把低置信度问题转人工审核并回灌知识库

可以得到什么

• 一个低置信度问题的人工审核池。
• 一条把"答不出"沉淀回知识库的闭环（数据飞轮）。
• 一份可观察的客服质量改进日志（召回材料、回答、耗时、模型成本）。

适合哪些情况

• 已搭建 AI 客服，但希望避免 AI 在高风险事项上编造。
• 希望在自动处理比例提升的同时，保留清晰的申诉与转人工入口。
• 有可被授权的客服或运营人员对低置信度问题做二次确认。

需要准备什么

• 一个能记录置信度或相似度阈值、并能路由到人工队列的系统（来源在自家系统中实现）。
• 人工审核工具（来源使用飞书多维表格）。
• 一份"必须转人工"事项清单：退款、补偿、封禁、合同承诺、付费权益、确定性功能承诺、重大投诉。
• 整理者建议：低置信度回答的结尾必须保留清晰的人工入口，不能用自动拒绝替代消费者申诉渠道。

常见做法

• 系统记录问题改写、意图、召回材料、最终回答、耗时和模型成本。
• 把低置信度或无法回答的问题直接路由到人工审核池。
• 人工处理后，把新增的、有共性的问答对回灌到知识库。
• 由此形成"低置信度 → 人工 → 知识库 → 后续自动处理"的数据飞轮（数据飞轮（低置信度池 → 人工 → 知识库））。

真实案例与教程

• 案例：空气小猪从创始人真人客服到 AI 客服数据飞轮
• 来源：SRC-BIZ-001：从0到1构建AI客服系统（空气小猪实践记录）

限制和检查点

• "80% 以上自动处理"为作者自述，无独立验证（空气小猪从创始人真人客服到 AI 客服数据飞轮）。
• 转人工入口和消费者申诉渠道的具体表达方式来源未细化，属于整理者建议。
• 高风险事项（AI 客服自动裁决退款、补偿、封禁、合同承诺与付费权益的风险）和错误功能承诺（AI 客服给出错误功能承诺与误召回的风险）必须保留人工终审。

相关任务

• 用历史客服对话搭建知识库客服系统
• 从历史客服对话中提取 FAQ 与问答对