知识学习

知识学习把企业微信与 QQ 群聊里的高分问答蒸馏为通用知识入库，并提供知识缺口分析与学习记录，让 AI 越用越聪明。

知识学习为旗舰版（Ultra）能力。

功能概览

页面分为四个子模块（顶部切换）：

「优质候选」「知识缺口」「学习记录」默认按近 7 天日期筛选，可按考核群等条件过滤（规则设置无日期筛选）。

群聊中的图片消息（截图、单据等）会被自动识别为文字进入对话转写（呈现为「[图片: 识别内容]」），话题拆分与蒸馏都能看到图片内容，员工「甩截图答疑」的知识同样能被沉淀。

规则设置

多线程知识拆分

在「规则设置」中可开启 多线程知识拆分：

一个议题按话题拆成多条独立知识，适合多人多话题交织的群聊；关闭则一议题一条。

关闭时（默认）

开启后

开启后仍与关闭时相同的部分

• 复核阈值、自动通过阈值、TTL、蒸馏模型与提示词等规则仍在此页统一配置；
• 知识缺口、学习记录、回滚机制不变；
• 语义去重（>0.9 合并 / 冲突）仍作用于每条待入库知识；
• 非被考核员工的补充答复会计入答案底稿并标注；机器人 / 自动回复默认可作答案参考（作上下文）。

何时建议开启

• 考核群里经常出现「一个问题还没答完，另一个客户又插问别的事」；
• 你希望一次高分议题沉淀多条可检索知识，而不是混成一大段笼统问答。

何时保持关闭

• 议题结构简单，一问一答为主；
• 希望流程最简、AI 调用最少。

分数与自动入库

自动通过阈值必须 ≥ 复核阈值。

质量分与话题分

开启「多线程知识拆分」后，页面上会出现两种分数，衡量的对象不同：

为什么需要话题分：议题质量分是整段对话的综合观感——一个高分议题里可能同时有答得好和答得差的话题，单看议题分无法分辨。话题分把粒度落到每条待入库的问答上，让「哪条值得进知识库」一眼可判：分数高说明这条问答准确且完整，可放心采纳；分数偏低建议先核对答案再入库。

• 悬停话题分方块可查看准确性 / 完整性两个维度的得分（0–5）与评分理由；
• 显示「—」表示未评分：功能上线前生成的旧话题，点「重建线程」或「调整归属」后会自动补分；被 AI 判定「不值得沉淀」的话题不参与评分；
• 未评分的话题不会自动入库，仅可人工采纳。

自动入库必须满足的条件

后台任务会定期扫描高分议题，全部条件同时满足才会自动写入知识库；任一不满足则留在「优质候选」等待人工处理。

通用前提（两种模式均适用）

关闭「多线程知识拆分」时（一议题一条）

• 该议题尚未有任何生效中的入库记录；
• 蒸馏预览会同步生成答案质量分（与话题分同口径：准确性 + 完整性，0–100，展示为候选行的「话题分」方块）；该分未评分或低于自动通过阈值时不自动入库，留在候选转人工；
• 后台对该议题执行一次蒸馏 + 去重，通过后自动写入知识库。

开启「多线程知识拆分」时（按话题入库）

除通用前提外，每个话题还需同时满足：

限频保护（多话题模式）

• 同一议题每轮自动通过最多 2 个话题；
• 同一企业每轮自动通过总预算最多 10 条（跨议题累计）；
• 候选线程预重建每企业每轮最多 10 个议题（后台约每 5 分钟一轮，渐进消化积压，与自动通过预算相互独立）。

自动通过与线程预重建均由后台定时任务执行，无需打开「优质候选」页面。线程预重建与自动通过解耦：即便关闭「自动通过」，候选的话题拆分仍会在后台提前算好；只是不会自动写入知识库，仍需人工「蒸馏采纳」。不满足自动条件的条目仍会出现在优质候选中。

每个议题至多预重建一次。若某议题的话题归属需人工确认，后台不会反复重算：该议题卡片会显示「调整归属」与「强制重建」，可拖拽消息到正确话题后生成知识单元，或确认后让 AI 重新拆分。

入库状态：自动入库 / 复审入库 / 人工入库

「优质候选」列表可按入库状态筛选；已入库的议题或话题会显示对应标签，含义如下：

三者区别小结

• 自动入库：零人工干预，内容与 AI 蒸馏结果一致；适合规则清晰、置信度高的话题。
• 复审入库：入库路径仍是自动通过，但内容经人工校对或补充；学习记录仍记为自动通过，列表用「复审入库」区分「是否被改过」。
• 人工入库：从候选到确认均由人工完成；适用于未达自动条件、去重冲突需强制新增、或主管希望逐条审核的场景。

三种状态入库的知识在检索侧同等生效；差异主要体现在审计（「学习记录」中的来源字段）与优质候选列表的筛选、标识上。对「复审入库」条目再次「修订知识」仍视为已入库，状态保持「复审入库」。

蒸馏模型

• 默认勾选「与绩效评分模型相同」，复用服务绩效 → 绩效配置中的模型；
• 也可单独选择更轻量的知识蒸馏模型；
• 语义去重默认使用平台向量能力（接入自有阿里云百炼 Key 后自动使用自有 Key），与对话模型无关。

知识蒸馏提示词

可展开「知识蒸馏提示词」自定义蒸馏阶段的业务语境（行业背景、什么值得沉淀、answer 是否用 Markdown 等）。

不确定时点「恢复默认」即可。

优质候选

页面顶部提供运营统计卡片（跟随日期筛选，随列表一同刷新）：

• 入库：自动入库 / 复审入库 / 人工入库 / 冲突跳过 / 回滚 各计数，与「学习记录」按入库时间筛选的结果一致；优质候选页状态下拉筛「自动入库 / 复审入库 / 人工入库」时，列表同样以入库记录为准（包含历史入库记录和曾被隐藏的议题），日期按入库时间而非议题创建时间；
• 待蒸馏采纳：仍按知识单元 / 议题待采纳口径，与入库计数分开；
• 话题分分布：≥95 / 85–94 / <85 / 未评分 四档条形（仅统计值得沉淀的话题）；
• 待办：待蒸馏采纳数、待人工归属确认数、关联待复核数（知识库中有相近条目被更新、待人工复核口径的条目数，点击直达知识库的「待复核」筛选，该计数为当前状态、不随日期筛选变化）；另附「被判不值得沉淀但人工仍采纳」的观测计数（用于评估 AI 误杀率，反哺提示词调优）。

展示服务绩效中高分「问题类」议题：

1. 列表显示质量分、AI 蒸馏后的问答预览、相似度提示（与库内已有知识）；
2. 点击「蒸馏采纳」打开抽屉，可编辑问题 / 答案 / 分类后确认入库（分类从目录选择）；
3. 采纳时若与库内知识冲突（答案矛盾），抽屉内会并排展示「库内已有」与「本次蒸馏」供对比，处置三选一：更新旧条目（用本次内容修订旧知识并刷新有效期）/ 强制新增 / 跳过（仅记录冲突）；
4. 已入库条目标记「已入库」；已入库话题可点「修订知识」直接更新，无需先回滚。少数历史/重建后的条目只有学习记录、没有话题卡片：列表仍展示已入库问答，并提示到「知识库」改内容、或到「学习记录」回滚撤回；
5. 可从列表隐藏（不影响绩效 / 存档原始数据）。

关闭多线程知识拆分时：每个议题一行，操作与上述 1–5 一致；行内同时显示话题分方块（该条蒸馏答案的质量分，口径同话题分，悬停可看准确 / 完整明细）。

开启多线程知识拆分后：

• 点击议题行展开，每个话题卡片最前显示话题分（0–100，衡量该条答案的准确与完整，见上文「质量分与话题分」），其后是配对置信度、蒸馏预览与操作按钮；悬停话题分可查看准确性 / 完整性明细与评分理由；
• 对值得学习的话题：蒸馏采纳（话题分高可放心采纳，偏低建议先核对答案）；对已入库话题：修订知识；
• 若服务绩效的议题评分曾在某话题的消息上扣分，该话题卡片会显示琥珀提示条「议题评分曾在此话题扣分」及扣分原因（仅提示，不拦截采纳）；
• 被判「不值得沉淀」但 AI 置信度不高的话题，会标注「AI 不确定，建议人工确认」，建议人工复核后决定是否「仍要采纳」；
• 归属有误时：调整归属 → 拖拽消息到正确话题 → 保存后转后台重蒸馏（期间可离开页面，完成后自动更新该议题，话题分一并重新计算）；
• 不需要的话题可 忽略（仅从候选列表隐藏）；
• 批量采纳：勾选多个可采纳话题（值得沉淀、未入库、蒸馏问答齐备）后，点顶部「批量采纳」按顺序自动入库；与库内知识冲突的自动跳过并保留在列表可逐条处理；筛选区「全选话题分 ≥90」可一键勾选当前页高分话题；中途离开页面时已提交的继续执行，剩余中止并在汇总中说明；
• 存量议题若有未评分话题（话题分功能上线前生成），会显示「重新重建」按钮，确认后重新拆分话题并补齐话题分（已入库的议题不提供该入口）；
• 议题的话题由后台自动预重建，通常打开即已就绪；仅当个别议题尚未生成话题时，可点 重建线程 手动触发 AI 拆分。
• 重建后仍是 0 个话题时会提示原因（如对话以闲聊为主、没有被考核员工的有效回复、话题均被判不值得沉淀）；上次拆分为空的议题，可再点「重建线程」重新拆分；话题归属不清时，卡片改为提供「调整归属」与「强制重建」。
• 已入库的议题不能重建：卡片上不显示「重建线程」「强制重建」，系统也会拒绝重建请求并提示先回滚——重建会重新拆分话题，导致知识库里的知识仍然生效、话题却又回到「待采纳」。如确需重新拆分，先在「学习记录」回滚该议题的记录。对已入库议题「调整归属」时，只允许调整尚未入库的话题。
• 删除已入库的候选：点卡片右上角删除图标，会提示「该候选已入库」；点「前往学习记录回滚」会直接打开「学习记录」并只显示这个议题的记录（页面顶部有「只看该议题」提示条，其它筛选暂不生效），对「生效中」的记录点「回滚」即可把知识从知识库撤回。点提示条上的「查看全部记录」、修改学习记录筛选或切换到其它页签，都会退出「只看该议题」。

支持按质量分、创建时间或最高话题分排序；可按入库状态（待蒸馏采纳 / 自动入库 / 复审入库 / 人工入库）、分类（当前筛选结果中实际出现过的知识分类）、话题分（≥95 / ≥90 / ≥85）筛选。选中分类后，议题展开只显示该分类下的话题。含义见上文「入库状态：自动入库 / 复审入库 / 人工入库」。

知识缺口

汇总不宜直接入库但值得关注的会话信号：

• 超时未解决、投诉、负面情绪等标签；
• 负样本仅供参考，不会自动写入知识库；
• 点击缺口行的「补充知识」可直接跳转知识库并自动预填客户问题，补上答案保存即可；也可自行到知识库针对性补充。

可按日期、考核群、缺口类型筛选。

学习记录

查看每次入库的历史：

对「生效中」且已关联知识库条目的记录，可执行回滚（从知识库撤回）；回滚后，对应话题在「优质候选」中会恢复为待采纳状态，且不会被「自动通过」再次自动入库（即使仍满足自动条件；保守起见，同议题的其他话题也将一并转为人工采纳）——如需重新沉淀，请在「优质候选」人工「蒸馏采纳」。误操作也可删除记录本身。

可按日期、考核群及上表筛选项过滤。

推荐工作流

1. 在「规则设置」配好阈值与模型；群聊话题交织时可开启「多线程知识拆分」；
2. 定期浏览「优质候选」，人工采纳高价值问答（多话题议题展开后逐条处理）；
3. 查看「知识缺口」，补全知识库薄弱环节；
4. 在「学习记录」审计入库历史，必要时回滚。

沉淀的筛选标准

优先沉淀：

• 高频问题：很多客户都会问的；
• 优质答案：服务绩效评为高分、口径准确的；多话题议题优先采纳话题分高的条目；
• 可复用：不依赖特定客户上下文、换个客户也成立的。

闭环

会话发生 → 存档留存 → 绩效评分 → 高分问答蒸馏入库 → AI 回答变好。坚持这个闭环，知识库会持续自我增强。

相关阅读

• 服务绩效（智能质检）
• 知识库管理