喂得饱 AI 的知识库：出海店铺怎么搭、怎么养

AI 客服的上限，基本就是知识库的上限。别先问「AI 能解决多少」，先问：退换货政策是不是最新版？主推款尺码表有没有放进去？客户问「包裹卡在海关」时，知识库里有没有坐席也认可的答案？

对跨境电商来说，知识库不是 FAQ 仓库，而是 AI 客服、坐席和老板共用的业务底稿。AI 先从这里找依据回答；答不上、客户要求转人或碰到高风险问题时，人工兜底；人工补上的好答案，再确认沉淀回来。

三种建法：上传文档 / 抓取网站 / 手动问答

YundaDesk 的知识库可以从三类入口开始，成熟店铺通常混着用。

冷启动不要追求一次塞满。先覆盖客户每天真的会问的内容，再补细节。AI 不是靠知识库「很厚」变准，而是靠答案新、具体、互相不打架。

四类必收内容：政策、商品、场景和边界

第一版知识库至少收四类内容。

1. 政策类：发货时效、物流范围、运费、关税说明、退换货条件、保修规则、促销期间能否取消订单。必须写清适用范围和不适用情况。
2. 商品类：主推款尺寸、材质、颜色差异、兼容型号、使用方法、保养方式、套装包含什么。商品越复杂，越要把坐席解释写成标准答案。
3. 场景类：包裹延迟、地址填错、优惠码没生效、预售未发、收到货和图片略有差异、客户想换码数。按真实对话写「客户怎么问、我们怎么答」。
4. 高风险话术边界：退款、赔付、改价、投诉、威胁差评、法律相关表达。这里不是让 AI 自动处理，而是告诉 AI 何时停止直答、收集什么信息、怎么转人工。

高风险边界要写硬。任何直接动钱的动作，例如退款、赔付、改价，都应该走人工审批与审计，AI 不能自动执行。

冷启动：从上次大促会话开始

第一次搭知识库，别从空白文档硬写。把上一次大促、上个月或最近一批售后会话导出来，用真实问题反推内容。

1. 导出会话，去掉闲聊、广告和系统通知。
2. 按主题聚类，例如物流、退换货、尺码、优惠码、售前选购、投诉。
3. 找出 Top 20 高频问题，每个问题写一条标准答案。
4. 让老板或客服主管确认，避免把某个坐席的临场发挥当成店铺政策。

Top 20 不会覆盖所有问题，但能先接住最吵、最重复的一批。写法也会被统一下来：问题像客户会问的样子，答案像优秀坐席会回的样子，边界像老板会批准的样子。

让它保鲜：政策变了，当天同步

知识库最常见的问题不是少，而是旧。促销改了、物流时效变了、新品上线了、退换货规则调整了，但知识库还在回答上个月的版本，AI 就会很稳定地答错。

我们建议给知识库定补丁纪律：政策变化当天同步；新品上架至少补齐尺寸、材质、使用限制、常见误解；大促前标出促销规则、发货节奏、退换货差异；临时政策写失效时间，结束后统一清理。

另一条线是每天回补失败记录。AI 没答上、坐席补答、坐席「纠正 AI」之后，不应该只停在这次会话里。在 YundaDesk 里，这类记录会生成待确认学习建议，进入老板评审台；确认采纳后，才会沉淀为一条 AI 技能、知识或客户记忆。每条都可追溯来源、可测试、可一键回滚，学习不会自动生效。

这就是「越用越聪明」的关键：不是让 AI 自己偷偷改规则，而是把一线经验变成可确认、可管理的知识资产。更完整的学习闭环，可以看这篇：教会 AI 越用越聪明。

多语言知识库：一处维护，还是各语言分别维护

跨境店铺绕不开多语言。YundaDesk 的 AI 客服会自动跟随客户语言，但知识库维护策略仍要先定。

我们的建议是：早期先一处维护，把主库写清楚；等某个市场的咨询量、政策差异和本地坐席都起来了，再把该语言拆开。不要一开始复制七份语言版本，否则每改一次退货政策，都会变成人肉找茬。

常见坑：矛盾、过期和没有优先级

知识库不怕少，怕乱。第一坑是互相矛盾：FAQ 写「7 天无理由退货」，促销页写「折扣商品不退不换」，商品页又写得含糊。解决办法是设优先级：人工审批过的政策高于营销文案，最新促销补丁高于长期 FAQ，高风险规则高于普通建议。

第二坑是过期政策没删。大促结束了，还保留「黑五期间延迟 5 天发货」；新品换代了，旧型号兼容表还在。临时内容要有失效时间，过期后删除或归档，不能和现行规则并排。

第三坑是答案只写态度，不写动作。「我们会尽快处理」不是知识。好答案要写清客户提供什么、坐席查什么、AI 能答到哪一步、什么时候必须转人工。

喂得饱 AI 的知识库，不是一次性工程，而是一套每天保鲜的工作习惯。先用文档、网页和手动问答搭起来，再用真实会话持续补；让 AI 从可信来源回答，让人工守住边界，让老板确认学习。这样，知识库才会从 FAQ 变成店铺真正能复用的客服能力。