简短回答：关键词机器人靠匹配词表回答，词表越长越容易崩；基于知识库的 AI agent 靠理解意图和上下文回答，你写的是 SOP，它读的是意思。差别在多语言、维护成本和边界处理上最明显。把 SOP 按分节写清楚、写明例外和数值，再抽 30 个真实问题打分验收，答案质量就能稳定下来。
很多团队第一次上客服自动化，都是从一个关键词机器人开始的。配置简单，见效快，前两个月体验还不错。到第三个月开始有人抱怨：客户问”能便宜点吗”它答”抱歉我不太明白”，客户问”什么时候能到”它答营业时间。于是团队开始加词表，加了几百条，问题反而更多了。
这不是配置得不够勤快的问题，是方法本身有天花板。下面讲清关键词机器人和知识库 AI agent 的差别、SOP 该怎么写、哪些内容必须写进去、哪些问题不该让 AI 答，最后给一套可以照着做的验收方法。
一、先看一张对比表
两者的差别不在”聪明程度”，在信息从哪里来。关键词机器人从词表来，AI agent 从知识库来。这一条决定了后面所有的差异。
| 维度 | 关键词机器人 | 知识库 AI agent |
|---|---|---|
| 理解方式 | 匹配预设词和短语，命中即触发 | 理解意图与上下文，同一问题多种问法都能接 |
| 维护成本 | 每加一种问法就要加词，词表持续膨胀 | 维护知识库内容，改一次政策全渠道生效 |
| 多语言 | 每种语言、每种口语变体都要单独建词表 | 同一份知识库服务多语言，客户用什么语言就用什么语言答 |
| 上下文 | 基本不记前文，每句独立判断 | 能带上前面几轮的信息，不用客户重复 |
| 边界处理 | 答不上来就套固定话术，容易答非所问 | 识别超出范围，按规则收集信息并转人工 |
| 冷启动 | 快，几条词就能跑 | 取决于知识库质量，通常一到两天 |
表里最容易被低估的是第二行。关键词机器人的维护成本看起来低，其实是随着使用时间线性上升的：客户每发明一种新问法，你就要加一条规则。用一年之后，词表可能比产品文档还长，而且没人敢删。
二、为什么关键词树一长就崩
第一，同义问法无穷无尽。“怎么退款””能退吗””不想要了””货不对板怎么办”，这四句话在客户眼里是同一个意思，在词表里是四条规则。再加上错别字、缩写、方言和表情符号，覆盖率永远追不上真实表达。
第二，上下文断了。客户先问”这个多少钱”，机器人答了。再问”那另一个呢”，机器人不知道”另一个”指的是什么。真实对话是有省略和指代的，关键词匹配处理不了。
第三，跨轮次的任务没法做。“帮我查一下订单”→”订单号是 12345″→”什么时候到”，这是三步任务，每一步的答案都依赖前一步。词表式的流程只能做成固定的脚本，客户一旦跳步就卡住。
第四，词表会互相打架。加了”退货”这个关键词之后，”退货政策能不能用在特价商品上”可能被路由到错误的答案。规则越多，冲突越多，而且很难测试。
结果是团队陷入一个循环：发现答错就加词，加词引入新冲突，再发现答错。这时候正确的动作不是继续加词，而是换一套信息来源。
三、SOP 怎么写，AI 才用得对
知识库 AI agent 的效果，八成取决于你写的 SOP 有多清楚。不是写得长就好，而是写得能被执行。四条规则可以直接照做。
第一，按主题分节，不要写成大段文章。一节讲一件事：价格与优惠、运费与交期、下单与支付、退换与售后、发票与开票、投诉与升级。每节下面用短句和列表，AI 更容易准确引用。
第二，把例外写在规则旁边。“支持七天无理由退换”后面紧跟”以下商品除外：定制品、贴身用品、已开封的耗材”。例外单独放一节，AI 很容易漏掉。
第三，给数值和期限，不要给形容词。“尽快发货”改写成”付款后 1 到 2 个工作日内发出”；”运费另计”改写成”爪哇岛内每公斤 15,000 印尼盾起，外岛另计”。客户问的就是这些数字，形容词只会引出下一轮追问。
第四，写清动作和责任人。哪些问题可以当场承诺，哪些必须走审批，审批大概多久。这一条直接决定转人工的边界，也决定 AI 会不会越权承诺。
还有一点：写完要有人负责更新。价格、运费、活动期限都会变，知识库里留着旧版本，AI 会把它当正确答案引用，而且错得比人工更一致、更难发现。
四、必须写进知识库的六类内容
- 产品与规格：型号、尺寸、材质、适用场景、常见误区。客户问得最多也最容易问错。
- 价格与优惠：标价、阶梯价、促销期限、优惠券使用条件、能不能叠加。写清起止时间。
- 运费与交期：按地区分档的运费、发货时效、到货区间、偏远地区例外。
- 下单与支付：支持的支付方式、货到付款的适用范围、支付链接的有效期、订单修改规则。
- 退换与售后：退换条件、例外清单、流程步骤、退款到账时间、需要客户提供什么。
- 企业与资质：开票信息、公司资料、合同与账期规则。B2B 客户最常问这一类。
这六类基本能覆盖八成以上的高频问题。剩下的长尾问题不用提前写，等它出现再补进对应章节就行。
五、不该让 AI 答的三类问题
第一类，涉及金额承诺和纠纷的。具体退多少、赔多少、能不能破例，这类决定必须由人做。AI 可以收集信息和整理事实，但不要让它给出金额承诺。
第二类，涉及合同、账期和法务的。企业客户谈账期、谈条款，这些需要授权和判断，而且一旦答错代价很高。
第三类，情绪激烈的投诉。客户已经明显不满、提到投诉渠道、要求主管时，AI 继续走标准流程只会火上浇油。直接转人工，并提高这条对话的优先级。
这三类问题不是”AI 做不了”，而是”做错的成本高于省下的人力”。把它们明确写进转人工规则，比事后补救划算得多。
六、验收方法：抽 30 个真实问题打分
验收不要用你自己编的问题，从最近一个月的聊天记录里随机抽 30 个。抽样时保证覆盖度：价格 5 题、运费与交期 5 题、产品规格 5 题、退换售后 5 题、开票与 B2B 5 题、剩下 5 题挑你希望它转人工的敏感问题。
打分用三档：完全答对、部分答对、答错。判断标准要写下来，避免不同人打分歧义。两个通过线建议这样定：答错不超过 3 题；5 个敏感问题里至少 4 个正确转人工。
多语言必须单独抽测。用印尼语、英语各测 5 题，故意带上口语缩写和拼写错误。AI 靠理解意图，通常能接住，但一定要亲自验证，不要假设。
没通过的部分，回去改知识库，不要改 AI 的”性格”。八成的问题都出在知识库缺内容或写了矛盾信息，而不是 AI 的语气不够热情。Cekat.AI 内置了 AI 评估能力，可以持续跟踪回答质量，不用每次都手工抽题。
七、案例：KB Insurance 的知识库统一
KB Insurance Indonesia 是印尼的保险公司，咨询量大、政策条款多，早期最大的问题是同一个问题不同坐席给出的答案不完全一致，客户拿两个说法来对质。
客户报告值：实现 7×24 小时客户服务中心，知识库集中管理，客户投诉减少。这些数字由客户统计，不是行业均值，也不代表你的团队能拿到同样结果。看 KB Insurance 案例全文。这个案例的价值在于说明一件事：答案一致性本身就是服务质量的一部分，而一致性只能靠统一的知识来源实现，靠人记是记不住的。
八、常见问题
关键词机器人完全不能用吗？
简单场景可以用，比如只回答营业时间和地址。一旦问题类型超过十种、涉及多语言或多轮对话，就该换成知识库 AI agent。
知识库要整理到什么程度才能上线？
覆盖八成高频问题、答案一致且有人负责维护，就可以先跑起来。剩下的边用边补。
SOP 是内部文件，能直接上传吗？
可以，但建议先改写成客户视角的表达。内部文件里的缩写和假设，客户看不懂，AI 也容易理解偏。
AI 会不会把内部信息答给客户？
控制在你放进知识库的内容里。成本结构、内部流程这类信息不要写进面向客户的库，需要分库管理。
多久要重新验收一次？
大改价格、政策或产品线之后必须做一次，常规情况下每月抽测一次就够。
转人工率多少算正常？
看业务复杂度。标准问题占比高的业务，转人工率可以压得比较低；涉及报价和纠纷多的业务，转人工率高是正常的。
知识库要不要按渠道分开建？
不用。同一份知识库服务所有渠道，渠道特有的差异（比如主动触达模板）单独配置即可。
从关键词机器人换到知识库 AI agent，表面上是换工具，实际上是换了一套信息组织方式：从”穷举客户会怎么问”变成”把答案写清楚”。前者是无底洞，后者是一次性的整理工作，之后只需要维护。
Cekat.AI 在这件事上的做法是把知识库和 AI agent builder 放在一起：你把 SOP、产品资料和政策导进知识库，用 builder 设好语气、边界和转人工规则，AI 从知识库取答案，多语言、多轮对话和上下文都由系统处理。同一份知识库同时服务 WhatsApp、Instagram、网站客服和邮件，改一次全渠道生效，这比维护五份词表省事得多。
上手前可以先对照功能介绍看一遍 AI 与知识库相关的能力；账号被限制时该怎么申诉，这篇讲得比较细；底层用官方 API 还是其他方案，服务商选型可以一起看。想看不同套餐支持多少会话和 AI 席位，直接看套餐与价格。
