知识库答得不准，多数时候不是 AI 的问题，是结构的问题。商品资料、售后政策、回复话术堆在一起，回答就会开始飘。把它们分成三层 — 商品与规格、政策与规则、话术与口径 — 答案自然稳下来。
商品与规格层：把「这是什么、发什么货」写清楚
问得多的大多是商品本身：尺码怎么选、什么材质、有几个颜色、有没有现货、从哪个仓发、几天能到。这些答案散在详情页、规格表和仓库习惯里，要整理成一条条问答，而不是让 AI 自己去猜。
类目不同的店，这一层的重心不同：服饰重尺码与面料，3C 重参数与兼容，食品重保质期与储存。与其套行业清单，不如把客服被问得卡壳的问题先列出来，那就是这一层的骨架，列好之后按上新节奏往里填，很快能覆盖常见提问。
整理时统一成一个句式：问题用客户的原话，答案控制在两三句。比如「165 的女生穿 M 码会不会短」，就比「尺码问题」更接近真实提问；答案里把关键数字放前面，客户扫一眼就能得到结论。
这一层的关键是一致：同一个问题只留一条答案。详情页写 48 小时内发货，知识库里写 24 小时，AI 两次回答不一样，客户一眼就看得出问题。上新、改规格时顺手更新条目，这一层就不会腐坏。
政策与规则层：把「能不能退、怎么优惠」写成合同
这一层是店铺规则：退换货政策、运费谁承担、满减与优惠券能不能叠加、价保怎么算、活动的起止时间。规则类问题出错一次就可能引发纠纷，所以写得像合同：数字和条件放前面，修饰词一个都不要。
还有个容易混的细节：分清平台政策与店铺政策。七天无理由是平台底线，运费险是店铺选择，买家问的时候往往混在一起。条目里把两者分开写，AI 回答时就不会把平台的底线当成店铺的承诺。
活动规则有个天然属性：会过期。大促结束，条目里还挂着「跨店满减」，AI 就会把过期规则讲给客户。活动上下线时同步更新条目，这该是运营日历上的固定动作，不是可选项。
另一个高频争议是「拆封了还能不能退」。这类问题的答案，先写成条目，再让 AI 去用；临场组织语言，总有一句会说得不够稳。
话术与口径层：决定「怎么说」
同一个意思，换个说法，客户情绪完全不同。这一层存的是表达方式：催付怎么说才不像催债、收到差评先回应什么、库存告急怎么解释。
话术的来源不用另外找：老客服的聊天记录里就有，把高频场景里回复得好的整理出来，分场景存进话术库。新人上岗头一天就能用统一口径回复，不用翻聊天记录找说法。
口径还要定期回看：换季、换活动、换了客服主管，表达习惯都会变。一个月抽查几条，把跑偏的说法改回去，这是花十分钟的事。话术条目也要短，短句才好复用，长段落抄到哪儿都别扭。
话术库和知识库的分工要拎清：话术库是给人用的固定说法，回复框里输入关键词就能调出来；知识库是给 AI 的回答依据。两边不要互相抄 — 同一个意思维护两套写法，迟早在客户面前打架。
导入：CSV 和自动学习，两种一起用
三层结构定好，导入是下一步。两种方式：把整理好的问答按「问题,答案」两列存成 CSV 导入；或者打开自动学习，从近 90 天的历史会话里提炼问答。
两种不冲突，多数商家一起用：先手工导入商品规格与活动规则这类新写的条目，其余交给知识库自动学习。整理加导入一般半天内完成，上手教程里有逐步说明。
店铺刚起步、还没有历史会话可提炼的，就先把商品规格和活动规则手工写上，等会话攒起来再打开自动学习。顺序反过来也行，两种方式本来就是互补的。
CSV 的格式不难：两列、一条一行、表头写清楚。看起来简单，但它决定了后面维护顺不顺手 — 一行里塞多个问题，回头改起来就知道麻烦了。
导入之后先自查一遍：随机抽十条问法，在系统里试一遍，看命中准不准、语气对不对。个别答不好先改条目，再开着自动应答跑起来。
维护：每周补一次「答不了的」，四类问题交给人工
知识库不是建完就结束。每周花一点时间看两类会话：AI 答不了而转人工的、客户表达了不满的。补上缺的条目、改掉含糊的写法，知识库就一直在长。
补条目也有优先级：先补被问得多的，省时间；再补容易出纠纷的，省麻烦。频率不用高，每周一次，每次二十分钟 — 这比每隔几个月来一次大整理管用。
这套知识库还能顺手当培训材料：新人先读三层条目，再跟着老客服盯一周，比直接上手稳。人来人走，口径不散。
排查「答得不准」时先看依据：每条自动回复都标注引用了哪条知识，点开就知道问题出在哪。多数情况是条目本身写得含糊，或者同一个问题有两条互相冲突的答案，改掉冲突条目通常立刻见效。
还有四类问题，默认不该让 AI 自动回答：价格议价、赔付承诺、投诉与差评、发票与合同。这是有意设计，不是知识库缺条目 — 不要试图用条目把它们「教」给 AI。规则怎么配、配到什么程度，帮助中心里有说明，也可以按自己的情况调整。