YundaDesk知识库越丰富，冲突越容易出现。产品页写着「7 天无理由」，活动说明又说「大促商品不退只换」；旧会话里坐席答应过补偿，新政策已经收紧；英文页更新了运费，西语页还停在上个月。
这不是 AI「不聪明」，而是系统没有告诉它：两条知识打架时，先信谁，什么时候必须停下来转人工。对跨境电商来说，conflicting knowledge base 不只是准确率问题，也会带来退款、赔付、差评和合规风险。下面这套知识冲突四道防线，建议在 AI 客服上线前定清楚。
自助不是终点，能独立解决才是
冲突从哪里来：不是知识少，而是版本太多
跨境团队的知识通常散在独立站商品页、退换货政策、邮件模板、社媒话术、平台规则和坐席收藏答案里。每一处单看都合理，放在一起就可能互相打架。
| 冲突类型 | 例子 | 风险 |
|---|---|---|
| 政策冲突 | 退货页说可退，活动页说不可退 | AI 承诺了不该承诺的权益 |
| 时间冲突 | 旧运费表还在知识库里 | 报价、时效答错 |
| 市场冲突 | 美国站和中东站规则不同 | 把 A 市场规则套到 B 市场 |
| 经验冲突 | 历史会话里有一次例外处理 | AI 把例外当常规 |
治理知识库，不是把所有材料都塞进去，而是让每条知识都有来源、适用范围和失效条件。AI 才能判断哪些能用于回答，哪些只能作为参考。
第一道防线：标清来源、负责人和更新时间
没有元信息的知识，对 AI 来说都长得差不多。三年前的 FAQ、昨天更新的政策、坐席临时写的答复，如果没有来源标记，就很难分出轻重。
每条核心知识至少带三件事：
- 来源：官网政策页、商品页、订单字段、人工沉淀、老板确认的学习建议
- 负责人：谁能修改，谁对准确性负责
- 更新时间：何时生效，是否有结束日期
这一步是 ai answer source priority 的地基。YundaDesk 的知识库可以上传文档、抓取网站、手动问答，但「来源不明」的材料不应成为直接答客户的依据。
第二道防线：先定来源优先级
知识冲突时，最怕 AI 按「哪段更像答案」来选。客服系统应该提前定义优先级。
| 优先级 | 来源 | 适合回答什么 |
|---|---|---|
| 1 | 老板确认后的政策与规则 | 退款、赔付、改价、售后边界 |
| 2 | 实时订单与客户档案 | 物流状态、订单金额、国家、语言、时区 |
| 3 | 当前官网与商品页 | 商品规格、发货说明、页面可见优惠 |
| 4 | 已采纳的学习建议与标准话术 | 高频问答、语气、流程提示 |
| 5 | 历史会话与坐席备注 | 只作参考，不单独作为承诺依据 |
这张表的意义是防止例外变成规则。历史会话里坐席答应过一次，不等于公司政策变了；商品页没写的赔付，也不能靠「以前有人这么做过」直接承诺。搭建 知识库 时，建议把这张优先级表写进维护流程。
第三道防线：用时间、市场和渠道缩小范围
很多冲突不是谁对谁错，而是适用范围不同。黑五政策只覆盖 11 月订单；巴西市场有单独物流说明；Instagram 评论区可以给购买链接，但不适合公开讨论客户订单。
知识条目最好带上三个范围：
- 时间范围：开始日期、结束日期、是否覆盖预售或大促
- 市场范围：国家、语言、币种、仓库或站点
- 渠道范围：网站挂件、邮件、WhatsApp、Telegram、Messenger、Instagram、TikTok、LINE、微信、VKontakte、Zalo、YouTube 等
全渠道消息进入同一个工作台后，客户档案里的国家、语言、时区、社媒 ID 会变成判断依据。AI 可以自动跟随客户语言，但业务规则不能跟着乱跑。
第四道防线：低置信度和高风险必须转人工
再好的优先级，也挡不住所有边界情况。客户可能同时满足两个活动条件；政策文档和订单备注都能解释，但结论不同。此时 AI 不该硬选一个。
两类情况应直接转人工：
- 低置信度冲突：多个高优先级来源给出不同结论，AI 无法判断哪个适用
- 高风险动作：退款、赔付、改价、投诉升级、威胁差评、疑似欺诈
AI 可以先安抚客户、收集信息、把冲突来源摘要给坐席。最后是否退款、是否赔付、是否改价，永远由人工审批。这和 AI 先接、人工兜底 是同一条边界：AI 接住重复问题，人承担判断。
冲突不是噪音：进入受控学习闭环
发现冲突后，最差的做法是让 AI 自动选一条并永久记住。短期看似变聪明，长期会把错误沉淀成规则。
更稳的流程是：AI 没答上或发现冲突，坐席补答并纠正，系统生成「待确认学习建议」，老板或负责人采纳后才生效，最后沉淀为技能、知识或客户记忆。每条变更都应可追溯、可测试、可一键回滚。
这才是「越用越聪明」的关键：学习可以发生，但不能自动生效。尤其是售后政策、金额动作和品牌承诺，必须经过人确认。更多做法可看 让 AI 客服越用越聪明。
上线前检查：拿真实问题做冲突演练
规则写完不等于能用。上线前拿 30 到 50 条真实问题做冲突演练，故意把几类材料放在一起测试：
- 旧政策 vs 新政策：AI 是否优先采用已确认的新规则
- 商品页 vs 活动页：AI 是否能识别大促专属限制
- 美国市场 vs 其他市场：AI 是否会按客户国家选择规则
- 历史会话例外 vs 当前政策：AI 是否不会把例外当承诺
- 退款、赔付、改价：AI 是否只收集信息并转人工审批
演练时不要只看「答对没」。还要看 AI 是否说明依据，是否在冲突时停下来，是否把上下文交接给人工。很多团队缺的不是更多知识，而是更清楚的优先级和兜底规则。
知识冲突不可怕，怕的是系统假装没有冲突。把来源标清楚，把优先级排好，把适用范围收窄，把高风险交给人，AI 客服才敢在全渠道里先接住客户，同时不越过业务边界。