机器人答非所问，多半是知识库整理出了问题

body:
客户问“这款手机支持无线充电吗”，AI 回复了一长串手机参数；客户问“怎么退货”，AI 却介绍起优惠活动。遇到这种情况，团队第一反应往往是“模型太笨”，但仔细排查后会发现，问题多半出在知识库整理上。
AI 的回答来自它对知识的理解。如果知识库里同一类问题有多种说法、答案藏在一大段文字中间、关键信息没有单独标注，AI 就很容易抓错重点。知识库整理得好不好，直接影响 AI 答得准不准。
## 把答案写成“客户问法”
整理知识库时，最忌讳只按公司内部习惯写。客户不会问“请说明贵司退换货政策第三条第两点”，他们会问“买错了能退吗”“东西不喜欢怎么办”“七天无理由怎么算”。知识库应尽量覆盖真实问法，同一答案搭配多种问句，AI 匹配时才不会找不到。
答案本身也要直接。先说结论，再解释细节。例如“支持无线充电，功率 15W，需配合对应充电器”，比整段产品介绍更容易被 AI 正确引用。
## 避免一个知识点多个版本
同一个问题在不同文档里写了不同答案，AI 就可能随机抽取。整理时要做一次“去重”检查，把重复内容合并，确认最终口径。业务部门多的企业，最好指定统一负责人审核，避免各部门各写一套。
## 用错误案例反向修正
答非所问的会话是知识库最好的老师。把 AI 答错的案例收集起来，看看它把问题理解成了什么、引用了哪段内容，再针对性调整。改一次看一次效果，比一次性大改更稳妥。
机器人答非所问，真正的问题往往不在“嘴”，而在“脑子里的资料”。知识库按客户问法组织、保持单一口径、持续用错误反馈修正，AI 客服才会越答越准，而不是一直靠人工救场。

答非所问的根子常在知识库里，别急着怪模型。用易歪歪把问题拆成客户视角的问答，再配合错误案例修正，机器人才能真正记住客户想听什么。