一、客服 AI 最容易犯的错是"什么都答"
一上来就全量接管，结果答错率居高，客户流失更快。
更稳的做法是分层：不同问题交给不同层级处理。
客服 AI 最容易犯的错，是让它什么都能答。
结果是：能答的答得不专业，不能答的硬编一个答案，最后用户更生气。
正确的做法是先划边界。哪些问题必须给标准答案、哪些要查知识库、哪些必须转人。三条线划清楚，效果立刻不一样。
二、三层结构
第一层，固定问答。退换货政策、营业时间、发票规则这类，答案唯一，直接命中。
第二层，知识库检索。产品参数、售后流程这类，需要组合多条信息，走检索加生成。
第三层，人工。投诉、纠纷、情绪激动的对话，立即转人，不要拖。
关键是划清三层边界，并写进系统里，不靠人临场判断。
三层结构：固定问答、知识库检索、以及人工。三层各管一段，别混。
第一层管高频标准问题，第二层管需要查资料的问题，第三层管不能答的问题。
三层之间要有明确的进入条件，不然会互相抢。
三、第一层的写法
答案库不要写成大段文字，写成"问题 + 一句话答案 + 出处"。
问题要收全同义说法。同一个意思用户可能有五种问法，漏一种就落到第二层，凭空多一次生成。
第一层的写法，要求只有一个：短、准、无歧义。
「发货时间」这种问题，答案应该是「付款后 48 小时内发出，节假日顺延」，不要写成一段解释。
这一层不需要模型发挥，最好用固定问答匹配。用模型生成，反而容易加戏。
四、第二层的三个要求
一、检索结果必须带原文片段，不能只给结论；
二、答不出来就说不知道，别硬编；
三、每段回复控制在三行以内，先结论后补充。
第三点很实用。客服场景里，长段落等于没读。
第一层的写法：短、准、无歧义。答案最好一句话说完。
这一层不需要模型发挥。用固定匹配更稳，用模型生成反而容易加戏。
加戏是客服 AI 最常见的问题。用户问「能不能退」，它答一段政策解读，用户更烦。
五、转人工的触发条件
写四条硬规则：
一、出现退款、投诉、法律相关词；
二、连续两轮没解决；
三、用户明确要求找人；
四、检测到强烈负面情绪。
四条命中任意一条就转，不要试图"再聊两句"。
转人工的触发条件，建议写死六条：明确要求转人、连续两轮未命中、涉及退款金额、涉及投诉、情绪词命中、涉及个人信息修改。
六条里最容易被忽略的是「情绪词」。用户说出「投诉」「举报」「法律」，就该立刻转。
转过去之后，把上下文一起递过去，别让用户重讲一遍。这一条能救回很多差评。
六、效果怎么看
别看"自动解决率"这一个数。要看三个：转人工率、重复咨询率、满意度。
自动解决率高但重复咨询率也高，说明答得快但没答对。
效果怎么看，别看「解决率」这一个数。
我建议看四个：首次命中率、转人工率、重复提问率、人工满意度。
首次命中低说明知识库不全；重复提问高说明答案不解决问题；转人工率高说明边界设得太窄。
四个数一起看，才看得出该补哪块。
效果看四个数：首次命中率、转人工率、重复提问率、人工满意度。
四个一起看，才看得出该补哪块。单看解决率，容易被虚高的数字骗。
最后说个细节：客服 AI 的第一句话不要问「有什么可以帮您」。
这句话等于把问题推回给用户。直接给三个高频选项，效率高一倍。
再补一句：知识库更新要有固定节奏。写在周末，因为那时候没人来问。
更新期间出错的概率最高，避开高峰是基本操作。
客服 AI 还有一个细节：别用「稍等」。
「稍等」等于告诉用户，系统卡住了。
直接给答案，或者给一个明确的时间。
客服还有一个细节：别用「请问还有什么可以帮您」。
这句话等于把对话交回给用户。
直接给下一步，效率高得多。
延伸参考
落地到接口和数据流的部分，BackendWiki 里写得细一些。
留一句：客服 AI 的目标不是不转人工，是把该转的快速转对人。