用扣子搭客服机器人：答不上来的时候该怎么办
用扣子搭一个能回答常见问题的客服机器人，顺利的话一个下午就能跑通：建 Bot、传知识库、配提示词、发布到渠道。
真正的难点在后面：用户问了一个知识库里没有的问题，机器人会怎么办？
默认情况下，它会答。而且答得很自然、很像那么回事，只是内容是编的。对内部工具来说这最多是尴尬，对面向客户的客服来说，这是能出事的。
这篇讲兜底该怎么设计。
扣子的界面和功能会随版本调整，本文讲的是设计思路，具体操作以官方文档为准。
先想清楚：机器人该管到哪
上手之前先划一条线，这条线决定了后面所有的设计。
适合交给机器人的：答案有明确出处、出处稳定、答错了后果可控。产品参数、办理流程、营业时间、常见故障处理——这类问题的答案写在文档里，机器人做的是把问题和文档对上，而不是自己判断。
不该交给机器人的：需要判断、需要担责、涉及金额或安全的。「我这个情况能不能退款」「我这样操作会不会有风险」——这些问题表面上是问答，实际上是要一个承诺。机器人给出的承诺，最终要你来兑现。
这条线要在设计阶段划，不是等出事了再补。
兜底的第一层：让它敢说不知道
大模型有个天然倾向：它会尽力给出一个答案，而不是承认不知道。 这在闲聊场景里是优点，在客服场景里是隐患。
在提示词里明确约束
提示词里要写清楚三件事：
- 只依据提供的资料回答，不要用资料之外的知识
- 资料里没有的，明确说不知道，不要推测、不要补全
- 说不知道之后要给出下一步，比如告诉用户可以转人工
第三条经常被漏掉。只说「抱歉我不知道」的机器人，体验比乱答还差——用户在对话框前面卡住了，不知道该干什么。
但提示词约束不可靠
这里必须说清楚一件事：提示词层面的约束是概率性的，不是保证。
它大部分时候有效，但你无法确定在哪一次会失效。测试一百次都正常，第一百零一次遇到一个刁钻的提问方式，它可能就绕过去了。
所以提示词是第一层，不是唯一一层。越是不能出错的场景，越不能只靠提示词。
兜底的第二层：转人工怎么设计
转人工是客服机器人的安全阀。设计上有几个要点：
触发方式要有两种
用户主动触发：把「转人工」做成一个明确的入口，用户随时能用。不要藏在多轮对话之后，也不要让用户猜关键词。
系统自动触发：识别到特定情况时主动转，不等用户开口。常见的触发条件包括：
- 连续多轮没能解决问题
- 用户表达出明显的负面情绪
- 问题涉及金额、投诉、退换等敏感类别
- 检索不到相关资料
转过去之后要带上下文
最影响体验的细节：转人工时要把之前的对话一起带过去。 让用户重新说一遍，前面的自动应答就变成了纯粹的浪费时间，还多添了一层火气。
没人接的时候怎么办
人工不是 24 小时在线的。非工作时间转人工，要有明确的兜底：留言、工单、告知回复时间。最糟糕的设计是转过去之后石沉大海——用户以为有人在处理，实际上没有。
扣子能做到哪一步
说实话的部分。
能做的：知识库问答、多轮对话、按条件分支、调用插件查询外部信息、发布到多个渠道。搭一个覆盖常见问题、能识别关键词、能给出转人工提示的客服机器人，扣子完全够用，而且快。
需要绕的：转人工的另一端——真正的人工客服系统——通常在扣子之外。你要么用平台支持的渠道自带的转人工能力，要么自己想办法把消息接过去。这中间的衔接是最容易掉链子的地方。
做不了的：需要和你自己的后台系统深度联动的兜底机制。比如「识别到高风险表述时，强制转人工、同时给管理员告警、并把整段对话留痕存档」——这类涉及多个系统协同、且要求机械保证一定执行的机制，可视化编排搭不出来，需要写进代码。
我们在一个心理倾诉场景里做过这件事：关键词识别、强制转人工、人工后台管理、留痕。之所以必须写成代码，是因为那个场景一旦漏掉一次，后果不是体验差，而是可能出事。
判断自己的场景属于哪一类，可以对照这篇：低代码 Agent 平台的能力边界。
知识库内容怎么写才好检索
兜底做得再好，也不如把该答对的答对。而答得准不准，很大程度上取决于知识库里的内容是怎么写的——这件事比调参数重要得多，但经常被跳过。
按用户的问法写，不是按内部的说法写。 内部文档里写「退换货政策」，用户问的是「买错了能换吗」。这两句话在字面上没有重叠，语义上也不算很近。最省事的办法是直接把用户的常见问法写进文档，让两边对得上。
一个片段回答一个问题。 把十条政策塞进一大段，检索时相似度会被稀释，模型拿到的材料里也混着九条无关内容。拆成一问一答的形式，检索效果会明显不同。
别让片段依赖上下文。 「上述情况均需提前三天申请」——这句话单独被检索出来，用户根本不知道「上述情况」指什么。写的时候要假设每一段都会被单独拿出来读。
过期内容要删干净。 新旧两版政策都在知识库里，机器人会随机挑一个答，而你无从预测它挑哪个。这不是技术问题，是维护问题，但它造成的错误最难排查。
上线前的检查清单
搭完之后，用这几条验一遍再上线：
- 问一个知识库里肯定没有的问题，看它是编答案还是说不知道
- 问一个模棱两可的问题，看它是猜还是反问
- 连续追问三轮，看多轮上下文有没有丢
- 假装很生气，看有没有触发转人工
- 在非工作时间转人工，看兜底提示是否清楚
- 换五种说法问同一个问题，看回答一致不一致
最后一条尤其重要。同一个问题换个说法就给出不同答案，说明检索不稳定，这种机器人放出去会不断制造麻烦——用户之间会互相对答案。
一个建议
先小范围放，别一上来就全量。
选一类问题、一个渠道、一段时间，把真实对话记录调出来看。你会发现用户实际问的问题，和你想象中他们会问的，差得很远。
这批真实数据比任何调优技巧都值钱。知识库该补什么、兜底该在哪触发、哪些问题根本不该交给机器人——看过一百条真实对话之后，答案自己就浮出来了。