AI 答得差，多數不是 AI 的問題
AI 客服表現不要，最常見的原因不是 AI 模型不夠好，而是底下的知識庫不夠好。當你上載模糊、過時或者不完整的資訊，AI 就會提供模糊、過時或者不完整的答案。當知識庫齊全又最新，AI 的回答可以準到好似你最熟業務那位同事——而且 24 小時都是這麼。
最有力的公開案例來自 Breathe（一間英國 HR 軟件公司）。他們的 AI 解決率起步是 56%。經過系統性的知識庫改善——改寫文章、建立回覆片段、為邊緣情況加指引——解決率在九個月內攀升到 82%，最終達到 88%。AI 沒有變過，變的是餵給它的資訊。
這篇文章提供一個務實框架，幫你建立與維護 AI 知識庫，依據 Zendesk、Intercom、Gorgias 的公開最佳做法與真實實施數據。
應該先上載什麼？
許多人的誘惑是先令 AI 變得健談友善，才求準。這個次序是倒轉的。先上載權威、政策級的內容——即是能夠解決最多客戶查詢的事實資訊。
第一優先：政策與高流量服務資訊。 退換政策、運費與配送條款（時間、費用、區域）、接受的付款方式、營業時間與假期安排、聯絡與地址資料。這些回答客戶問得最頻密的問題，產生最大量的重複訊息。
第二優先：產品與價格資訊。 產品規格、材質、尺寸、現行價錢（包括促銷）、服務描述與包含項目、套餐比較。這些驅動購買前的決定，直接影響轉化。
第三優先：邊緣情況與變通方法。 產品或服務的已知問題、常見排障步驟、標準政策的例外、出事時如何處理。這些正正是配置不要的 AI 會跣低的查詢，亦是一旦發生就最緊要的。
第四優先：渠道特定指引。 如何經 WhatsApp 預約、點用網頁聊天、點找真人處理複雜問題。
最後：語氣與銷售優化。 品牌語氣指引、追加銷售建議、招呼語客製化。重要，但只應在事實基礎穩固之後先做。
知識庫文章應該如何結構化？
四個原則，直接決定 AI 找不找到正確答案：
- 每篇一個意圖。 Zendesk 文件指出，文章標題強烈影響 AI 會不會為客戶查詢找到正確文章。一篇叫「關於配送嘅一切」的大雜燴文章，表現差過三篇具體文章：「運費幾錢？」「幾耐送到？」「可唔可以改送貨地址？」
- 用問題做標題。 配合客戶實際問法。「退貨政策係點？」的檢索效果好過「退貨政策資訊」，因為客戶打的是問題，不是分類標籤。
- 答案放在第一句。 AI 由文章開頭提取資訊。如果答案埋在第四段，AI 可能返回背景資訊但漏了答案。
- 每篇 100–300 字。 如果一篇超過 300 字，好可能覆蓋了多個意圖，應該拆開。
多久更新一次知識庫？
證據好清楚：將知識庫當成一個活系統，而不是一個季度項目。
| 頻率 | 做什麼 | 所需時間 |
|---|---|---|
| 即時 | 任何價錢、政策或產品變更後當日更新 | 數分鐘 |
| 每週 | 檢視過去一週 AI 答不到或答得差的對話，補返文章 | 15–30 分鐘 |
| 每月 | 審核最常見話題，看有沒有新問題冒起、舊文章還準不準 | 30–60 分鐘 |
| 每季 | 全面掃描失效連結、重複內容、過時文章與已下架產品 | 1–2 小時 |
Gorgias 特別提醒：文章必須準確、已發佈（不是草稿），並在政策、產品名、供應狀況或連結改變時保持更新。Intercom 更形容知識庫維護是日常責任，不是定期任務。記住一句：AI 報了昨天的價錢，比沒有 AI 更差。
一個好的知識庫實際是點？
以一間零售生意為例，結構大致是這麼：
- 運費與配送（5 篇）： 運費幾錢？／多久送到？／送不送外國？／落單後可不可以改地址？／我張單去到邊？
- 退換與退款（4 篇）： 退貨政策是點？／點開始退貨？／什麼時候收到退款？／可不可以換貨而不退？
- 產品（不定）： 每個產品類別或常見產品問題一篇。「[產品] 有咩 size？」／「[產品] 用咩材質？」／「[產品] 有冇貨？」
- 付款（3 篇）： 接受什麼付款方式？／可不可以分期？／我付款失敗點算？
- 一般（3 篇）： 你們幾點開門？／在哪裡？／點找真人？
大約 15–20 篇就覆蓋到最常見查詢。大部分中小企可以在 2–3 小時內砌起，之後隨每週檢視浮現的新問題自然擴充。
知識庫質素實際改變了什麼？
| 指標 | 差的知識庫 | 維護良好的知識庫 | 來源 |
|---|---|---|---|
| AI 解決率 | 56% | 82–88% | Breathe／Intercom（2025） |
| 30 天自動化率 | 低 | 30% 互動 | Gorgias 案例（2025） |
| 60 天自動化率 | 低 | 45%+ 互動 | Gorgias 案例（2025） |
| AI 準確度評分 | 3.55／5（1 月） | 4.08／5（10 月）— 升 14.9% | Gorgias AI Agent（2025） |
規律一致：AI 表現是知識庫質素問題，不是 AI 能力問題。
知識庫與 Omago 點配合？
Omago 是一個幫助中小企在 WhatsApp、Telegram 與網頁聊天自動化客戶對話的 AI 客服平台，會用你上載的知識庫來生成回覆。你可以貼文字、上載文件，或者連結你的網站——AI 會索引內容，當它做事實依據。
知識庫與對話流程互補：知識庫處理開放式問題（「退貨政策係點？」），對話流程處理結構化旅程（「我想預約」→ 一步步引導資格篩選）。兩者一齊，覆蓋整個客戶互動範圍。想看如何設計對話流程，可以參考 如何設計有效的對話流程；想看 AI 整體做到與做不到什麼，可以看 2026 年 AI 助理可以為中小企客服做什麼。
常見問題
開始要多少篇文章？
由 15–20 篇覆蓋你最常見問題的文章開始。檢視你最近 50 條 WhatsApp 或網站訊息——同樣的 10–15 個問題會不斷重複。先為這些砌文章，再按 AI 升級轉交的情況擴充。
知識庫文章用什麼格式好？
純文字最好。用清晰簡單的語言寫——不要用 marketing 文案。除非客戶自己會用，否則避免術語。結構為：問題（標題）→ 直接答案（第一句）→ 支援細節 → 例外或邊緣情況。
可不可以直接連結網站而不寫文章？
許多平台容許這樣做，快速起步是得的。但專門的知識庫文章表現更好，因為他們是圍繞客戶問題結構化。你的網站寫「我哋提供優質配送選項」，但你的知識庫應該寫「標準配送 HK$40，3–5 個工作天到；速遞 HK$95，下個工作天到」。
AI 遇到知識庫沒有的問題會點？
配置得好的 AI 會承認知識空白，並提出幫你接駁真人，而不是亂這麼估。這個才是正確行為——保護你的客戶體驗，亦標示出哪些話題需要新文章。每週檢視這些升級轉交，持續擴充覆蓋。
值不值得請人幫手砌知識庫？
對大部分中小企來說，不值。老闆或經理比任何外判寫手更清楚客戶問題的答案。自己做的價值，就是內容符合你真實的政策、產品與語氣。最初的 2–3 小時功夫，會回報幾個月。
資料來源：