数据飞轮（低置信度池 → 人工 → 知识库）

这是一份什么方法

把 AI 客服不能稳定回答的低置信度问题汇聚到人工池，由人工处理后再把共性答案沉淀回知识库的闭环迭代方法。在 SRC-BIZ-001 中，作者 WMW 把这条闭环作为系统核心结构的一部分。

适合什么时候用

• 已经上线 AI 客服，但希望自动处理比例随时间上升。
• 客服语料规模有限，希望用"回答不上来的真实问题"反哺知识库。
• 有可被授权的人工客服或运营人员做二次确认。

怎么做

• 系统记录每条请求的置信度或相似度分数，低于阈值进入低置信度池。
• 人工处理后，把"可以标准化回答"的部分抽成问答对，进入知识库审核流程（从历史客服对话中提取 FAQ 与问答对）。
• 把"必须由人处理"的部分（退款、补偿、封禁、合同、付费权益）保持在人工通道（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）。
• 知识库更新后，下一次同类问题应被自动处理或显著改善。
• 用飞书多维表格（飞书多维表格）管理审核与回灌过程。

来源中的关键经验

• 来源直接披露：把低置信度或无法回答的问题交给人工处理，再更新 FAQ。
• 该闭环配合 意图三分支路由（产品咨询 / 用户反馈 / 闲聊）、向量检索 + BM25 混合检索 + 精排、低置信度问题转人工 一起运作。
• 来自 SRC-BIZ-001：从0到1构建AI客服系统（空气小猪实践记录） 与 空气小猪从创始人真人客服到 AI 客服数据飞轮。

限制

• "80% 以上自动处理"为作者自述，无独立测试集或人工抽检方法，不应被作为通用基准。
• 数据飞轮的效果高度依赖人工审核的稳定性与质量。
• 来源未公开飞轮迭代周期、人时投入与回灌审核标准。