企业上了大模型客服，机器人却答得磕磕绊绊，多数时候不是模型不行，而是喂给它的知识不行。知识库是 AI 客服的地基——地基不平，楼盖得再漂亮也会晃。
4 步知识库建设方法
80/20优先覆盖高频问题
持续运营与效果度量
1. 第一步：知识盘点，从对话记录里挖金矿
不要凭空编写知识库。把近半年的客服对话、工单、质检报告拉出来，统计高频问题清单，按『问法多样、答案唯一』的原则归并。通常 20% 的高频问题覆盖 80% 的咨询量，先把这些做扎实。
2. 第二步：结构化整理，一条知识回答一类问题
每条知识包含：标准问题、相似问法、标准答案、适用条件、更新时间。答案要面向客户写作而非复制内部制度文件——客户问『多久到账』，就不要甩一段结算规则。
3. 第三步：接入与校验，让模型有据可依
现代大模型客服普遍采用 RAG 检索增强架构：机器人回答前先检索知识库，依据检索到的内容作答并标注来源。以 9527CRM 的大模型文本机器人为例，答案必须能在知识库里找到依据，从机制上抑制模型『自由发挥』。上线前用真实问题做一轮盲测校验。
4. 第四步：持续运营，知识库是养出来的
未命中问题自动进入待补充清单，每周固定人力更新；过期知识及时下线；每季度复盘一次命中率与采纳率。知识库不是一次性工程，而是一条持续运转的生产线。
结语
同样的模型，知识库质量不同，效果可能是云泥之别。先把知识盘点做起来，再谈机器人的智能程度。