客服 AI 模型选型怎么做：速度、成本、知识库、转人工和质检

客服 AI 选模型不能只问“哪个模型最聪明”。客服场景更关心速度、稳定、成本、知识库引用、语气一致、转人工和质检。一个很强但很慢、很贵、经常不按知识库回答的模型，不一定适合客服。更好的做法是把客服任务拆开：FAQ 快速问答、复杂问题总结、情绪识别、工单分类、人工辅助回复和质检复盘，分别选择合适模型。

本文是待复核草稿。客服提示词可以看 客服 AI 提示词模板，多模型降级可以看 多模型 Router 怎么做降级。

适合谁

适合准备搭 AI 客服、客服知识库、售后助手、工单分类、人工辅助回复和客服质检的人。你可能已经有客服资料，但不知道用哪个模型、怎么接知识库、怎么控制风险。

也适合接客服 AI 项目的人。客户一般关心降本增效，但交付时必须讲清楚 AI 能处理什么、什么时候转人工、怎么验收。

不适合谁

不适合让 AI 直接处理所有客户问题的人。退款、投诉、法律、财务、医疗、账号安全和高价值客户问题，通常需要人工介入。

也不适合只看模型排行榜。客服任务的实际质量要用真实工单评估。

速度优先还是质量优先

客服入口通常需要快。用户不愿意等很久。FAQ、订单状态、基础政策问答可以用速度快、成本低的模型。

复杂投诉、跨文档问题、总结长对话和生成人工回复建议，可以使用更强模型。不要让所有任务都走同一个模型。

知识库很重要

客服 AI 不能凭空回答公司政策、产品价格、售后规则和活动条款。知识库要有版本、来源和权限，回答最好带引用。

如果知识库检索不到，AI 应该说资料不足或转人工，不要自己编答案。RAG 引用可以看 RAG 怎么显示引用来源。

转人工策略

转人工不是失败，而是客服 AI 的安全边界。触发条件可以包括：用户情绪强烈、资料不足、涉及退款赔付、账号安全、投诉升级、模型低置信度和多轮无法解决。

转人工时要把对话摘要、用户诉求、已查资料、AI 建议和风险点一起交给人工客服。

质检和复盘

客服 AI 上线后要定期抽查。看是否引用正确、是否语气合适、是否越界承诺、是否正确转人工、是否解决用户问题。

质检数据可以反过来优化知识库、提示词、转人工规则和模型选择。

常见错误

第一个错误是只用通用提示词，不接知识库。客服必须基于业务资料。

第二个错误是没有人工兜底。AI 处理不了时，用户不应该卡住。

第三个错误是没有成本监控。客服量大，模型费用很快会累积。

交付检查

客服 AI 项目验收时，建议准备真实工单样本，而不是随便问几个问题。样本要包括常见 FAQ、价格问题、退款问题、投诉问题、资料不足问题、用户情绪强烈问题和需要转人工的问题。

每个样本都要记录预期处理方式：直接回答、引用知识库、追问、转人工、生成草稿或拒绝回答。这样可以把“模型感觉不错”变成可验收的交付标准。

后续可以拆出客服专题：AI 客服知识库怎么搭、AI 客服转人工规则、客服 AI 质检表、客服机器人怎么控制成本。客服场景搜索面大，也更容易和工具模板、人工服务形成连接。

风险提醒

客服 AI 涉及客户资料、订单、售后、投诉和品牌声誉。不要让模型直接承诺赔偿、价格、政策或法律结论。

涉及隐私和账号安全时，要严格控制数据访问和日志保存。

具体步骤

第一步，按客服任务分类。第二步，为 FAQ、复杂问题、质检和摘要分别选模型。第三步，搭知识库并保留引用来源。第四步，设计转人工规则。第五步，记录成本、延迟和解决率。第六步，定期抽查对话质量。需要选型表，可以从 工具导航 下载或联系人工协助。

免责声明

本文只用于客服 AI 模型选型参考，不构成业务效果、成本或合规承诺。正式上线前，应结合真实工单、客户政策和人工客服流程复核。