← 返回
未分类

FAQ自动提炼

QQQ
未分类 community v1.0.0 1 版本 100000 Key: 无需
★ 0
Stars
📥 89
下载
💾 0
安装
1
版本
#latest

概述

FAQ Auto Extractor — FAQ自动提炼

Use when the user mentions FAQ提炼、常见问题提取、客服问答、知识库生成、FAQ extraction、knowledge base、frequently asked questions, or asks to extract FAQs from chat logs. NOT for 客服系统搭建、聊天机器人开发、知识图谱构建.

描述

从客服聊天记录、用户反馈或社群对话中自动提取高频问题,归类整理并生成标准答案库,帮助客服团队减少重复回答、新人快速上手,解决"客服重复回答同样问题"的效率痛点。

重要限制(请提前告知用户)

  • 需要对话数据:需要用户提供聊天记录、工单记录或用户反馈,无法凭空生成
  • 答案需人工审核:AI提炼的答案可能不够准确或时效性不够,需业务人员确认
  • 隐私脱敏:请在提供数据前脱敏客户姓名、电话、订单号等敏感信息
  • 数量建议:提供至少50条以上对话效果更好,数据越多分析越准

快速开始

用户:帮我提炼FAQ
→ 请粘贴客服聊天记录或用户反馈数据,我来提取高频问题

用户:[粘贴100条聊天记录]
→ 分析高频问题,按出现频次排序,生成标准答案

用户:答案太官方了,改口语化一些
→ 调整答案风格为亲切口语化

用户:帮我分个类
→ 按主题分类(如:物流类、退换货类、产品使用类)

用户:导出为表格格式
→ 输出为可复制的表格,方便导入客服系统

能力

  • 从非结构化对话中识别用户提问
  • 合并相似问题(如"怎么退货"和"退货流程是什么")
  • 按出现频次排序
  • 自动生成标准答案(基于对话中客服的回复)
  • 按主题分类组织
  • 支持多种输出格式(列表/表格/问答对)

执行步骤

Step 1: 获取数据

  1. 接收用户提供的对话记录
  2. 确认数据格式(纯文本/CSV/JSON)
  3. 进行基本清洗(去除无关内容)

Step 2: 问题提取

  1. 识别对话中的提问语句
  2. 归纳合并相似问题
  3. 按出现频次统计排序

Step 3: 答案生成

  1. 从客服回复中提取对应答案
  2. 综合多次回答生成标准版答案
  3. 确保答案完整、准确、可操作

Step 4: 分类输出

  1. 按主题/场景分类组织
  2. 添加关键词标签(便于搜索)
  3. 按用户偏好格式输出

输出格式

📚 FAQ知识库
━━━━━━━━━━━━━━━━━━━━
数据来源:[X]条对话记录
提炼问题:[X]个
分类数量:[X]类

## 高频问题排行

| 排名 | 问题 | 出现频次 | 分类 |
|------|------|----------|------|
| 1 | [问题] | 23次 | 物流 |
| 2 | [问题] | 18次 | 退换货 |
| 3 | [问题] | 15次 | 产品使用 |

## FAQ详细内容

### 📦 物流类

**Q1: 快递几天能到?**
标准答案:常规快递3-5个工作日送达,偏远地区5-7天。下单后24小时内发货,物流单号会通过短信推送。
关键词:快递、物流、几天到、发货时间

**Q2: 可以修改收货地址吗?**
标准答案:发货前可在订单详情页修改地址;已发货的请联系快递公司转寄,可能产生额外费用。
关键词:修改地址、改地址、换地址

### 🔄 退换货类

**Q3: 怎么退货?**
标准答案:收货7天内可申请退货。路径:我的订单→申请售后→选择退货原因→等待审核→寄回商品。
关键词:退货、退款、七天无理由

## 建议补充
- 以下问题出现频率高但数据中缺乏标准答案,建议补充:
  1. [问题]
  2. [问题]

输出原则

  1. 频次驱动:优先覆盖高频问题,解决80%场景
  2. 答案标准化:同一问题只有一个标准答案,避免客服回答不一致
  3. 可搜索:每条FAQ附带关键词,方便客服系统检索匹配
  4. 口语友好:答案既准确又易懂,不像在念规章制度
  5. 持续迭代:标注需要补充的问题,便于后续完善

错误处理

异常场景提示语
------------------
未提供对话数据"📝 请粘贴客服聊天记录或用户反馈,至少50条效果更好"
数据量太少"💬 数据较少(仅[X]条),提炼结果可能不够全面。建议补充更多记录"
数据中无明确问答"🤔 这段内容主要是闲聊/投诉,没有明确的问答对。是否需要我从中提取用户关注点?"
含敏感信息"⚠️ 检测到数据中可能含有客户个人信息(手机号/地址),建议脱敏后再处理"
答案过时"📅 部分答案可能已过时(如活动相关),请确认时效性后再纳入知识库"

常见问题(FAQ)

Q: 数据格式有要求吗?

A: 没有严格要求。纯文本、Excel表格、甚至截图中的文字都可以。格式越规整处理越快。

Q: 提炼出来的答案够准确吗?

A: 答案基于客服实际回复生成,但建议业务负责人审核一遍,特别是涉及政策的内容。

Q: 能定期更新吗?

A: 可以。定期提供新的聊天记录,我会补充新问题并更新已有答案。

Q: 支持英文客服记录吗?

A: 支持中英文混合记录,FAQ可以按语言分类输出。

Q: 怎么导入到客服系统?

A: 我可以输出为CSV/JSON格式,大多数客服系统(如Zendesk、智齿)支持批量导入。

Q: 能识别情绪/投诉吗?

A: 可以标注负面情绪高的问题,但情绪分析不是本Skill的重点,建议使用专门的舆情工具。

最佳实践

  1. 数据量要够:50条以上效果好,200条以上效果优秀
  2. 定期更新:每月用新数据刷新一次FAQ,保持时效性
  3. 分级管理:高频问题做自动回复,低频问题留给人工
  4. 收集反馈:客服标记"答案不好用"的问题,优先优化
  5. 多渠道汇总:电话、在线、社群的问题一起分析,覆盖更全

不适用场景

场景原因替代方案
----------------------
搭建客服机器人本Skill只产出FAQ文本,不做系统集成使用客服机器人平台
实时对话分析只能处理历史数据,不支持实时流使用实时客服分析工具
复杂知识图谱输出扁平FAQ,不构建关联图谱使用知识图谱工具
用户画像分析聚焦问题提取,不分析用户特征使用用户分析Skill

常见误用

  • 误用 1:不提供数据就要求生成FAQ → 需要真实的对话记录
  • 误用 2:期望直接对接客服系统 → 只输出文本/表格,需手动导入
  • 误用 3:用于生成营销文案 → 本Skill聚焦客服知识库

安全与隐私

  • 不存储用户提供的聊天记录
  • 处理前请脱敏客户个人信息(姓名、电话、地址、订单号)
  • 生成的FAQ不含个人隐私数据
  • 建议内部使用,不直接公开含客户信息的原始数据

版本历史

共 1 个版本

  • v1.0.0 Initial release 当前
    2026-05-24 10:08 安全 安全

安全检测

腾讯云安全 (Keen)

安全,无风险
查看报告

腾讯云安全 (Sanbu)

安全,无风险
查看报告

🔗 相关推荐

knowledge-management

Obsidian

steipete
操作 Obsidian 仓库(纯 Markdown 笔记)并通过 obsidian-cli 自动化。
★ 450 📥 105,853
knowledge-management

Summarize

paudyyin
智能摘要工具,自动为长文本、文档、网页生成摘要,提取要点与关键词,支持自定义摘要长度。
★ 966 📥 522,838
knowledge-management

web-tools-guide

user_ec205dbb
MANDATORY before calling web_search, web_fetch, browser, or opencli. Contains required error-handling procedures (web_se
★ 89 📥 169,196