AI 客服知识库：如何为 WhatsApp 搭建与配置

针对出海销售团队的实操指南，详细说明如何构建、精简和审核 WhatsApp AI 客服背后的知识库。

面向 WhatsApp 的 AI 客服知识库应当收录买家每天都会询问的事实：产品规格、物流运费、付款步骤、售后规则，以及一份明确要求 AI 转交人工处理的情形清单。知识库应保持简短、时效性强，并以清晰的问答条目形式呈现。精炼规整的知识库不仅能减少智能体理解偏差的概率，而且在按输入 Token 量计费的模型下，还能降低单次回复成本。业务人员只需每天抽检部分 AI 回复，并直接修正知识库源内容，而非逐条处理具体对话。

AI 客服知识库应包含哪些内容

许多厂商教程通常只列出宽泛的内容类别（如帮助文档、产品手册、内部资料）。但对于在 WhatsApp 上开展出海销售的团队而言，真正实用的内容往往更为聚焦且具体：

分类	建议收录内容	示例条目
产品规格	型号、尺码、材质、起订量（MOQ）、现货与定制情况	“A 型号提供 S–XL；XL 码 7 天内发货。”
物流运送	覆盖地区、合作承运商、各区域参考运输时效、关税承担方	“雅加达：海运 5–8 天。”
付款结算	支持的付款方式及具体操作步骤；需提交的付款凭证	“请在本对话中发送转账水单截图。”
售后规则	退换货窗口期、破损处理流程、质保条件	“收货后 3 天内提供破损照片。”
语气与身份	店铺名称、问候习惯、正式或非正式称谓	“印尼语买家统一称呼为 Kak。”
人工转接触发条件	AI 不得直接作答的场景	“定制报价需求 → 转交销售人员。”

上述示例仅供参考；实际知识库中的所有参数都应以团队当前的业务规则为准。切勿将内部利润空间、供应商名称、员工私人电话等非公开内容录入知识库。

如何编写利于 AI 智能体准确提取的条目

AI 智能体基于所提供的信息组织语言。对同事而言一目了然的内容，模型仍有可能产生误读。编写条目时需遵循清晰明确的原则：

• 单条条目对应单一事实，以买家常用问法拟定。 例如：“发货到墨西哥城需要几天？”，后附具体时效。
• 将前置条件紧随事实一同注明。 “达到门槛免运费仅限印度尼西亚地区”优于在文末添加单独注释。
• 及时清理失效旧版本。 如果知识库中同时包含上一季与本季的价格表，智能体可能会随机引用其中一份。应当直接删除历史记录，不要在知识库内留存归档。
• 明确标注文明单位与货币符号。 统一写明“USD”和“kg”；拉美与东南亚等不同区域的买家对数字格式的理解存在差异。
• 产品名称与 SKU 保持原样不译，且拼写须与订单系统完全一致。

在智能体上线前明确人工转接触发规则

知识库同样是一份“AI 限制回答范围”的清单。WhatsApp 的 商业政策（Business Policy） 要求企业在提供自动化对话服务时，必须为客户保留通畅明确的人工转接渠道。团队需要预先梳理转接规则，并为智能体配置相应的交接话术：

• 买家明确要求转人工、通电话或联系主管。
• 议价谈判、大宗采购或定制报价，以及超出公开规则的折扣申请。
• 退款申请、拒付争议、未到账排查或金额核对。
• 客户投诉、货物破损，或买家情绪激动、重复发送相同诉求。
• 涉及海关查验、法律合规、资质认证或产品安全等问题。
• 知识库尚未覆盖的盲区问题。此时智能体应回复需向团队确认，而非自行推测作答。

团队需提前规划工作时间内各触发项由谁承接、响应时效如何，以及非工作时间向买家推送的告示说明。

知识库体积对单次回复成本的影响

许多 AI 智能体在生成单次回复时，都需要读取相关的知识库文本以及近期的上下文对话，因此更庞大的知识库往往意味着单次回复所需输入的上下文更长。在 B2B Chat 中，用于处理日常咨询的智能客服组件 Smart Service 采用按次计费模式；费用包含基础起步价，并随着单次读取的输入内容规模递增，其中机器人的知识库体积是影响输入量的主要因素。当前资费标准可参考价格页面。

保持知识库精简的实用方法：

• 剔除重复文本。 将同一份退换货政策复制在三个不同标题下，会导致内容被重复读取三次。
• 删除营销修辞。 品牌故事和过长的产品宣传文案往往无法直接解决买家的实际疑问。
• 仅保留当前服务市场的信息。 若 AI 智能体仅对接单一区域的号码，其他市场的物流规则便属于冗余数据。
• 优先采用结构化事实表格替代长段落。 表格能以更少字数承载相同的关键信息。

精简干练的内容通常能带来更准确的回复表现，因为模型在检索时遭遇冲突或模糊段落的概率更低。

业务人员如何对 AI 智能体的回复进行日常抽检

B2B Chat 的 AI 客服 支持在多条并发会话中进行多轮日常自动回复；团队可在 CRM 控制台的 AI 机器人设置中配置其知识内容与应答行为，并通过客服坐席随时分配人工介入对话。建立标准化的抽检流程有助于保障回复质量：

阶段	人工执行事项	调整对象
上线前	使用内部测试账号发送 30–50 条真实历史高频问题	补全遗漏或纠正错误条目
前两周	每日抽检部分 AI 对话样本，并复盘所有转人工会话	优化表述细节、转接规则及语气
常态化运营	每周定期抽检；全面复盘 AI 回复后引发投诉的会话	更新失效或陈旧数据
业务规则变更后	规则调整当天同步更新知识库，并重新测试关联问题	针对性修改变更条目

一旦发现回复存在偏差，应当直接修正造成该问题的知识库条目。如果仅在当前聊天窗口手动介入纠偏，相同的错误在后续买家咨询时依然可能出现。

搭建 AI 客服知识库的常见误区

• 一股脑导入所有文件。 上传完整的产品手册、合同范本和历史聊天记录导出件，不仅推高调用成本，还容易引发逻辑矛盾。
• 缺乏明确维护负责人。 知识库应当同价格表一样，指派专人负责审核与更新。
• 写入团队无法兑现的承诺。 若知识库写有“一小时内回复”，AI 可能会在凌晨三点向买家复述该承诺。
• 针对同一问题同时启用关键词规则与 AI 回复。 固定关键词自动回复与 AI 回复同时触发会造成买家困惑；需清晰划分各类型问题的承接机制。
• 全量号码一次性铺开。 建议先从单一市场或单个号码开始试点，完成效果评估后再逐步扩大范围。

常见问题

团队应如何筛选录入 AI 客服知识库的具体内容？

可导出最近数周真实的买家咨询记录，按业务模块归类，针对高频重复问题提炼出问答条目。产品参数、运送时效、支付流程及售后条款通常能覆盖绝大多数常规咨询；其余需要人工判断的事项则设置为转接触发条件。

AI 智能体背后的知识库应多长时间更新一次？

一旦基础事实发生变动（例如物流资费调整或节假日排班变动），应在当天同步更新对应条目，并至少每月进行一次整体审查。内容陈旧是导致 AI 输出错误信息的常见诱因。

知识库体积增大是否会导致 AI 回复成本上升？

在计费与单次回复输入文本量挂钩的机制下（如 B2B Chat 的 Smart Service），过大的知识库会增加单次交互的处理成本。定期清理重复内容和冗余营销描述有助于保持知识库精炼。

业务人员如何在不通读全部记录的情况下有效抽检 AI 回复？

在上线初期每日抽检部分样本，重点复盘触发人工转接的对话，以及 AI 回复后买家提出异议的会话。发现问题后，优先定位并修改知识库源条目，而非仅做单次人工干预。

了解更多

选择契合当前业务流程的产品信息以了解详情。

• 访问产品官网 →