行业
企业服务
Honstech × 喜车科技｜AI 应用设计与 RAG 知识库开发
客服场景用大模型最大的风险不是答不上来，而是答得自信但答错。我们给 喜车科技 的方案把「可控」放在第一位：答案必须给出处，超出知识库范围直接转人工，每一条回复可追溯来源文档。上线后重复咨询的自助解决率达到 68%。
喜车科技 的企业级产品线文档量大、版本更新频繁，客服团队 60% 的工作量在回答「怎么配置」「为什么报错」这类可标准化的问题。
此前使用过关键词匹配的机器人，答非所问导致用户信任度低，转人工率长期在 85% 以上。
提问的人从「我的问题怎么解决」出发，而不是从「这是不是机器人」出发。他们要的是准确的步骤，含糊的客套比不回答更糟。
知识库分散在产品文档、工单历史与内部 Wiki，更新不同步；客服无法判断机器人给出的答案是否可信，不敢放行。
宁可说「这个问题我转给人工」，也不生成一个看似合理的错误答案。置信度不足时强制转人工。
回复下方展示引用的文档片段与跳转链接，用户与客服都能验证，这是建立信任的前提。
前两周用于清理与结构化知识源，脏知识库上做再好的检索也是放大错误。
答案附带来源片段与文档链接，可一键跳转核对原文。
低于阈值不作答，直接转人工并标记知识缺口。
未解决问题自动汇总，驱动知识库补齐，形成持续改善闭环。
转人工时携带完整上下文与已尝试步骤，用户无需重复描述。
我们最怕的就是它一本正经地胡说。他们把「不知道就说不知道」做成了硬性规则，还给每条答案标了出处，这一点让我们敢把它放到一线去。
本项目 6 周完成试点上线。时间主要花在知识资产梳理上，知识源越规整周期越短。
我们通过置信度阈值与拒答规则控制：超出知识库范围或置信度不足时直接转人工，且每条答案附引用出处便于核对。
推荐打通。我们支持与主流工单系统对接，转人工时携带完整上下文，避免用户重复描述。
告诉我们所在行业与业务阶段，我们提供对应的交付路径与周期参考。