教育机构想把历史客服问题整理进知识库，减少重复咨询，但担心机器人乱答退款政策。
适合谁
企业客服、运营、售后团队、本地商家
输入资料
先把这些资料准备齐，再复制提示词执行，输出会更稳定，也方便后续人工复核。
产品说明
售后规则
历史咨询
退款原因
不可回答问题
转人工规则
操作步骤
- 收集历史咨询、售后记录和产品说明
- 把问题按售前、售中、售后、退款、异常分类
- 让 AI 生成标准答复和转人工条件
- 上线前用真实问题做命中测试
可复制提示词
你是客服知识库运营。请基于下面资料整理 FAQ 初稿。
业务类型：【业务】
资料：【产品说明/售后规则/历史咨询】
请输出：1. 问题分类；2. 每类 10 个高频问题；3. 标准回答；4. 需要转人工的条件；5. 不应该回答的敏感问题；6. 还缺哪些业务资料。
要求：回答要短、准确、可复制给客服使用，不确定时标注“需要人工确认”。
实际案例样板
下面用一个具体业务场景演示，不直接替用户编造结果，而是说明输入、AI 初稿、人工检查和交付物应该怎么落地。
课程说明、售后政策、历史聊天记录、退款边界、不可回答问题和转人工条件。
按售前、报名、上课、售后、退款和异常问题生成 FAQ 分类与标准答复。
人工确认退款规则、价格、合同条款和敏感问题边界，把高风险回答标记为必须转人工。
可导入 Dify/RAGFlow 的 FAQ 草稿、转人工规则、敏感问题清单和缺失资料清单。
人工检查清单
交付前逐条核对
- 是否覆盖真实高频问题
- 是否有转人工条件
- 是否标出敏感和不确定问题
- 是否能导入知识库工具
最终交付物
按下面结构整理输出，方便复制到文档、PPT、表格、剪辑脚本或知识库工具里继续处理。
FAQ 分类
标准答复
转人工条件
敏感问题边界
缺失业务资料
知识库导入草稿