货代客服每天都在企业微信群里回答大量问题
有些回答其实已经很好了：
这种情况需要先确认船司是否接受改单，再根据截单时间判断是否会产生额外费用。
但问题是，这句话如果只留在聊天记录里，下次另一个客户再问：
还得重新回答一遍。
立刻智能体旗舰版的 「知识学习」，就是把这些已经在一线验证过的优质问答，进一步整理成可以反复使用的知识。
简单理解：
一线回答 → 绩效评分 → 优质内容筛选 → 蒸馏成知识 → 写入知识库。
先从“回答得好的对话”里挑知识
知识学习并不是把群聊全部自动塞进知识库。
它依赖企微绩效产生的考核结果，从已经评估过的议题里筛选优质候选。
页面主要分为四块：
- 规则设置
- 优质候选
- 知识缺口
- 学习记录
优质候选、知识缺口和学习记录默认查看近 7 天，也可以按考核群过滤。
这样企业可以先看：
哪些回答值得沉淀，哪些问题还没解决好。
85 分进入复核，95 分可以自动入库
知识学习提供两个比较关键的阈值。
默认情况下：
质量分 ≥ 85 分
可以进入人工审核候选。
而：
质量分 ≥ 95 分
在企业主动开启“自动通过”之后，可以直接完成知识入库。
需要注意的是：
自动通过默认关闭。
这意味着系统更鼓励先由人工看一遍，再决定是否把一线回答变成企业标准知识。
对于费用、政策、操作规则这类内容，这种方式会更稳妥。
群聊多人插话，也可以拆成多个知识点
真实的企微群并不是标准的一问一答。
经常会出现：
一个客户问两个问题，
客服连续解释，
中间还有其他同事插话。
如果整段对话只生成一条知识，很容易太长、太杂。
因此知识学习可以开启：
多线程知识拆分。
开启后，系统会先按话题拆分，再分别蒸馏知识。
单个议题最多可以拆成 8 个话题。
例如原来一段群聊同时讨论：
改单费用、截单时间、补料要求
最终可以分别整理成三个独立知识点。
如果企业的对话本身比较简单，也可以关闭这个功能，保持“一议题一条知识”。
客户甩一张截图，也能进入学习范围
货代群里很多问题不是纯文字。
例如客户先发：
[报关单截图]
再问：
这里为什么退单？
在相关采集场景下，图片消息可以识别成文字并进入转写。
因此，这种“看截图答问题”的服务过程，也有机会进入后续的知识学习流程。
这样企业沉淀的就不只是标准文本问答，也包括一线真实业务中常见的图文咨询。
好知识不是永久不变的
知识学习还有一个很有意思的机制：
知识 TTL。
企业可以设置知识多久没有更新后自动归档停用。
原因很简单。
货代行业很多规则都会变化：
船司要求会变，
操作流程会改，
政策也可能更新。
一条几年没人用、没人维护的知识，不一定还应该继续回答客户。
但如果某条知识持续被 AI 回答实际引用，
系统会自动为它续期。
规则可以理解成：
命中日期 + TTL。
同一条知识每天最多自动续期一次。
于是经常被实际使用的知识会自然保留下来，
长期没人引用的内容则更容易进入归档。
不只学习“好答案”，也会找“知识缺口”
知识学习还有另一半价值：
发现企业不知道什么。
例如群聊中频繁出现：
- 转人工
- 客户投诉
- 负面反馈
- 回复超时
这些并不会直接被当成标准答案写进知识库。
系统更适合把它们作为：
知识缺口。
例如发现客户反复询问某项费用，但 AI 和客服都没有稳定回答，
那就说明企业可能需要补一条：
费用说明知识。
所以知识缺口解决的不是：
“这句话要不要入库？”
而是：
我们是不是缺了一类知识？
学错了，还可以回滚
知识学习并不是单向操作。
学习记录中可以查看已经进行过的知识学习结果，并支持回滚。
如果后续发现：
某条知识不应该入库，
口径已经变化，
或者蒸馏结果不够准确，
可以回到学习记录进行处理。
即便开启了自动化，企业仍然保留后续修正空间。
它真正形成的是一个知识闭环
如果把企微绩效、知识学习和知识库放在一起看，流程其实很清楚：
客户在群里提问
↓
客服或 AI 回答
↓
企微绩效判断服务质量
↓
高分回答进入知识学习候选
↓
人工复核或自动通过
↓
写入知识库
↓
下一次 AI 可以直接使用
与此同时，
投诉、转人工、超时等问题又会变成：
知识缺口
提醒企业继续补知识。
于是知识库不再只是上线前人工整理一次。
而是可以随着真实客户服务不断更新。
使用前提
知识学习目前属于：
旗舰版能力。
同时依赖：
企微机器人 + 企微绩效考核数据。
如果没有考核群产生的绩效数据，就没有高分议题可以继续蒸馏。
知识入库后，也仍然建议企业定期抽查，确保最终对客口径正确。
最后
过去企业知识库常见的建设方式是：
坐在办公室里想客户可能会问什么。
而知识学习提供了另一种思路：
直接从客户真正问过、员工真正答过的问题里学习。
回答得好的，沉淀成下一次的标准答案。
回答不好的，变成知识缺口继续补。
这样知识库才会从一份静态资料，
逐渐变成一套随着真实服务持续成长的企业知识。