为智能体添加知识话题与 FAQ 条目
什么是知识话题
知识话题(Knowledge Topics / FAQs)是 PolyAI 智能体的"单轮问答知识库"。和 Flow(多步引导式对话)不同,话题处理的是那些"客户问一句、智能体答一句"的场景——比如"你们几点开门?"、"退款需要多久?"、"支持哪些支付方式?"。
每个话题由三部分组成:
| 组成部分 | 作用 | 示例 |
|---|---|---|
| 话题名称 | 人类可读的标识符,方便管理 | Store hours |
| 示例问题(最多 20 个) | 告诉 RAG 系统这个话题覆盖哪些用户问法 | "你们几点开门?"、"营业时间是什么?" |
| 回答 | 智能体在匹配到该话题时应该给出的回复 | "本店周一到周五 9:00-18:00 营业,周末 10:00-16:00。" |
在 Studio 里添加话题的步骤
- 左侧导航栏进入 Knowledge → FAQs
- 点击 Add topic
- 填写话题名称、示例问题、回答内容
- (可选)添加 Actions——触发动作(转接人工、发送短信等)
- 点击 Save
保存后这个话题就立即出现在 Sandbox 环境里。你可以立刻用浏览器内通话或 Webchat 测试它是否能正确被召回。
三种话题来源
PolyAI 支持三种方式把知识导入系统:
手动创建
逐个在 Studio 界面里填——适合话题数量少、每条内容需要精确控制的场景。
上传文档或 URL
PolyAI 可以解析 PDF 文档和网页 URL,自动从中生成话题条目。适合已有现成知识库(比如老的 FAQ 网页)的迁移场景。
连接外部知识源
通过 Connected 标签,可以直接连接 Zendesk、Google Sheets 等外部系统,让 PolyAI 实时从这些系统里拉取最新知识,你不需要手动同步。
RAG 召回机制简述
PolyAI 使用检索增强生成(Retrieval-Augmented Generation, RAG) 机制来决定对话中应该召回哪些话题。工作原理是:当用户说一句话时,系统先把这句话和所有话题的示例问题做语义匹配,把相关性最高的几个话题的回答内容检索出来,然后把这些内容作为上下文喂给 LLM,让 LLM 在此基础上组织自然的回复。
RAG 机制的好处是知识和模型解耦——你修改话题的回答内容,下次对话就自动用新内容,不需要重新训练模型。这使得知识库的维护成本非常低。
话题 vs Flow:什么时候用哪个
| 场景 | 推荐用 |
|---|---|
| 单轮问答(营业时间、政策说明、简单事实) | 话题 |
| 需要多步引导(预订、身份验证、表单收集) | Flow |
| 话题匹配不上、需要触发 Flow | 话题 Actions 里配置 Flow 触发 |