基础层
车型参数 / 价格区间 / 金融政策 / 提车政策，结构化数据，Excel·API 自动同步，保证口径统一
这是我试着做的一个小 Demo——左边可以像抖音用户一样私信它，右边能看到它每一步是怎么判断的。往下滚，是我对这套知识库搭建方式的一点思考。
👆 上面那个 Demo 只是结果——下面是我对「它怎么搭起来」的一些整理和思考，不一定对，欢迎指正。
抖音私信用户大多是还没买车的潜在客户——刷到内容、产生兴趣、来私信问一句，这一刻的响应速度，直接决定这条线索能不能接住。所以这个 AI 客服的目标不是把问题答对就完了，而是按优先级做四件事：秒回 → 答对 → 留资 → 转人工。
数据支撑（哈佛商业评论 HBR · 2011）：对 2241 家企业、125 万条销售线索的研究显示，收到线索后 1 小时内响应，有效转化概率比拖到 1 小时之后高出约 7 倍，拖到 24 小时以上则低 60 倍。私信要秒回，是转化率的硬约束。
汽车单条线索成本 CPL 从 2019 年 80~150 元涨到 2025 年 300~800 元，线索成交转化率却从 5% 跌到 1.5%~2%。成本涨 5 倍、转化跌 3 倍，靠"买流量等成交"的粗放模式已经到头。
一句话定位：私信客服不是"答得对"就结束，而是"答得对 + 留得下 + 转得出"。
三层各司其职：基础层保证「说得准」，场景层保证「接得住」，动态层保证「跟得上」。
我体会最深的一点：用户说的和用户问的经常不是一回事，场景要尽量拆到「根因层」。
集度曾有用户反复问"地图怎么开不了"，按导航问题处理，追问两三轮才发现他问的是"地图下面的高阶智驾开不了"。所以"多少钱"的背后，可能是"预算够不够 / 有没有更便宜的版本 / 现在买亏不亏"。
意图识别 = 关键词 + 语义 + 同义词（"价格"≈"多少钱"≈"落地价"），再加兜底规则：没命中的输入不硬答，统一引导留资转人工澄清，不漏单。
用户会追问——先问"有几款车"，再问"只有一款车？"，这是对上一轮回答的质疑。AI 要能接住追问、主动澄清（"一个系列、三个版本"），而不是机械重复话术。Demo 用关键词兜住了这类追问；真实系统会接入会话状态 + 上下文窗口，让 AI 理解追问的指代关系。
AI 绝不碰的高风险动作：价格最终确认、金融方案承诺、竞品贬低、退订处理、提车时间承诺——一律转人工销售。这些动作一旦说错就是品牌事故，边界必须是人定的硬规则。
核心指标（对齐车企获客链路）：
对应 DCC 链路：线索有效率 → 排程率 → 试驾率 → 订单转化率。
郁阳阳 · 面试作业 · 抖音私信 AI 客服知识库框架 · 车型参数以官方公布为准
本次作业提交至：赛豆 · 2026年8月18日