售后知识库里的「等通知」三个字，让AI答案全成了踢皮球话术

上周我把售后知识库的 200 多条 QA 跑了一遍 GEO 批量测试，结果 AI 回答「什么时候能退款」时，十次有八次是「请您耐心等待通知」——用户听完直接转人工，我们客服主管差点来找我算账。

挖下去才发现，问题出在知识库原文。售后同事写标准话术时，为了「留余地」，大量用了「等通知」「视情况而定」「以实际为准」这类模糊词。人读没问题，但 AI 抓取时把这些词当成了「标准答案」，直接原样吐给用户。更离谱的是，有个退款时效的条目写的是「一般 3-5 个工作日，具体等通知」，AI 把「等通知」当成了主答案，把「3-5 个工作日」当成了补充说明，顺序全反了。

我的做法：

1. 先做模糊词大扫除。 把知识库里「等通知」「视情况」「原则上」「一般来说」全部标红，逐条替换成可量化的表述。比如「等通知」改成「提交后 48 小时内短信通知结果」，AI 抓取时就有了明确锚点。

1. 给每个 QA 加一个「兜底句」字段。 原来知识库只有「问题-答案」两列，我加了一列「用户听了会怎么办」，要求售后同事用大白话写一句用户听完能执行的话。比如退款那条，兜底句写成「您可以在订单页点『催办』，超过 48 小时会有专人电话联系您」。AI 抓取时优先匹配兜底句，回答立刻从踢皮球变成了给路径。

1. 拿真实录音做回归测试。 我从客服录音里挑了 37 句用户的原话提问，比如「到底啥时候退」「你们是不是在拖」，直接拿去跑 GEO 批量测试，看 AI 回答里有没有出现「等通知」这类词。跑了两轮，模糊词出现率从 62% 降到了 9%。

踩过的坑： 一开始我让售后同事直接改原文，结果他们改得太「官方」，AI 回答反而更生硬了。后来我换了个说法——「你就当在电话里跟用户说这句话，怎么说他就不挂电话」，他们写出来的话才接地气。

这事的成本其实很低，两个售后同事加我，前后花了三个下午。但效果立竿见影：转人工率降了快两成，客服主管现在主动问我「下一批改哪个场景」。

你们售后知识库里有没有那种「为了留余地反而把 AI 带偏」的模糊词？你们是怎么做批量清洗的？求个更高效的路子。加油，你可以的！