智能客服答非所问，很多人的第一反应是“知识库不够”。
于是补文档、加 FAQ、换模型。补完还是一样：客户问 A，它答 B。
问题经常不在知识，而在意图。它没听懂客户在问什么，后面的知识再全也没用。
先分三层
第一层：意图。 客户想干什么？问价格、问功能、问售后、投诉、还是找合作？ 第二层：知识。 这个意图对应哪份资料、哪个流程、哪个人？ 第三层：表达。 怎么把答案说清楚，什么时候转人工。
排查顺序应该是：意图 → 知识 → 表达。不要一上来改话术。
一个词，可能有三种意图
客户说“多少钱”，可能是：
- 想买，问报价；
- 已经买了，问续费；
- 同行，来探价。
如果智能体只看关键词，就会把三种人都当成一种，给出同样的报价，甚至把同行当成客户。
再比如“能用吗”，可能是问兼容性、问授权、问试用、问售后。意图不同，答案完全不同。
怎么查意图
先看真实对话记录，不要看自己写的测试问题。
把最近 200 条对话拿出来，人工标一遍：
- 客户真正想做什么；
- 智能体理解成了什么；
- 在哪一句开始跑偏；
- 最后有没有转人工。
标完你会发现，问题通常集中在少数几个高频意图上。先把这几个修好，比补一百篇文档有效。
知识什么时候该补
如果意图识别对了，答案还是错，才去查知识。
常见问题：
- 资料过期；
- 两份资料冲突；
- 答案有，但检索不到；
- 检索到了，但智能体没用上。
这些是知识层的问题，和意图层分开处理。
什么时候该转人工
以下情况不要硬答：
- 客户情绪明显激动；
- 涉及退款、赔偿、合同、法律；
- 客户连续两次表达不满；
- 问题超出服务边界；
- 高价值客户或大额订单。
转人工时，把客户说过的话、智能体查过的资料、建议的处理方式一起带过去。不要让客户重新讲一遍。
一个简单的改进顺序
- 标 200 条真实对话；
- 找出前 10 个高频意图；
- 为每个意图写清楚：需要什么信息、对应什么知识、什么情况转人工；
- 用同一批对话回归测试；
- 每周看未解决对话，继续补。
智能客服不是“回答得越多越好”，而是“该答的答对，该转的转对”。先修意图，再补知识，最后调话术，顺序反了，投入很容易打水漂。
还有一个小办法：把客户的原话直接放进测试集。不要用你改写过的“标准问题”，因为客户不会按你的说法提问。测试集越像真实对话，意图识别的问题越容易暴露。每周加 10 条真实对话，比一次加 100 条编的问题有用。