一、三类问题，三条路

三条路的分工不是按难度分的，是按答案有没有唯一正确写法分的。 「会员九五折」只有一个正确写法，交给模型生成就可能被写成「九折」。 「保温多久」有十种说法都对，反而必须生成。 第三类最容易被忽略。答不上来不丢人，答不上来还硬答才丢人。 而且这类问题记下来，就是下一版知识库的原料。

二、知识库能覆盖多少

本课的知识库只有五段产品说明。 拿六句话去问，前五句在文档里都能找到对应的词，第六句（问老板）一个词都不沾。 但字面相似度给的分数很低：最高 0.16，最低 0.00。 原因是短问句碰长段落，重合的那几个词被句子长度冲淡了。 所以这一章判「文档里有没有用户说的那个词」，不判「分数像不像」。 真机上这一列由向量检索给分，数字会好看得多，可阈值这件事一样逃不掉。

阈值那条线比检索精度重要：低于它的不答，转人工。这条定不下来，后面全是空谈。

三、流程写在链里，答案放在表里

客服这块最常变的是答案，不是流程。 「营业时间改成早十点」「快递换成中通」，这类改动一个月一次，流程半年不动。 把变的那部分挪出去，运营就不用等技术排期。 这是第 13.4 节整节在讲的事。 反过来说，流程也别写成硬编码。分支条件、意图关键词这些，一样会变。

四、这一章七节的顺序

顺序不是按重要性，是按搭建顺序：先建骨架（13.2），再填两条支路（13.3、13.8）， 中间把表配好（13.4~13.7），最后测和发（13.9、13.10）。 照着这个顺序做，每一步都能单独测。 反过来先做知识库，做完不知道接在哪，调起来没头绪。

五、人工客服的账

取中位算，一个问题两分钟。一天一百个咨询是三点三小时——够一个人全职干半天。 这三个数是本课估的量级，不是实测。要说的是：客服的成本在「重复」，不在「难」。 重复的部分交给机器，人只管那 15%。这也正是三类要分开的原因。

六、动手 Demo：三类问题，三条路

先列三类的占比和各走哪条路，再拿六句话去问五段产品说明，看分数到底能不能用。 最后对比「FAQ 写进提示词」和「FAQ 放进表格」两种做法。

QS = [(u'这个杯子能保温多久', u'保温'), (u'能不能退货', u'退货'),
      (u'盖子能拆下来洗吗', u'杯盖'), (u'下单多久能到', u'送到'),
      (u'会员有什么优惠', u'会员'), (u'你们老板是谁', u'老板')]

for q, k in QS:
    sc = Q.retrieve(q, DOCS, top=1)[0][0]   # 字面相似度
    has = k in u''.join(DOCS)                # 文档里有没有这个词

实跑输出：

--------------------------------------------------------------------
三类问题，三条路
--------------------------------------------------------------------


  ① 一天一百个咨询，都是什么
  --------------------------------------------------------------------

| 类型 | 占比（本课估） | 例子 |
|---|---|---|
| 产品问题 | 60 | 这个保温杯能保温多久、能不能退 |
| 通用问题 | 25 | 你们几点上班、发什么快递 |
| 答不上来 | 15 | 你们老板是谁、能不能给我内部价 |

  三类里只有第一类值得建知识库。第二类写几条固定话术就够，第三类必须转人工。
  把三类分开处理，是这一章全部设计的起点。 混在一起答，只会三类都答不好。

  ② 三条路各管什么
  --------------------------------------------------------------------

| 类型 | 怎么处理 | 要求 |
|---|---|---|
| 产品问题 | 知识库检索 + 大模型生成 | 答案要有出处 |
| 通用问题 | FAQ 表里查固定答案 | 答案要一字不差 |
| 答不上来 | 转人工，并把问题记下来 | 答案要诚实 |

  第二类用表不用知识库，因为固定答案不需要生成。生成会改写，改写就可能出错。
  第三类最关键：答不上来要认，还要把问题记下来——这是第 13.10 节「FAQ 自动更新」的入口。

  ③ 知识库能覆盖多少
  --------------------------------------------------------------------

| 用户问的 | 字面分 | 文档里有没有这个词 |
|---|---|---|
| 这个杯子能保温多久 | 0.16 | 有 |
| 能不能退货 | 0.10 | 有 |
| 盖子能拆下来洗吗 | 0.00 | 有 |
| 下单多久能到 | 0.11 | 有 |
| 会员有什么优惠 | 0.10 | 有 |
| 你们老板是谁 | 0.00 | 没有 |

  字面分这一列全在 0.16 以下，最高的一句才 0.16。
  短问句碰长段落，字面重合被句子长度冲淡了，这个分数排不出先后。
  所以第二列只看一件事：文档里有没有用户说的那个词。前五句有，第六句（问老板）没有。
  真机上这一列由向量检索给分，数字会高得多，但阈值这件事一样逃不掉——低于它的不答，转人工。

  ④ 为什么要一张表
  --------------------------------------------------------------------

| 存哪 | 怎么改 | 谁改 |
|---|---|---|
| FAQ 写死在提示词里 | 改一条要改提示词、重发版 | 运营改不了 |
| FAQ 放进在线表格 | 运营直接在表里改 | 改完即时生效 |

  客服这块最常变的是答案，不是流程。流程写在工作流里，答案放在表里。
  这条分工定下来，运营就不用等技术排期了。第 13.4 节整节都在讲这张表。

①第一张表三类占比：产品 60、通用 25、答不上来 15，本课估的量级。 ②第二张表三条路各管什么：只有产品问题要生成，其余两个都不能生成。 ③第三张表六句话的字面分：最高 0.16，最低 0.00，这一列排不出先后。 ④第五列改判「文档里有没有这个词」：前五句有，第六句没有。 ⑤第六句问老板，分数 0.00、词也没有，只能转人工——这是设计好的第三条路。

30 秒实验

1. 把最近一周的真实咨询抄二十条下来，按三类打标。你的比例和 60 / 25 / 15 差多少？
2. 从「答不上来」那堆里挑五条，看看它们该进知识库还是该改产品页面。
3. 写一条判定规则：什么样的答案必须一字不差，什么样的可以生成。写不出来说明还没想清。

常见误区

1. 「三类混在一起答，模型自己会判断。」判得越多越不准，而且判错了你不知道。
2. 「分数低说明检索坏了。」短问句碰长段落，0.16 是常态，不是故障。
3. 「转人工是失败。」它是设计好的第三条路。答不上来还硬答才是失败。

思路定了，下一节建对话流。它和前面五章的工作流不是一回事——它有记忆。

• ☐ （本篇完，下一篇 13.2 创建对话流与基础配置）

相关笔记

• 案例实战：打造汽车行业智能客服：知识库怎么切块、怎么检索
• 扣子数据库概述：用表格代替写死的配置
• 创建对话流与基础配置：下一节建对话流
• 🐦 扣子开发 AI Agent · 索引