在扣子Coze 里建知识库，本质是把你的私有资料喂给智能体，让它回答问题时不再只靠通用知识，而是优先引用你给的文档。客服问答、内部查询、产品咨询这类场景尤其适合：把产品手册、常见问题整理进知识库，智能体答自家问题的准确度会明显上一个台阶。建库这件事技术门槛不高，功夫主要花在资料整理与持续维护上。
建库前先定回答范围
动手前先回答一个问题：这个知识库要接住哪类提问？是售前咨询、售后排查，还是内部制度查询。范围定了，资料的取舍标准就清楚了——售前库多收功能介绍、规格参数、价格政策；售后库多收故障处理、操作指引。范围之外的资料先不收，库不是越大越准，无关资料会稀释检索精度，让智能体在相近内容里挑错答案。范围也可以写在智能体的设定里，明确告知用户它答什么、不答什么，预期管理做在前头。
文档拆分与入库的节奏
入库文档的整理质量直接影响回答质量。几条经验：一份大手册按章节拆开，每段聚焦一个主题，智能体检索时更容易命中；表格类信息转成条目式文字或结构化数据，纯图片里的内容先做文字识别；重复版本的文档只留最新版，新旧并存会让回答在两个版本之间摇摆。入库后在管理页确认每份文档解析成功，失败项重传，别让坏数据静悄悄留在库里。文档的命名也讲究，文件名带上主题与版本日期，排查问题时一眼定位。
问答对补上文档的盲区
文档之外，知识库通常还支持直接维护问答对，这是补盲区的利器。用户高频问、但文档里没有标准答案的问题——比如「发票怎么开」「退款几个工作日到账」——逐条写成问答对，答案由你亲自把关口径。文档负责长内容，问答对负责短口径，两者配合覆盖面才完整。运营一段时间后，把智能体答不上来或答错的问题收集起来，优先补成问答对，库就在使用中越养越准，这个收集动作本身也可以交给智能体的对话记录来沉淀。
检索测试与答案调优
上线前用真实问题做一轮检索测试：列二十条目标用户会问的原话——注意是口语原话，不是你写的标准问法——逐条测试，记录命中情况。命中率低的问题往两个方向排查：资料里确实没有，补资料；资料里有但没检索到，调整文档拆分粒度或问题表述。测试通过的标准可以定为八成以上命中，剩下的靠问答对兜底。测试题留档，每次更新资料后重跑一遍，防止改资料改出新问题，这组测试题就是知识库的回归测试集。
更新维护的责任安排
知识库不是建完就结束的项目，它需要明确的维护节奏。产品信息更新的同时更新对应文档，下架的资料及时移出；每月做一次库内清点，检查过期内容与重复文档。团队协作时指定唯一维护人，其他人只提需求不改库，避免多头修改把库改乱。维护记录顺手留存，哪个版本对应哪批资料，出问题时回溯有据。智能体的回答质量长期稳定，靠的就是这套不起眼的日常维护，维护停了，库会慢慢变成过期答案的仓库。
扣子Coze 知识库里放产品手册，客户问价格它答得准吗？
- 价格类问题放进知识库靠谱吗？：可以，但要控制口径。价格易变动，建议用问答对维护最新价格并定期核对，文档里只放价格政策说明，避免过期报价留在库里误导客户。
- 客户问的问题很刁钻，知识库答不上来怎么办？：设置好兜底策略，答不上时引导客户转人工或留下联系方式，别让智能体硬答——胡乱组织一句比坦承不知道伤害更大。
- 知识库资料会泄露给别的用户吗？：知识库归属你的账号与智能体，供你配置的应用调用，具体的数据隔离与隐私条款以平台官方说明为准，敏感资料入库前先读清楚。
