指南目录/ 知识库与 RAG
AI 客服质检与回答复核流程
AI 客服真正的难点，不是把机器人接出来，而是上线后如何持续确认它有没有说错、有没有越权、有没有把用户带进错误路径。没有质检，机器人表现好不好只能靠运气。
先看结论
当客服机器人已经上线后，怎样持续检查误答、漏答、越权和语气风险。
适合谁看
适合准备做企业知识库、客服机器人、FAQ 助手和 AI 质检的团队。
这篇会回答
• 先定义什么叫好回答，什么叫风险回答
• 高风险问题要单独监控
• 质检结果要能反推到知识库和 Prompt
Reading Path
这篇在专题里的位置
从文档入库、混合检索、Rerank、Prompt 注入防护到效果评测、ROI 和客服质检，串成一条完整落地路径。
第 1 节
先定义什么叫好回答，什么叫风险回答
如果没有统一标准，团队里每个人都会用自己的感觉判断机器人表现，最后很难形成可执行优化。
更稳的方法是先定义准确性、完整性、合规性、语气和升级路径这些维度，再围绕这些标准做抽检。
第 2 节
高风险问题要单独监控
退款、账号安全、隐私、投诉和财务相关问答，不应该和普通 FAQ 混在同一套质检逻辑里。
这些问题一旦误答，带来的损失远大于普通问答错误，所以必须单独抽样、单独复核、单独做升级规则。
第 3 节
质检结果要能反推到知识库和 Prompt
很多团队做完质检只出一份报表，却没有把问题回灌到知识库、检索和 Prompt 层，结果同样的错误反复出现。
真正有用的质检流程，应该能告诉你：是知识库缺文档、检索排序有问题，还是回答策略本身需要调整。
FAQ
常见问题
客服 AI 质检是不是上线后才需要做？
不是。最好在灰度阶段就开始做，这样能更早发现高风险问题，而不是等用户投诉后再补救。
质检能完全自动化吗？
部分可以，但高风险场景通常仍然需要人工复核。自动化适合做筛查，最终判断不一定能完全交给模型。
Continue Reading
继续沿着这条主线看
这部分不再重新给你一堆大卡片，而是直接把下一步阅读顺序列出来，方便继续往下走。