不少团队买了 AI 客服产品后第一周的体验是：机器人礼貌但答非所问。问题通常不在模型，而在知识库。RAG（检索增强生成）架构下的 AI 客服，回答质量的上限就是知识库的质量。冷启动阶段怎么做，直接决定项目成败。

冷启动第一步：盘历史对话

最有价值的语料不在产品手册里，而在过去的客服聊天记录中。把近半年的在线客服对话、邮件售后记录导出来，统计出现频率最高的问题类型。一般来说，百分之六七十的咨询会集中在物流查询、退换货政策、安装使用、账号问题这几类高频场景。先把这几类答好，AI 客服就能立刻承接大部分咨询。

冷启动第二步：沉淀标准 FAQ

把高频问题整理成问答对，是性价比最高的知识形式。写 FAQ 时注意三点：一个问题一个答案，避免把多种情况混在一条里；答案给到客户可以直接行动的程度，比如退货不只写支持退货，而是写清 7 天内、运费谁承担、在哪个入口发起；口语和术语都保留，客户问运费、问快递、问配送，都要能命中同一条答案。

冷启动第三步：结构化产品文档

产品手册、政策文件往往是大段 PDF，直接喂给系统效果差。要做一轮结构化拆分：按产品型号、章节切分成小段，每段带上明确的标题，例如「X100 型号 电池续航与充电说明」。检索是按段落匹配的，段落越聚焦，召回越准。

上线后的更新机制

  • 定期补充：每周复盘一次 AI 答不上或答错的对话，补进知识库，这是知识库持续变好的唯一途径。
  • 及时失效：价格调整、政策变更时同步更新对应条目，过时知识比没有知识更危险。
  • 明确归属：指定专人负责知识库运营，避免人人可改、无人负责。

知识库冷启动一般两到四周可以看到明显效果。衡量指标很简单：AI 直接解决率和答错率。前者稳步上升、后者持续下降，说明这套 RAG 知识库在真正发挥作用。