客服机器人答非所问，根因通常是它没读你家资料。把产品文档、FAQ、工单库喂进去，让模型照着资料答，准确率立刻不一样。
快速结论
- 好客服机器人靠 RAG：先搜资料再生成，答案有依据不瞎编。
- 资料质量决定上限，过期文档会养出一本正经的错答。
- 搞不定的问题要能识别并转人工，别让用户卡死在机器人里。
- 每次会话留档，高频问题反哺知识库，机器人越用越聪明。
为什么直接调模型会翻车
裸模型没见过你家产品的退换货规则、价格表、服务范围，被问到只能靠训练里的通用知识硬编，结果就是答非所问甚至编造。客服最忌讳”看起来很对其实全错”的回答，会直接毁掉信任。
解决办法是让模型先读资料再答，而不是凭记忆答。这就引出 RAG：把用户问题拿去资料库里搜最相关的几段，再把这几段作为依据塞给模型，让它基于资料生成答复。答案从”编的”变成”查的”。
资料怎么准备才不坑
资料质量直接决定机器人上限。第一，文档要最新，过期的价格和政策会养出一本正经的错答；第二，拆成小段而非整篇上传，模型检索更准；第三，FAQ 写成”问题—标准答案”对，方便直接命中。
还要处理冲突：同一件事两份文档说法不一，机器人会乱选。建资料时指定一份为权威源，检索优先返回权威源。资料库不是越杂越好，干净、新鲜、有主次，比堆量重要。
检索与生成怎么配合
用户提问后，系统先把问题向量化，去资料库捞最相近的几段（一般 top-3 到 top-5）。这几段和原问题一起送进模型，要求它”只依据所给资料回答，资料没有就明说不知道”。
这个约束很关键。没有它，模型会用通用知识补窟窿，反而引入幻觉。把”不知道就说不知道”写进提示词，机器人宁可转人工也不胡答，用户体验反而更好。
什么时候必须转人工
三类情况要果断交人：一是检索不到依据，模型判断信心低；二是涉及退款、改密、投诉等高敏感操作；三是用户连续两轮没被满足、情绪明显转差。转人工不是失败，是兜底体验。
转接时要带上下文。把已聊内容和已检索到的资料一并交给人工，客服不用让用户从头讲。好的交接能让人工接手即处理，用户感觉不到中间换了个”人”。
用会话反哺知识库
每次机器人答不上或答错，都是知识库的缺口信号。把这些”卡住的问题”攒起来，定期由运营补进资料或写成新 FAQ。机器人不是上线就完了，而是靠真实对话持续长大。
更进一步，统计哪些问题被反复问、哪些常转人工，优先补这些主题的资料。把运维从”救火”变成”填空”，机器人覆盖率会稳定爬升，人工压力逐月下降。
上线前的四项检查
一查资料是否最新且无冲突；二查”不知道就转人工”的约束是否生效；三查敏感操作是否一律不自动处理；四查转接是否带上下文。四项都过，机器人才能接真实用户。
灰度也别省。先接 10% 咨询量，对比机器人解答率和满意度，确认不劣于旧流程再扩。客服是直面用户的门面，翻车一次影响的可能是整片口碑。
衡量效果的四个数
看自助解决率（多少问题机器人自己搞定）、转人工率（太高说明资料缺口大）、答非所问率（抽样人工判）、用户满意度。四个数合成一张周报，哪条掉就修哪条。
别只盯”接了多少会话”这种虚高指标。能自助解决且用户满意，才是真价值。把指标对齐到”少让人等、少让人重复说”，机器人就算用对了。
多渠道与多语言
机器人不是只接网站客服框。把同一套资料同时接进公众号、App、工单系统，用户在哪问都能得到一致答案。一致性靠的是共用一个资料库，而不是各渠道各养一份。
多语言也别靠模型现翻，容易翻错术语。正确做法是资料本身多语言准备，检索时按用户语言选对应版本，生成只用该语言资料。翻译交给资料，模型只管基于正确资料作答。
冷启动：资料少怎么办
新站资料不多也能起步。先把最常被问的二三十个 FAQ 写成标准答案上传，覆盖八成高频问题，机器人立刻能扛住大部分咨询，不必等资料库堆满。
资料随真实对话滚动补齐：每次转人工的问题都是缺口，运营补进资料。三个月后资料从几十条涨到几百条，自助率自然爬上去。冷启动靠”先高频后长尾”，别想一步到位。
图：客服机器人链路 核心要点（运营GO 整理）
| 环节 | 做法 | 注意 |
|---|---|---|
| 资料准备 | 小段上传、标权威源 | 过期即污染 |
| 检索 | top-3 到 top-5 | 带相关度阈值 |
| 生成 | 只依资料答 | 不知就说不知 |
| 兜底 | 低信心转人工 | 带上下文交接 |
延伸阅读：什么是 RAG 检索增强生成、什么是 Prompt（提示词）。
下一步行动清单
- 把产品文档和 FAQ 拆小段上传，指定一份权威源。
- 在提示词里写”只依资料答、不知就转人工”。
- 高敏感操作一律不自动处理，直接交接。
- 把答不上来的问题反哺知识库，每周补缺口。
- 用自助解决率和满意度衡量，而非接量。
