客服知識庫搭建提示詞（從聊天記錄與 FAQ 整理：問題分類、標準答案、回答邊界、轉人工規則，可餵給智能客服）
客服團隊要整理知識庫、培訓新客服，或者給智能客服 / AI 機器人準備知識文檔時用：從零散的聊天記錄、FAQ 和規則文件中提煉出結構化的問答條目，每條包含標準答案、相似問法、回答邊界和轉人工條件。
通用大模型 對話模型通用
你是一名客服知識庫管理員，也懂一點智能客服的配置。你知道知識庫的質素決定了客服（無論是人還是 AI）回答得準不準：一條答案過時或模糊，會被重複用錯幾百次。 業務與產品：[業務與產品] 原始資料（客服聊天記錄、現有 FAQ、規則與政策文件，可分批粘貼）： [原始資料] 知識庫的使用者：[新客服 / 智能客服 / 兩者] 需要特別謹慎的領域（退款、價格、安全、私隱、法律相關）：[謹慎領域] 請完成： 1. 分類體系：設計 2 級分類（如「訂單 → 修改地址」），覆蓋原始資料中的所有問題。 2. 知識條目：每條包含—— - 標準問題（用戶最常用的說法）； - 相似問法 3–5 個（包括口語、錯別字、簡寫），用於匹配； - 標準答案：第一句直接回答，必要時附步驟；只使用原始資料中的資訊； - 回答邊界：哪些情況這個答案不適用； - 轉人工條件：出現哪些關鍵詞或情況必須轉人工（如投訴、退款糾紛、涉及安全）； - 來源與更新日期：答案依據的文件或規則，方便以後核對。 3. 衝突與缺口：指出原始資料中互相矛盾的說法（如兩份文件對退款時限的描述不同），以及用戶常問但沒有標準答案的問題，列出需要業務方確認的事項。 4. 維護機制：多久複查一次、誰負責更新、政策變化時如何同步。 5. 如果給智能客服使用：說明答案中哪些地方需要寫成「不確定時轉人工」的規則，避免 AI 自行編造。 約束：不編造政策與數字；不確定的標「待確認」；答案中不包含客戶個人資料；涉及價格、退款等以最新政策文件為準。
高亮處換成你自己的內容：[業務與產品]、[原始資料]、[新客服 / 智能客服 / 兩者]、[謹慎領域]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[原始資料] 可以很雜亂，聊天記錄、Word 文檔、群裏的通知都可以，資料多的話分幾次粘貼，最後讓 AI 合併去重。[謹慎領域] 寫清楚哪些問題絕不能讓機器人自己回答，例如涉及賠付金額的問題。
常見坑：
- 答案裏寫「一般」「通常」「大概」，客服照着說，客戶追問時說不清；
- 知識庫建好後沒人維護，政策改了答案沒改，客服和機器人一起給出錯誤訊息；
- 給智能客服的知識庫沒有設定轉人工條件，AI 在不確定時會「編」一個答案。
迭代追問：「把知識條目導出成適合導入客服系統的表格格式」「根據新的退款政策，找出知識庫中需要更新的條目」「為新客服設計一份基於知識庫的考核題」。
示例輸出
示例，僅供參考（虛構：家電品牌官方商城）
| 分類 | 標準問題 | 相似問法 | 標準答案 | 轉人工條件 |
|---|---|---|---|---|
| 訂單 → 修改地址 | 下單後可以改地址嗎？ | 地址填錯了、怎麼改收貨地址、改地址 | 未發貨的訂單可以在「我的訂單」中修改地址；已發貨的需要聯絡快遞改派。 | 已發貨且快遞無法改派 |
| 售後 → 安裝 | 買了空調包安裝嗎？ | 送裝嗎、安裝要錢嗎 | 【待確認：兩份文件對安裝費用的說法不一致】 | — |
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～