客服资料只有两种常见做法：一份用户自己翻的 FAQ 文档，一个能对话的 AI 知识库。前者便宜可控，后者体验好但依赖资料质量和技术接入。判断起点不在预算，在你收到的真实问题有多少条、问法有多散——这两个数字定了，选型基本就定了。
机制差别决定各自的短板
FAQ 文档是人工整理的问题清单，用户自己去翻，或者客服照着答。它的能力边界很清楚：只能回答「你想到过的问题」，用户找不到对应条目，文档写得再全也用不上。AI 知识库是把资料接入模型，用户用自然语言提问，它基于资料组织回答。好处是能应对各种问法，用户不必自己定位条目；代价是回答可能不准，且资料更新后要确认生效情况。两种形式也不冲突，很多成熟团队两套并行：FAQ 承接高频问题，知识库承接长尾提问，入口放在一起。把资料接进 AI 这件事，技术上有不同路线，微调和 RAG 两种知识接入方式讲的就是这个分岔，客服场景大多走检索增强一类的路线，改动成本低、资料可随时换。
成本结构不一样
FAQ 的成本集中在前期整理和日常维护，二十条时是轻活，两百条就开始互相打架——同一问题两个说法、旧答案没删干净。知识库的成本集中在技术接入和资料治理：要有专人负责更新，产品变了、政策改了，资料必须同步，否则模型会拿旧答案一本正经地回答。两边都不是一次性投入，区别是 FAQ 烂掉的方式是没人翻，知识库烂掉的方式是答错。
问题量决定起点
问题在二十条以内、问法固定，FAQ 够用；问题多、问法散，知识库更合适；预算和人力都有限，就先做 FAQ，把真实提问攒起来再升级。这个次序不建议反过来走：资料没整理好就接 AI，它答不好，然后被归咎于 AI 不行——问题其实出在语料。小团队起步时可以参考低门槛组合的思路，低门槛的 AI 起步组合里先把事办起来、再逐步加深的原则，同样适用于客服建设。
从 FAQ 长成知识库的路径
可行的做法分四步：先整理一份十五到二十条的 FAQ 上线；在文档旁边留一个提问入口，收集没被覆盖的真实问题；每两周回看一次，把高频新问题补进 FAQ；当未覆盖的提问超过三分之一、问法开始发散，再把整理好的 FAQ 当作语料接入知识库。知识库的效果上限就是资料质量，前面积累的真实问题和标准答案，接进去就是现成的高质量语料，这条路走的每一步都给下一步打底。
知识库失效的三种情况
资料过期：产品改版后文档没更新，AI 拿旧答案回答得理直气壮。资料冲突：两份文档说法不一致，回答取决于检索到哪一份。资料之外的问题：用户问的是文档里没有的内容，模型要么编造要么答非所问。三种失效指向同一件事：维护责任必须落到具体的人，没有人的知识库比没有知识库更糟——至少 FAQ 答不了的时候，用户知道去问人工。
选型对照表
| 场景 | 起步做法 | 升级判断标准 |
|---|---|---|
| 新产品上线，问题还不多 | 先写十五到二十条 FAQ | 未覆盖提问占比是否持续上升 |
| 问题量大且问法分散 | 直接上知识库，语料用 FAQ 打底 | 回答准确率能否抽样验证 |
| 预算与人力都有限 | 纯 FAQ，专人每两周更新 | 维护是否跟不上内容增长 |
| 资料涉及公司内部数据 | 先评估数据安全与权限设置 | 数据处理方式是否明确 |
用表的方法是先看场景列，找到自己所在的那一行；升级判断标准用来定期复查，评一次就固定不动是常见误区。
另外，知识库涉及把公司资料交给外部服务处理，接入前要评估数据安全：哪些资料可以进、权限怎么设、数据处理方式是什么，这些在协议层面确认清楚再动手。底层模型的选择也有章可循，模型选型的通用判据和自部署与调 API 的取舍分别对应「选什么模型」和「自己部署还是调服务」两个问题。
客服知识库选型速查
- 问题二十条以内、问法固定：FAQ 够用
- 问题多、问法散：知识库，语料用 FAQ 打底
- 未覆盖提问超过三分之一：考虑升级
- 资料过期、冲突、缺失是三种主要失效
- 维护责任落到人，数据安全先于体验
