知识库健康检测
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_ae827bc3/knowledge-base-health-check。
技能介绍
问题背景
FAQ 知识库往往是「写一次、查很久」的静态文档,而一线客服每天都在新政策、新话术里演化。口径不一致会让质检反复抓同类问题;过时条目仍挂在文档里,新人按 FAQ 回复反而引发投诉;对话里高频出现的新问题若未入库,培训与检索都找不到依据。这类落差通常靠人工抽检对话、肉眼对照 Excel——样本小、难量化,也缺少可交接的修改清单。
技能如何工作
本技能以金牌客服对话为事实基准,把 FAQ 条目与真实答复做结构化对比,而不是泛泛地「扫一眼文档」。
- 统一读入:通过
scripts/read_file.py将 FAQ 与对话记录(支持.xlsx、.xls、.md、.txt、.csv)转为文本,避免各格式解析口径不一。 - 解析与索引:从 FAQ 提取「问题 + 标准答案」条目;从对话提取「客户问题 + 客服答复」,并按话题聚类。
- 对比分析(核心):
- 口径一致性:答复是否与标准答案一致、部分偏离或矛盾;
- 过时检测:FAQ 仍写但对话已不再使用的政策/流程;
- 缺失检测:对话频繁出现但 FAQ 未覆盖的问题;
- 模糊/不完整:答案过笼统、无法指导实际话术。
- 输出两份 Markdown:差异报告(逐条健康状态与对话证据)与优化建议清单(更新/新增/删除/细化,按高/中/低优先级排序)。
分析上会结合命中率、匹配度等定量信号与语义判断,并评估对话话题被 FAQ 覆盖的比例,标出知识盲区。
边界与注意点
- 文件读取须用随技能提供的
read_file.py,以保证格式处理一致;技能直接交付分析结果,不展示中间推理代码。 - 上传前应对对话做脱敏(姓名、电话、订单号等);单文件建议不超过 10 MB。
- 读表依赖
pandas、openpyxl;判断须基于实际对话内容,避免臆造差异。
使用场景
- 新政策上线一周后,用近期金牌客服对话对照 FAQ,查是否仍有旧流程话术
- 质检发现某类产品回复口径分散,需把对话记录与标准答案逐条比对并出证据
- 季度知识库复审前,统计对话热点话题在 FAQ 中的覆盖比例与盲区
- 新员工上岗培训前,核验 FAQ 条目是否与当前一线最佳实践一致
适合人员
- 客服知识库运营,需把 FAQ 修订清单附对话依据交给内容同事排期
- 质检/培训负责人,对话抽检发现口径问题后要追溯对应 FAQ 条目状态
- 产品与政策 owner,上线变更后想确认文档是否已与一线话术同步
- 负责 Excel/导出对话的数据同学,按规范脱敏后交技能做批量对比报告