
AI知识库是AI客服回答问题时使用的业务资料集合。商品参数、发货规则、售后政策和平台要求都可以进入知识库,但只有内容来源清楚、条件完整并且持续更新,AI才能据此给出可靠答案。把文件一次性上传并不等于知识库已经可用。
这篇指南适合准备使用AI客服,或已经建库但仍经常出现答非所问的卖家。搭建时应先确定处理范围,再整理资料、拆分答案、设置边界,并通过真实会话持续修正。
一、先理解AI知识库负责什么
AI知识库负责保存经过确认的业务信息,并在买家提问时为回复提供依据。它可以回答商品规格、使用方法、发货时效和售后条件,但不能替代订单系统中的实时状态,也不应自行决定退款、赔偿或例外政策。先划清范围,后续内容才不会混在一起。
二、实际执行时怎么判断
| 处理环节 |
具体做法 |
判断标准或边界 |
| 确定第一批需要覆盖的场景 |
第一次搭建不必追求收录全部资料。 |
可以先统计近一个月咨询,把重复出现、答案稳定且风险较低的问题列为第一批,例如尺码、材质、库存说明、常规发货时间和退换货入口。价格承诺、争议订单和特殊赔偿应保留人工确认。 |
| 整理可以作为答案依据的资料 |
商品页、店铺公告、售后政策、物流说明和客服历史话术都能成为资料来源,但应先核对版本。 |
不同店铺、市场或商品的规则不能直接合并。每条内容都要能说明适用对象、条件、有效时间和例外情况,避免只保留一句结论。 |
| 按问题场景拆分知识内容 |
知识条目应围绕买家会问的问题组织,而不是照搬整份文档。 |
一条内容解决一个主要问题,并补充必要条件和下一步。若同一问题在不同市场答案不同,应分别维护,不能让AI从几段相互冲突的规则中自行选择。 |
| 把固定知识和实时数据分开 |
商品材质和退换条件属于相对稳定的知识,订单状态、库存、物流轨迹和活动价格则需要读取实时数据。 |
知识库可以说明查询方法和处理规则,实时结果应来自对应系统接口。数据暂时不可用时,回复应说明需要核实并收集必要信息。 |
| 用真实问法完成上线测试 |
测试不能只使用知识条目的标题。 |
应从历史会话中抽取口语、错别字、简称、追问和信息不完整的提问,检查AI是否找到正确内容、是否补问缺失条件,以及在高风险问题上是否及时转人工。测试结果要保留,便于更新后复测。 |
| 从错误会话中补齐知识缺口 |
未命中、答非所问、人工大幅改写和买家重复追问都说明知识可能存在缺口。 |
先判断问题来自内容缺失、触发条件错误还是实时数据未连接,再决定补知识、改规则或收紧自动回复范围。只增加相似话术,通常不能解决根因。 |
三、先分清三类信息
| 信息类型 |
典型内容 |
正确来源 |
AI处理边界 |
| 稳定知识 |
材质 尺码 使用方法 售后条件 |
已确认的商品与政策资料 |
可直接引用 但要标明适用范围 |
| 实时数据 |
库存 价格 订单状态 物流轨迹 |
订单 商品和物流系统 |
先查询再回答 查询失败时说明需核实 |
| 需要判断 |
赔偿 例外退款 议价 责任认定 |
有权限的业务人员 |
收集信息并转人工 不自行承诺 |
判断知识库是否成熟,不看上传了多少文件,而看同一个问题能否找到唯一有效依据;缺少条件时会不会追问;遇到实时数据和权限判断时能不能停下来。
四、用一个库存问题检验边界
买家问“黑色M码还有吗”。知识库可以解释尺码和颜色选项,但库存结论必须来自实时商品数据。如果系统没有返回结果,合格回复应说明正在核实,并保留商品和店铺信息给人工;直接根据旧表格回答“有货”,即使语气自然,也属于错误答案。
五、建立持续维护和版本记录
知识库上线后仍会受到商品更新、活动结束、物流调整和平台政策变化的影响。建议明确维护人、复核人和下线日期,并记录每次修改原因。高频内容可以每周检查,低频规则按月检查,政策变化时立即复核相关条目。
六、用业务指标判断是否有效
评估知识库不能只看收录条目数量。更有用的指标包括有效回复覆盖率、重复追问比例、人工改写比例、未命中问题和高风险误答。覆盖率提高但人工纠错也增加,说明范围扩得过快,应先修正质量再继续放量。
七、第一次执行先检查这三项
- 先理解AI知识库负责什么:AI知识库负责保存经过确认的业务信息,并在买家提问时为回复提供依据。
- 确定第一批需要覆盖的场景:第一次搭建不必追求收录全部资料。
- 整理可以作为答案依据的资料:商品页、店铺公告、售后政策、物流说明和客服历史话术都能成为资料来源,但应先核对版本。
八、相关阅读