当班的人。转接时给客人的"接下来会怎样"说明由系统依据排班自动补上,不会编造等待时间。智能体设置里还有针对提示注入和滥用的过滤。
测试。 用Playground输入真实问题试答;也可以用Playground的A/B模型对比,看不同模型的表现。
渠道。 同一份知识可以用于网站聊天组件、WeChat、WhatsApp、LINE等渠道。
持续改进。 在 Activity → Chat logs 里可以筛选、标记对话,查看点赞或点踩评分。在聊天记录或邮件Inbox里接管对话后,可以把人工回复修改成理想答案,用来训练智能体。每个数据源会显示由谁添加、最后由谁编辑,Workspace settings → Activity 则记录所有创建、编辑、删除与上传操作,方便追溯。
另外,Synthia(仪表盘里的AI助手)可以用语音或文字带你找到对应的设置页面。套餐、功能与价格请见 价格页 与 功能页,渠道详情见 连接页。部分功能受套餐限制,例如Helpdesk需要Standard或以上,Advanced analytics需要Pro。
结语
把FAQ变成AI知识,核心不是技术,而是编辑工作:盘点、改写、划边界、测试、复盘。先把二十个最高频的问题做扎实,再逐步扩展,通常比一次性导入几百页更可靠。
常见问题
导入前必须把整个FAQ重写一遍吗?
不必。先挑最常被问到的二十到五十条,把它们改写成独立、完整、用客人口语提问的形式。其余内容可以先原样导入,再根据真实对话中暴露的问题逐步改写。但内容之间互相矛盾或已经过期的部分,建议导入前就处理掉。
应该抓取网站,还是手动录入问答对?
两者搭配最稳。网站抓取省事,适合作为主体;手动问答对控制力强,适合退款时限、保修范围这类措辞必须精确的关键问题。抓取后请抽查,确认没有混入导航或无关文字。
如果FAQ放在帮助台或Wiki工具里怎么办?
可以直接用连接器,例如Confluence、GitBook、ReadMe、Guru、Zendesk Guide或Notion,而不是复制粘贴。注意Wiki连接器单次同步有150万字符、400页的上限,被截断时系统会提示。
怎样避免AI回答不该回答的内容?
双管齐下:不要把不该回答的资料放进知识库,并在角色设定与限制里写明哪些情况要转人工。再配合Helpdesk排班,让转接有人接。上线前用刁难性问题测试,确认边界有效。
上线后怎么知道哪些答案需要修正?
在 Activity → Chat logs 查看被点踩、被标记或转人工的对话,找出AI答不好的问题。接管对话后,可把人工回复修改成理想答案来训练智能体,并定期清理过期内容。


