"给客服接个 AI 就行"--这是 2026 年最大的幻觉。真把一个大模型怼到客户面前，它会热情地编造退货政策、自信地承诺不存在的功能、在被投诉时还在道歉。一个能上岗的 AI 客服，核心从来不是模型多强，而是你有没有把"知识库 + 兜底 + 转人工"这三件事做对。这篇 SOP 从零搭一个真能接客的客服机器人，工具用国内免翻墙的 Coze / Dify。
一、先泼冷水：AI 客服不是"接个 API 就上岗"
直接把大模型挂到客服窗口，会翻三种车：
- 幻觉承诺：客户问"能退吗"，模型为了讨好，编出一套不存在的退货政策，你还得善后。
- 答非所问：客户问"我的订单到哪了"，模型讲一堆物流科普，因为不知道订单数据。
- 不知止境：被激怒的客户骂它，它还在礼貌道歉，越聊越崩。
根因是：模型只懂"语言"，不懂"你的业务"和"什么时候该闭嘴"。SOP 的全部工作，就是补上这两块。
二、整体架构：三层 + 一个兜底
一个能上岗的 AI 客服长这样：
- 意图层：先判断客户来干嘛（查订单 / 问政策 / 投诉 / 闲聊），决定走哪条路。
- 知识层：查订单走业务系统 API；问政策走知识库（RAG）；闲聊走轻量回复。
- 回复层：基于检索结果 + 人设，生成回复。
- 兜底：识别到情绪、多次答错、超出知识边界，主动转人工。
记住一句话：好的 AI 客服，一半功夫在"让它会答"，一半在"让它知道什么时候不该答"。
三、Step 1：把"客服大脑"喂给它（知识库）
知识库是客服的命。没有它，模型只能靠训练时的通识硬编。
准备素材（常见踩坑全在这一步）：
- 退货政策、保修条款、发货时效--整理成问答对（Q/A），别扔整篇 PDF。
- 商品参数、价格--结构化表格，模型检索更准。
- 常见故障排查--写成步骤化文档。
坑①：直接把官网说明文档整篇上传，模型检索时被无关段落带偏。正确做法是拆成"一个主题一个文档"，每篇 < 2000 字。
切片策略（RAG 成败关键）：
- 带表格的内容用"按段落 + 表格整体"切，别拦腰斩断表格。
- 切片重叠 10-15%，防止关键句被切断。
- 上重排序（BGE-Reranker），召回准确率立竿见影。
坑②：不上重排序，召回 top5 里 3 条无关，模型照样答错。重排序是把"检索到"变成"检索准"的关键一跳。
四、Step 2：搭工作流（Coze 实操）
以 Coze 为例（Dify 类似），核心节点：
用户输入 -> 意图分类(LLM) -> 分流 -> [查订单API / 知识库检索 / 轻回复] -> 生成回复(LLM+人设) -> 输出
意图分类 Prompt（可直接复制）：
你是客服意图分类器。判断用户这句话的意图，只输出一个类别名：
- query_order：查订单 / 物流状态
- ask_policy：问退货 / 保修 / 发货政策
- complaint：投诉 / 情绪激动 / 要求人工
- chitchat：闲聊 / 问候
判断依据：用户原话。语气激烈或出现"人工、投诉、退款"等词，归 complaint。
用户输入：{{user_input}}查订单走业务系统 API（Coze 用"插件"接入），把订单状态取回来塞进回复上下文。注意脱敏，按当前会话用户身份过滤，别把别的客户订单带出来。
五、Step 3：人设与兜底（转人工）
客服人设 Prompt（可直接复制）：
你是「{{品牌名}}」的客服。回答风格：专业、简短、有温度。
规则（不可违反）：
1. 只能基于「知识库检索结果」和「订单数据」回答，不要编造。
2. 检索结果为空或不确定时，说"这个我得帮您确认一下"，并触发转人工。
3. 绝不承诺知识库外的政策（如具体赔偿金额、发货时间）。
4. 检测到用户情绪激烈或两次要求人工，立即转人工。
知识库检索结果：{{retrieved_context}}
订单数据：{{order_data}}
用户输入：{{user_input}}坑③：不给"不确定就转人工"的明确指令，模型宁可硬编也不认输。这条规则是客服不出大事的最后防线。
转人工触发：意图分类返回 complaint，或人设回复里出现"转人工"标记，工作流跳到人工节点通知坐席。
六、Step 4：测试与上线
别一上来全量。按这个节奏：
- 影子模式：AI 在旁边跑，不回客，人工对照看 AI 答得对不对，跑 3 天。
- 夜间托管：先只在人工下班时段让 AI 接，范围小、风险可控。
- 灰度放量：白天放 20% 流量给 AI，监控转人工率和投诉率。
- 全量 + 持续优化：每周复盘 AI 答错的 case，补进知识库。
核心指标：不是"AI 解决率"，而是"转人工率 + AI 解决后的二次进线率"。AI 解决率高但客户又回来，说明答错了，比不答更糟。
七、踩坑记录
- 坑④（数据越权）：让 AI 直接查全量订单库，曾把 A 客户的订单回给 B 客户。必须按当前会话用户身份严格过滤，权限做到行级。
- 坑⑤（过度道歉）：AI 一句"非常抱歉"循环出现，客户更火。人设里限制"每会话最多道歉 1 次，给解决方案而非道歉"。
- 坑⑥（边界乱答）：客户问知识库完全没有的内容（如竞品对比），AI 别硬评，统一回"这个问题我帮您转给人工同事"，避免祸从口出。
- 坑⑦（合规标识）：AIGC 标识别忘了，国内要求 AI 生成内容需可识别。客服开场白标注"智能客服为您服务"。
八、小结
一个能上岗的 AI 客服，模型只占三成，知识库占三成，兜底和工程占四成。把"意图分流 + 知识库检索 + 人设约束 + 转人工兜底"这四件事做扎实，再强的模型只是锦上添花；这四件没做，再强的模型也是定时炸弹。先跑通影子模式，再放量，别拿真客户当测试。
参考来源
- Coze 官方文档：www.coze.cn/docs
- Dify 官方文档：docs.dify.ai
- BGE Reranker 模型：huggingface.co/BAAI/bge-reranker-v2-m3