今天是周日，周末适合划水，今天老马也划一下水，偷懒一下，少码点字。

之前的文章都是在介绍一些AI工具或者工具的使用技巧，缺少点AI真正落地企业的东西，所以往后的文章也会针对一些行业落地的实操，分享一线的项目经验。

比如电商、金融、医疗、教育、政务等行业必不可少的客服系统，很多企业都搞不清楚怎么AI化，单纯地以为接入Deepseek或者做个RAG就行了。

实际上对其中的整体规划和细节知之甚少，侧面反映了当前AI产品经理和AI项目经理人才的缺乏，这也是传统人才转型可选的方向。

因而老马整理了一些路径和经验，用Kimi k2做了一份智能客服问答系统全链路落地指南，放在了文章的末尾，有需要的可以自行下载了解。

当然，建议还是看完文章后，再去了解这份指南，文章是简化通俗版。同时配上一份思维导图，文章与指南都是基于导图去写的，如图：

这样起码大家了解了之后，脑袋里面就有基本的搭建框架，技术选型和细节处理，则需要联合多个部门去执行，末了还有一些坑级经验以供避雷。

作为企业的产品经理、项目经理或者IT负责人，本文是比较适合你去阅读了解牵头落地的，但有些企业可能没有对应的岗位和人才，就只能老板上了。

好了，废话有点多了，这不像划水了。下面的文章的内容跟指南一样，也是基于思维导图，阅读了很多老马之前的文章，模仿老马的写作风格，用千问写的。

划水就得这么彻底，所以下文模拟了一个场景，纯牛马老马是如何被老板临危受命，花费半年时间，把公司的客服系统彻底翻新一遍的，说多了都是泪，那诸位看官就请开始“食用”吧！

---

去年年底，老板把我叫到办公室，说：“老马，咱们客服投诉率又涨了，人工成本也扛不住了。你能不能搞个智能客服，先顶一顶？”

我当时心里一紧。说实话，我对“智能客服”这四个字，一直挺敬畏的。以前也接触过几个产品，要么答非所问，要么像个复读机，用户问三句，它回一句“抱歉，我不太明白”。

但老板的话不能不听。于是，我带着团队，从零开始，花了半年时间，把整个客服系统从底层到前端，重新搭了一遍。

今天，我就用大白话，跟大家聊聊，我们是怎么一步步做下来的。不讲PPT，不吹技术，就说点实在的。

一、别急着上AI，先搞清楚“你有啥问题”

很多公司一上来就想上大模型、搞智能客服，结果上线三个月，还不如人工。

为啥？因为根本没搞清楚：用户到底在问啥？我们到底缺啥？

我们第一步，不是买系统，不是招算法，而是拉着客服主管、产品、运营，开了一个礼拜的会。

我们翻了半年的客服记录，把所有用户问题扒出来，分类、打标签。

结果你猜怎么着？

80%的问题，就集中在五个领域：

“我的订单到哪了？”

“怎么退货？”

“这个商品什么时候发货？”

“优惠券为啥用不了？”

“你们客服上班时间是几点？”

这些问题，答案都很固定，但每天被问几百遍，客服小姐姐都快回复吐了。

所以，我们第一个结论是：别一上来就想让AI当“万能博士”，先让它当个“熟练工”。

二、知识库，不是“堆文档”，而是“建地图”

很多人以为，搞智能客服，就是把PDF、Word文档扔进系统，AI就能自己学会。

大错特错。

我们一开始也这么干，结果AI回答全是“根据文档第3页内容……”，用户看得一脸懵逼。

后来我们才明白：知识库不是仓库，是地图。你得告诉AI，哪儿有啥，怎么找。

我们把知识分成三类，像搭积木一样，一块一块往上加。

1. 常见问题库（FAQ），解决“高频问题”

比如“怎么退货”，我们不是只写一个标准答案，而是把用户可能问的10种说法都列出来：

“我不想买了，能退吗？”

“东西到了，我不想要了。”

“买错了，能换吗？”

“快递到了，我不在家，能拒收退吗？”

……

每一个问题，对应一个标准答案。系统只要识别出“退货”这个意图，就能精准回复。

腾讯云智能体开发平台有个功能叫“AI一键生成相似问”，我们用了，省了至少一半人力。

2. 产品文档库，解决“专业问题”

比如用户问：“这款手机的电池支持快充吗？”

这种问题，答案在产品说明书里，但说明书有50页，AI不可能一页页翻。

我们的做法是：把说明书拆成小段，每段加个“标签”。

比如这段讲电池，就打上“电池、充电、快充”这些关键词。

AI搜“快充”，就能直接定位到那一段，而不是整本书。

拆的时候也有讲究，不能一刀切，按固定字数分。那样容易把一句话砍成两半。

我们用了一种叫“递归分块”的方法。优先按段落分，再按句子分，最后才按字数。这样保证每一段话都是完整的。

3. 业务数据库，解决“个性化问题”

这才是最关键的。

用户问：“我的订单12345到哪了？”

这个问题，答案不在文档里，而在订单系统里。

所以，我们把订单系统、物流系统、用户账户系统，都接进来了。

AI识别出“查订单”，提取出“12345”这个订单号，直接去数据库查，查完回来告诉用户：“您的包裹已到达广州天河区，预计明天送达。”

这才是真正的“智能”，不是背答案，而是会干活。

三、让AI“听懂人话”，比让它“说话”难多了

很多人觉得，AI最难的是“生成答案”。其实，最难的是“听懂用户在问啥”。

用户不会按标准句式提问。他会说：

“我前天买的那个红的，还没发？”

“下单三天了，人还没动静？”

“快递小哥是不是把我忘了？”

这些话，字面意思和“查订单”差得远，但AI必须能听懂。

我们用了两招：

1. 小模型打主力，大模型当救火队员

我们训练了一个小模型，专门干“分类”的活。比如把用户问题分成：查订单、退货、发货、优惠、投诉……

这个模型小，反应快，成本低，90%的问题都能搞定。

但总有10%的“怪问题”，小模型拿不准。

比如用户说：“我那个单，地址错了，能改不？”

这句话里既有“订单”，又有“改地址”，小模型犹豫了。

这时候，我们才请出“大模型”，让它结合上下文，判断用户到底想干啥。

相当于：小模型是值班客服，大模型是值班经理。一般问题自己处理，搞不定的再上报。

这样既省成本，又保准确。

2. 多轮对话，别让用户重复说

用户最烦什么？就是跟AI说十遍，它还是听不懂。

比如你想改地址，AI问：“您要改哪个订单？”

你说：“昨天下午下的。”

它又问：“订单号是多少？”

你说：“12345。”

它再问：“新地址是？”

……

你火了：“我不是都说了吗？！”

所以我们设计了“记忆功能”。

AI会记住你之前说的话。你只要说一句“改地址”，它就知道你要改的是你最近下的那个单，然后只问你新地址就行。

这背后，是“槽位填充”技术。AI像填表格一样，一项一项收集信息，填满了就去执行。

美团客服就是这么干的，体验特别顺。

四、答案生成：别让AI“胡说八道”

很多人用AI客服，最怕什么？怕它“编答案”。

比如用户问：“你们公司总部在哪？”

AI回：“在北京国贸88层。”

其实公司就在望京一栋写字楼里。

这就是“幻觉”，AI为了显得自己懂，瞎编。

我们怎么防？

1. 严格规定：答案必须来自知识库

我们给AI下死命令：你只能用我给你的材料回答，不准自己发挥。

怎么实现？靠“RAG”技术。先检索，再生成。

用户一提问，AI先去知识库里找相关段落，找到后，把这些段落当“参考资料”，再组织语言回答。

就像学生考试，不准翻书，但可以看老师发的复习资料。

这样，答案再差，也不会离谱。

2. 加一道“安检”，敏感词和合规检查

金融、医疗这些行业，一句话说错，可能就是大事故。

所以我们加了后处理：

自动过滤敏感词（比如政治、色情）

检查是否符合行业规定（比如理财产品不能承诺收益）

核对事实，确保不和知识库冲突

相当于AI生成答案后，还得过一道“人工审核”的模拟关。

五、上线不是结束，而是开始

系统上线第一天，我们还挺得意。结果第二天，老板就找来了：“用户投诉，AI让客户去“火星驿站”取货！”

我们一查，发现是物流系统返回的数据有bug，AI照单全收了。

这给我们提了个醒：智能客服不是一锤子买卖，得持续养。

我们做了三件事：

1. 每周“复盘会”：专挑失败案例看

每周一，我们拉上产品、客服、技术，一起看上周的“失败对话”。

比如：

用户问“发票怎么开”，AI回“请参考售后服务条款”，答非所问。

用户说“我要投诉”，AI还在推荐商品，完全没识别出情绪。

每一条都分析：是知识库缺答案？还是意图识别错了？还是对话流程设计有问题？

然后列清单，挨个改。

2. 让人工客服反哺知识库

我们给客服系统加了个按钮：“这个问题AI没答好，我来补个标准答案。”

客服处理完一个复杂问题，点一下，就能把对话转成一条新的FAQ，提交审核。

这样，AI越用越聪明，人工的经验变成了系统的资产。

SaleSmartly这个平台就这么干，效果特别好。

3. 数据闭环：用A/B测试说话

每次优化，我们不做主观判断，而是做A/B测试。

比如，我们改了“退货”流程，让AI多问一句“退货原因”。

一半用户用新流程，一半用老流程。

结果发现：新流程的用户满意度高了15%，但转人工率也高了。因为多问一句，用户嫌烦。

最后我们决定：只对大额订单多问，小额的直接走流程。

数据不会骗人。

六、不同行业，玩法不一样

这套方法，我们后来也帮朋友公司落地过，发现不同行业，重点真不一样。

1. 电商：拼的是“快”和“准”

用户就关心：啥时候发货？啥时候到？能不能退？

所以重点是：接好订单和物流系统，把高频问题覆盖全。

某家电商上线一个月，转人工率降了40%。

2. 金融：安全第一，合规至上

用户问“余额多少”“账单几号还”，你答错一分钱都不行。

所以必须：

接核心系统，确保数据实时准确

所有答案过合规审查

关键操作（如转账）必须转人工

AI只负责查信息，不办业务，稳得很。

3. 政务：最难的是“打通部门墙”

像“粤省心”这种平台，用户问“新生儿入户”，涉及公安、社保、卫健多个部门。

AI要是只查一个部门的文件，答案就不全。

所以必须：打破信息孤岛，建统一知识库。

这不光是技术活，更是“政治活”，得领导推动。

4. 医疗：别乱诊断，边界要清

AI可以答：“感冒了多喝水，别吃辛辣。”

但不能说：“你这是肺炎，吃阿莫西林。”

所以必须：

知识来源权威（如卫健委指南）

加大字号声明：“本回答仅供参考，不能替代诊疗”

复杂症状，必须引导就医

5. 教育：要懂“因材施教”

同一个数学题，小学生和高中生，解释方式完全不同。

所以得：

建学生画像（知道他啥水平）

结合学习记录，个性化答疑

不只是答，还能推荐练习题

七、老马的几点真心话

干完这半年，我总结了几条，不一定对，但都是血泪经验：

别一上来就搞大模型。先用规则+FAQ解决80%问题，稳了再加AI。

知识库比模型重要。再强的AI，喂垃圾数据，也出不了好答案。

业务和IT必须坐一桌。不然你做的，根本不是他们要的。

小步快跑，别想一口吃成胖子。先做个MVP，跑通再迭代。

数据是金矿。每一次对话，都是优化机会。

现在，我们客服系统每天自动处理80%的咨询，人工只处理复杂问题。

客服团队不再疲于应付重复问题，反而有时间去做用户回访、收集反馈。

老板也满意了，成本降了，投诉也少了。

所以我说，智能客服不是为了“替代人”，而是为了让“人干更有价值的事”。

这半年，累是真累，但值。

---

哈哈，划完水了，真爽，要是自己码这么多字，原本稀疏的头发又得谢幕几根，简直是惨不忍睹，人间悲剧。

最后详细的指南老马已经上传好了，电脑浏览器打开以下链接下载即可：

https://www.majiabin.com/aikefuzhinan.pdf

以上就是今天的分享，有任何问题和需求可以留言，回见！