大部分 AI 客服失败在第一天
失败的典型路径是：接入一个大模型，接上群，然后就上线了。结果机器人要么答非所问，要么胡编乱造，三天后被群成员嫌弃，一周后被关掉。
问题在于把 AI 客服想成了一个聊天产品。实际上它更接近一个检索系统：核心不是生成能力，而是你给它喂了什么、允许它说什么、什么时候闭嘴。
第一步：先统计，别急着搭
搭建前必须做一件事：把过去一到两个月的真实咨询记录导出来，做归类统计。
你会发现一个规律：通常 10 到 20 类问题会覆盖 70% 以上的咨询量。例如：
- 价格与优惠：占 20% 左右
- 物流与发货：占 15% 左右
- 使用方法：占 15% 左右
- 退款与售后：占 10% 左右
- 账号与登录：占 8% 左右
这个统计决定了两件事：先做哪些（覆盖量大的优先），以及哪些不该让机器人碰（退款、投诉这类高风险问题）。
没有这份统计就去搭系统，等于闭着眼睛配置，做出来的东西大概率解决不了真正高频的问题。
第二步：建知识库，质量决定上限
知识库不是把产品手册丢进去就完事。有效做法是问答对形式：一条问题对应一条标准答案。
编写原则：
- 用用户的原话写问题，不要用内部术语。用户问的是 怎么退款，不是 售后流程咨询
- 同一个问题要写多种问法，覆盖不同表达习惯
- 答案要短，控制在 100 字以内，长答案用户不会看
- 答案中要有可点击的链接或明确的操作路径，而不是一段描述
- 时效信息单独标注，例如活动截止日期，需要定期更新
第一条和第三条最容易被违反。用内部术语写问题会导致匹配失败；写长答案会让用户在群里刷屏，体验极差。
第三步：设计回复策略
不要所有问题都用大模型生成。按风险分级处理：
- 标准问题（高置信匹配）：直接返回知识库标准答案，不经过模型。快、准、零成本
- 相似问题（中置信）：返回标准答案，并附一句 如果不是这个问题，请回复 人工
- 知识库未命中：交给大模型基于知识库回答，但必须限制它只使用库内信息
- 高风险问题（投诉、退款、法律）：直接转人工，不让机器人处理
第三条的约束至关重要。提示词中必须明确写：只能使用提供的资料回答，资料中没有的内容，直接说需要人工协助，禁止推测。
允许模型在知识库外自由发挥，是 AI 客服最大的风险源。一句错误的退款承诺，代价远超它省下的十次人工。
第四步：配置转人工规则
转人工不是失败，是必要的兜底。触发条件建议：
- 识别到负面情绪词汇或投诉意图
- 连续两轮机器人回答后用户仍在追问同一问题
- 命中高风险关键词：退款、投诉、举报、法律
- 用户明确要求人工
- 知识库匹配置信度低于阈值
第二条特别实用。用户追问说明没解决，此时继续让机器人尝试只会加剧不满。及时交给人是最优解。
转人工时要带上完整对话记录，避免用户重复描述一遍——这一点体验差异非常明显。
第五步：控制回复频率与形式
群场景和私聊场景的要求完全不同。
群里的核心原则是克制：不是每条消息都要回。建议只在被 @ 或识别为明确提问时才响应，且限制单位时间内的回复次数。一个喋喋不休的机器人，三天内一定被屏蔽。
回复形式也要简洁。群里的长篇大论会造成刷屏，正确答案加链接就够了，细节让用户自己点开看。
第六步：建立人工兜底与值班机制
机器人不能替代人工，只能拦截重复问题。必须有明确的值班安排：机器人处理不了的转入人工队列，并在承诺时间内响应。
特别要注意夜间和节假日。如果这段时间无人值班，机器人应该明确告知用户当前非服务时间、预计何时回复，而不是继续尝试猜测答案。
第七步：用日志反哺优化
记录所有交互，每周分析三类数据：
- 未命中问题：知识库没有的，需要补充
- 命中但用户不满意：答案有问题，需要重写
- 高频新问题：业务变化信号，可能需要产品或流程调整
第三类最有价值。用户反复问同一个之前没出现过的问题，往往说明产品某个环节设计得不清楚。这个信号比很多调研都准。
优化节奏建议：上线第一个月每周迭代一次知识库，之后转为双周或月度。知识库停更的那天，就是机器人开始失效的那天。
常见问题与误区
- 问：机器人总是答非所问？检查知识库的问题表述是否与用户真实问法一致。术语不匹配是最常见原因。
- 误区：让机器人处理所有问题。高风险和情绪化场景必须由人处理。机器人的定位是拦截重复劳动，不是替代客服。
- 问：用户不信任机器人怎么办？明确告知这是自动回复，并给出转人工入口。试图伪装成真人，一旦被发现信任损失更大。
- 误区：上线后就不管了。业务会变、产品会更新，知识库停更三个月后准确率会明显下降。
- 问：怎么衡量效果？看三个指标：拦截率（多少问题被机器人解决）、转人工率、用户满意度。只看拦截率会导致机器人硬扛不该扛的问题。
效率数据与实测结论
以一个日均 300 条咨询的电商社群为例：上线前需 3 名客服轮班；系统运行稳定后，机器人拦截约 65% 的重复问题，人工降至 1.5 人，平均首次响应时间从 4 分钟降到 10 秒内。
但要注意，拦截率不是越高越好。强行把拦截率推到 85% 以上，通常意味着机器人开始硬答它答不好的问题，用户满意度会不升反降。合理的目标是把重复劳动减掉，而不是把人减掉。