我把客服半年聊天记录喂给AI当语料，结果它学会了跟客户抬杠
上个月干了件蠢事，也顺便踩出一个大坑，今天摊开说。
我们客服团队半年的聊天记录，我全导出来清洗了一遍，想着这是最真实的一手语料啊，喂给AI当知识库，回答客户问题肯定比我自己写FAQ强吧？结果上线第三天，销售跑来跟我说：客户问「你们这个能退货吗」，AI答了句「亲，您先别急着退，我给您分析一下为什么您不需要退」。
我当时一口水喷屏幕上。
赶紧拉日志排查。我抽了20条真实客户问句做对照测试，发现AI答偏的8条里，有6条都指向同一批语料——客服老张跟客户掰扯的那几段。问题出在哪？不是内容错，是语气和立场全被学走了。聊天记录里客服为了挽单，天然带着「劝你别退」「你再想想」的对抗姿态，AI把这个当成了标准回答范式。
具体拆一下我踩的坑：
第一，聊天记录不是知识，是对话残留。 里面掺了大量情绪词、让步话术、无效寒暄。我一开始只删了「您好」「亲亲」这种，但像「这个真不怪我们」这种立场性表达我漏了，AI照单全收。
第二，客服的成交话术和事实回答混在一起。 客户问退货政策，正确答案是「7天无理由，运费谁承担」，但聊天记录里这句话被包裹在20句挽留话术里，AI提取的时候权重就乱了。我后来把语料拆成「事实层」和「话术层」，话术层直接不进知识库。
第三，也是最要命的，同一件事客服在不同客户面前说法不一样。 有个客户磨了半天，客服松口说「这次给您特殊处理」。AI学到这句，对所有客户都说「可以特殊处理」。这坑跟我上个月排查尺码问题一模一样——语料冲突，AI不会判断语境，它只会找最高频或最新鲜的那条。
后来我怎么修的？三步：
- 聊天记录只抽「问句+事实性回答」的配对，挽留、让步、情绪安抚全部剔除；
- 同一问题如果客服说法不一致，以合同和政策文档为准，聊天记录里冲突的段落直接标红隔离；
- 上线前再用20条问句跑一遍，专盯「政策类」问题，答错一条就回查对应语料。
修完再测，那20条问句的答偏率从40%干到5%。虽然还是没到零，但至少AI不再劝客户「别退货」了。
我的结论就一句：聊天记录是最脏的语料，也是最容易被当成宝贝的语料。 想省事直接喂，AI会把你客服最油的那一面学得惟妙惟肖。
最后抛个问题给大家：你们处理历史对话语料的时候，是整段清洗还是按「事实/话术」分层拆？有没有更省事的半自动办法，我现在还是靠人肉过筛，效率太低了！
