从0开始搭建一套可用、可扩展的知识库，不只是技术活，更是认知与业务的协同工程。本文将从需求拆解、内容结构、标签体系到运营机制，系统梳理知识库搭建的关键路径，帮助你构建真正支撑智能客服的“知识引擎”。

我设计的第一个AI产品是智能客服系统，下面介绍一下，怎么选择开源平台、大模型，以及搭建智能客服系统的知识库怎么构建。

一、选择开源平台

我们主要在Coze和Dify这两个平台选择。

Coze：操作简单，交互性好，海外版本还能调佣GPT 4.0，插件系统、记忆库、工作流等功能。但是，知识库仅支持 6000token，对于处理长文本或大量数据的场景而言，可能远远不够，主要面向标准化 Bot 开发，复杂任务扩展性较弱，仅支持云端部署，无法满足本地部署需求。

Dify：国内大部分模型都能接入，可集成多种API接口，支持多种部署情况。但是操作有一些复杂，需要具备一定的开发知识，用户体验欠佳。

由于我们的数据涉及一部分敏感，所以需要本地化部署，并且有专门的技术人员负责此事，所以我们选择了Dify。

二、选择模型

模型主要分析了文心一言、千问、deepseek、混元四个。

• 文心一言：多模态能力突出，支持文本、图片、音频、视频。但是在逻辑推理和跨领域知识融合时，缺乏连贯性。
• 千问：应用场景广泛，具备多轮对话、文案创作、逻辑推理等能力，可用于客服系统、会议纪要实时转录等场景。但是高难度推理任务效率低。
• deepseek：推理能力较强，在数学和编程等需要长逻辑链条的任务中具有优势，能处理复杂逻辑问题。支持多语言，兼容性好、集成性好。但是存在安全风险和隐私风险。
• 混元：具有强大的创作能力，支持文生视频、图生视频等多种视频生成能力。但是对于特定领域的专业性和深度不够。

因为我们要做一款客服系统，需要多轮对话，一定的推理能力，所以最后选择了千问。

三、业务需求分析

1、拆解核心业务场景

通过历史咨询记录分析，识别高频咨询场景（占比 65%）、复杂业务场景（28%）和应急场景（7%），确定优先解决的问题领域。

2、明确业务指标

设定转电话客服率≤70%、常见问题覆盖率≥80%、首次响应时间≤15 秒等可量化目标。

3、梳理主要问题

按问题划分主要分为登录前和登录后。

登录前主要询问登录时遇到的问题，如：如何登录，收不到验证码怎么办等，还有关于系统功能的咨询，如：系统能做什么，为什么要登录系统等。登录前用户只能询问10个问题。

登录后主要回答办理业务遇到的问题，如：办理A业务需要什么资料，有哪些流程。为什么我不能填写等。

四、编写FAQ

基于客服人员的历史问答，整理300+的问题对。

在编写FAQ时，需要注意的点有：

1、结合使用场景，去梳理问题

2、问题的设计要符合用户的语言习惯，如：下载时，无法使用扫码比扫码功能失败更符合用户提问的习惯。

3、答案要简洁清晰，尽量控制在3-5句话，复杂的可分点列出。

4、定期更新，每天监控智能客服回答情况，及时总结常见问题，丰富FAQ。

5、分层设计，对于命中知识库问题，直接给出答案；对于复杂问题，可提供初步方案，然后引导电话咨询；敏感问题，直接拒绝回答，避免法律风险。

五、将常见问题导入知识库

Dify的问题导入有两种方式：通用和父子分段。

通用模式主要将文档拆分成为独立的扁平片段，以分段本身作为检索单元，可能割裂跨片段逻辑，上下文完成性较差。通常适用于社交媒体内容、用户评论等碎片化内容。

父子模式主要采用数级层级结构，由父快和子块组成，子块作为检索单元，然后将字块关联的父块全文返回。通常适用于技术文档、产品手册、法律条款等。

由于我们客服系统包括用户手册，法律规范，常见问题等文档，所以最后选择父子分段的模式导入。

父块作用上下文选择：

• 段落是指，文档篇幅较长且段落相对独立，每个段落有明确主题时，适合选择段落作为父块上下文。
• 全文是指，文档文本量较小，且段落间关联性很强，需要完整检索全文来理解内容时，可将全文作为父块。

因为是智能客服，我选择的是段落。

段落的最大长度设置为800，子块用于检索的分段最大长度设置为400。主要是根据常见问题的字数进行设置的，确保每个问题的 “提问 + 回答” 完整在一个片段内。如果后续发现某个完整的问答或操作步骤被拆分，再适当增大数值。

检索设置上，选择混合检索。向量检索对关键词识别精准度较低，如用户输入错别字可能匹配偏差，全文检索会严重影响检索精准度和问答效果。

Remark模型，是初步检索到候选片段后，用专门的模型对这些片段再次打分，重新排序，进一步提升 “最相关片段” 的排名。比较适合我们现阶段。

Top K设置7，因为我们又有常见问题又有操作手册，所以取中间值7。

Score阈值设置成0.7，虽然我们只客服系统，精准度比较低，但是我们涉及政务的回答，还是需要精准回答的，避免法律风险，所以把Score阈值设置成0.7，后续再根据用户反馈，对这个阈值优化调整。

六、词库维护

设置相似词、专有词、提高NLP识别率；维护停止词，设置回答红线，减少幻觉产生。

以上都是基于Dify搭建的智能客服的知识库，之后我会在更新如何去编排流程以及流程中各种参数如何设置。