把 AI 接进客服前，先做这张问题分流表

很多小团队一上来就想做“AI客服全自动”。我劝你先刹车。

真正能落地的客服 AI，不是把所有问题都丢给模型，而是先把问题分清楚：哪些可以直接答，哪些需要查资料，哪些必须转人工，哪些压根不该让 AI 碰。

这张分流表做好了，模型才像一个靠谱同事；没做分流，AI 再聪明也会变成“自信胡说”的值班员。

第一步：先把问题分成四类

建议从最近一个月的客服记录里抽 100 条，不用追求大数据，先手工分四类：

1. 固定答案类：营业时间、注册流程、发票规则、功能入口。

2. 资料查询类：订单状态、套餐余量、接口调用记录、工单进度。

3. 判断建议类：该选哪个模型、这个报错怎么排查、方案是否适合。

4. 风险敏感类：退款纠纷、账号异常、客户投诉、涉及隐私或合同的问题。

这四类里，第一类最适合 AI 直接回复；第二类必须接工具或数据库；第三类可以让 AI 给建议，但要保留人工确认；第四类不要逞强，直接转人工。

小团队最容易犯的错，是把第四类也交给 AI。短期看省人，长期看是在制造售后炸弹。

第二步：给每一类设置“允许动作”

分流表不是标签表，它必须告诉 AI 能做什么、不能做什么。

可以这样写：

这一步很关键。AI客服不是只需要“会说话”，更需要“知道边界”。边界越清楚，越不容易翻车。

第三步：知识库别一次性全塞进去

很多人做客服知识库，会把官网、产品文档、历史聊天记录全部丢给 AI。结果看起来资料很多，实际回答更乱。

更稳的做法是按分流表拆知识库：

• 固定答案库：只放稳定政策和标准话术。
• 排障库：只放报错原因、检查步骤、已知限制。
• 产品库：只放功能说明、适用场景、价格口径。
• 人工交接库：只放转人工时需要收集的信息清单。

这样做的好处是，AI回答时不会在一堆无关材料里“硬找关联”。对于小团队，知识库宁可少一点，也要准一点。

第四步：每条回复都加一个自检

上线前，我建议给 AI 加一段很朴素的自检指令：

回复前先判断：
1. 这个问题属于哪一类？
2. 我是否需要查询资料？
3. 有没有涉及退款、账号、合同、隐私等敏感事项？
4. 如果不确定，必须说明不确定，并转人工。

这段指令不高级，但很管用。它会把 AI 从“急着回答”拉回“先判断”。

第五步：先跑一周旁路，不要直接替人

最稳的上线方式不是马上让 AI 接待客户，而是先让它在后台生成建议回复，由人工点击确认。

一周后看三件事：

• 哪些问题 AI 已经能稳定回答？
• 哪些问题总是需要人工改？
• 哪些问题 AI 容易越界？

然后再把固定答案类放开自动回复，其他类别继续半自动。这样推进慢一点，但不会把客户体验当测试场。

小团队的正确顺序

如果你只有两三个人负责客服，不要一开始就追求复杂系统。正确顺序是：

1. 先做问题分流表；

2. 再整理小而准的知识库；

3. 然后让 AI 生成建议回复；

4. 最后逐步开放自动回复范围。

AI客服真正省下来的不是“所有客服人力”，而是那些重复、稳定、低风险的问题处理时间。

如果你想低成本测试不同模型的客服效果，可以在 8848AI 平台试试 Claude Sonnet 4.6、Gemini 3.1 Pro、Deepseek 等模型。api.884819.xyz 支持注册后直接对话，新用户注册即送体验token，国产模型也可以免费体验。重点不是一上来选最贵模型，而是用同一批真实客服问题做 A/B，对比谁更稳。

下一篇我会继续拆：客服知识库到底该怎么切块，才能让 AI 少答废话、多答准话。

#AI教程 #AI客服 #知识库 #8848AI #AI落地 #智能客服