知识库里哪些内容不适合让 AI 客服回答？

先分清两件事：能不能放进知识库，和该不该让 AI 回答

美橙 AI 客服的回答建立在知识库检索之上：文档需要被索引、需要有与问题相关的内容，AI 才可能给出回答。操作手册中明确提示，出现无知识库、文档尚未索引、无相关内容，或 AI／额度不可用等情况时，应先把对应原因处理掉，问题才能解决。

这说明知识库既是 AI 回答的来源，也直接决定了它会说什么、说到什么程度。但“这份资料有用”和“适合让 AI 讲给客户听”是两个判断。一份文档只要进了知识库，就有可能在某次对话中被检索到，并以客服口吻转述出去。所以入库前真正要问的是：如果 AI 把这份内容原样讲给客户，会不会出问题？

下面几类内容，对这个问题的答案通常是“会”。

六类不建议让 AI 客服直接回答的内容

1. 内部管理制度与员工操作流程

排班规则、审批链路、内部考核方式、后台操作步骤，这些内容客户用不到，AI 却可能在回答时顺便说出来。一旦被复述，轻则让客户困惑，重则暴露内部运作方式。客户确实需要知道的部分，应当另写一份“客户视角”的说明，而不是把内部文档直接放进去。

2. 尚未定稿或尚未审批的政策规则

政策草案、讨论稿、口头承诺、待确认的活动规则，都不适合入库。AI 不会区分“草稿”和“正式版”，它只会照着文本回答。把未确认的内容放进去，等于让 AI 替企业说出尚未确认的承诺。

3. 单个客户的个人信息与交易明细

姓名、电话、地址、订单号、合同条款、聊天记录原文等，属于特定客户的信息，不适合放进所有会话都可能检索到的公共知识库。知识库应当存放“对所有人都成立”的规则与说明，而不是某个客户的档案。

4. 账号、密钥与后台访问凭证

测试账号、后台地址、接口密钥、管理员操作截图等，任何情况下都不应写进知识库文档。这类内容哪怕只被引用一次，后果也很难收回。

5. 需要个案判断的争议与责任认定

赔付金额、责任归属、法律判断、例外审批，答案取决于具体事实，不适合由 AI 下结论。知识库可以写“这类问题会转交人工处理”的口径，但不提供判断标准本身。

6. 未授权转载或来源不明的内容

从网上摘来的行业说法、他人整理的资料、没有出处的数字，一旦被 AI 引用，就等于企业为该说法背书。没有可靠来源的内容，宁可不写。

边界内容不等于直接删掉：三种处理方式

判断出某类内容不适合入库之后，不必把它从所有地方抹掉，而是换一种形态：

• 改写后入库：把内部流程改写成客户能看懂的“你需要做什么、大概什么时候会有回复”，只保留客户视角的部分。
• 抽象成规则：去掉具体数字、具体人名、具体客户信息，只留通用判断标准和适用条件。
• 只保留人工口径：知识库里只写“该问题需要人工核实，会为您转接”，把详细依据留在内部文档里。

这三种方式的共同点是：知识库回答“客户该怎么办”，内部文档记录“我们怎么办”。

操作步骤：给知识库做一次内容分级

如果知识库已经积累了一批文档，可以按下面的顺序做一次清理与分级。

1. 列清单：把待入库和已入库的文档全部列出来，标注来源和用途（对外说明、内部制度、客户资料、参考资料）。
2. 分四档：逐份判断属于“可直接回答”“改写后可回答”“仅内部留存”“禁止入库”中的哪一档。
3. 做脱敏：对“改写后可回答”的文档，删去客户信息、内部人名、未定稿表述和未经确认的数字。
4. 定兜底话术：为“仅内部留存”和“禁止入库”涉及的主题准备统一说法，明确什么情况下转人工，避免 AI 在没有相关内容时自行推测。
5. 确认已索引：入库后确认文档已被索引，并用真实客户的问法验证一遍。需要注意，聊天测试只说明对话链路是否正常，不能代替网站安装测试。
6. 把纠正纳入日常：发现回答偏差时，优先修正来源文档本身，而不只是纠正那一次回答；系统的 AI 学习、答案纠正与知识优化相关能力，应围绕文档质量来使用。
7. 按固定周期复核：政策更新、活动结束、流程调整之后，及时回看对应文档是否过期或口径变化。

典型场景：遇到这些情况怎么判断

• 客户问“我这单能赔多少”：答案取决于订单事实。知识库只提供“如何申请”和“多久会有回复”，金额判断转人工。
• 客户问“你们内部审批要多久”：这属于内部制度，不入库。如果客户关心进度，改写为“提交后可在订单页查看处理状态”。
• 客户问“能不能开专用发票”：属于通用规则，适合入库，但口径必须与财务确认一致后再写。
• 客户问“能不能给我一个特殊折扣”：属于个案授权，入库只会让 AI 承诺它做不到的事，应转人工。
• 客户问“我的账号为什么被限制”：需要查具体账号，知识库只提供申诉入口和所需材料的说明。
• 客户问到正在讨论中的新政策：在正式确认之前，AI 只回答现行规则，并说明后续调整会另行通知。

常见误区

误区一：知识库越大越好。 检索范围被大量无关文档稀释后，反而更容易出现答非所问；而当检索不到相关内容时，AI 同样只能表示无法回答。宁可少而准。

误区二：把知识库当成内部 wiki 的镜像。 两者的读者不同。内部文档讲“我们怎么运作”，知识库要讲“客户会得到什么”，中间需要一层改写。

误区三：用一两次对话测试判断内容是否安全。 测试覆盖不到所有问法，也无法替代正式上线前的验证流程。

误区四：忽略检索消耗。 AI 及知识检索消耗依当前套餐与计费规则计算，整理知识库时，值得把检索范围和维护成本一起考虑。

把边界写进入库流程，而不是靠人记

内容边界靠个人记忆很难长期维持，做成检查项更稳妥。每次新增或修改文档，先过一遍：是否面向客户可见、是否有确认过的口径、是否含客户个人信息、是否含未定稿的数字或承诺、出问题时能否转人工兜底。

五项都能通过，再入库；有一项说不清，就先改写或留在内部。知识库的边界清楚了，AI 客服的回答范围才会稳定，企业也更容易解释“为什么这个问题 AI 这样回答”。