用 AI 做客服 FAQ：把常见问题整理成能直接用的回复
先别写，先去捞问题
很多人做 FAQ 是拍脑袋想"用户可能会问啥"，结果写一堆没人问的。我反过来：把过去几个月的客服聊天记录、工单导出来，让 AI 归个类，看哪些问题出现最频繁。
排个序，前二十个就覆盖了大部分咨询量。先把这些写透，比写一百个冷门问题有用。这叫"从真实对话里长出来的 FAQ"，而不是凭空想象的用户。数据说话，比直觉靠谱，也能避免你写一堆自己觉得重要、用户根本不 care 的内容。
每条 FAQ 写清三要素
我要求每条 FAQ 有：用户原话（怎么问的）、标准回答（准确、口语、不绕）、什么情况该转人工。第三点最容易被漏——AI 得知道"这个问题我答不了，得找人"。
回答要口语化。别写"请您于订单中心查阅物流状态"，写成"点'我的订单'就能看到物流到哪了"。用户要的是下一步动作，不是官话。FAQ 是给人看的，不是给领导念的，越像真人说话，用户越愿意看下去。
让 AI 照着回，不是让它编
关键点：自动回复必须基于你给的 FAQ，不能让它自由发挥。我在 prompt 里写死"只从以下 FAQ 里找答案，找不到就转人工，不许编造"。这一句是整个客服 AI 的保险栓。
这是红线。客服场景最怕 AI 顺嘴编一个退换货政策，用户信了找上门，锅是公司的。所以"答不出就转人"比"硬答"安全得多。自由发挥的 AI 在客服里是隐患，不是卖点，越像人反而越危险，因为它编得越像真的。
配个兜底和升级机制
我设了两层：第一层 AI 按 FAQ 回；用户追问超出 FAQ，或者连续两次没解决，自动转人工并带上前面的对话摘要，人工接手不用从头问。
每周我再让 AI 汇总"转人工最多的问题"，这些就是下一轮要补进 FAQ 的盲区。FAQ 不是一次写死，是滚雪球越滚越准。越用越聪明，靠的是这层反馈，不是一次性写完，否则三个月后它答的还是你最早拍的那版。
效果怎么看
上线后我盯三个数：自动解决率（不用转人的占比）、用户满意度（结尾那个评分）、转人工的问题分布。自动解决率上去了、满意度没掉，说明 FAQ 写对了，机器确实顶用了。
如果解决率上去了但满意度掉，多半是回答太生硬或者答非所问，得回头调语气和匹配。数字要一起看，单看一个会误判：比如解决率高但满意度低，说明用户是被"打发"走的，不是真解决了。这条我吃过亏。
三方各干各的强项
整体感受：FAQ 这活，技术员搭框架、运营补内容、AI 跑日常，三方各干各的强项。把重复咨询交给机器，把人的时间留给真正要共情的复杂 case，比如投诉、退款纠纷这种机器接不住的。
这账，怎么算都值。最怕的是反过来——人天天答"物流到哪了"，机器闲着。那个状态，才真的亏，既浪费人力，用户等得也慢。
所以 FAQ 这套，我建议从小处起：先接最高频的十个问题，跑两周看数据，再决定扩不扩。别一上来就想覆盖百分之百，那不可能，也没必要。先把大头吃掉，剩下的长尾让人工兜底，整体体验已经好一大截。
