
整理知识库,起点不是把现有资料搬进去,而是从最近一个月的真实对话里找出最高频的问题。这篇给出一个纯 Python 的日志分析脚本:读入导出的对话文本,统计高频问法,输出一张 Top 20 清单,作为知识库的冷启动输入。
从日志统计高频问题
import csv
import re
from collections import Counter
# 预定义意图与关键词映射:用规则而不是拍脑袋归类,口径可复核
INTENT_MAP = {
"order_query": ["到哪", "物流", "快递", "发货了吗"],
"shipping": ["几天到", "什么时候发", "包邮"],
"refund": ["退款", "退货", "退钱"],
"invoice": ["发票", "开票"],
"product_spec": ["尺寸", "型号", "颜色", "规格"],
}
def classify(text: str) -> str:
for intent, keys in INTENT_MAP.items():
if any(k in text for k in keys):
return intent
return "other"
def top_questions(log_path: str, top_n: int = 20):
"""log_path: 导出的对话 CSV,至少含一列 user_text"""
intent_counter, question_counter = Counter(), Counter()
with open(log_path, encoding="utf-8") as f:
for row in csv.DictReader(f):
text = re.sub(r"\s+", "", row["user_text"])
if not text:
continue
intent = classify(text)
intent_counter[intent] += 1
if intent != "other":
question_counter[(intent, text)] += 1
print("== 意图分布 ==")
for intent, n in intent_counter.most_common():
print(f"{intent:14s} {n}")
print(f"\n== Top {top_n} 高频问法(知识库候选条目)==")
for (intent, q), n in question_counter.most_common(top_n):
print(f"[{intent}] {q} x{n}")跑完得到的清单直接决定先写哪 20 条答案——覆盖掉高频问题,比铺满全量资料有用得多。
入库前的三点筛选:每条候选答案入库前过一遍——答案是否唯一(唯一才交给机器)、是否涉及金额或责任(涉及就留人工)、是否与当前活动口径一致(不一致就先改口径再入库)。每条答案附三个字段:生效日期、责任人、失效触发条件,任一命中就下架重写。
让修正回流:人工改写日志
CREATE TABLE kb_feedback (
id INTEGER PRIMARY KEY AUTOINCREMENT,
session_id TEXT NOT NULL,
bot_answer TEXT NOT NULL, -- 机器人原答复
human_answer TEXT NOT NULL, -- 人工改写后的答复
reason TEXT, -- 坐席顺手标的改写原因
created_at TEXT NOT NULL DEFAULT (datetime('now','localtime'))
);每周聚合一次:重复提问率最高的条目说明答案写得含糊,转人工率最高的意图说明分流划错,人工改写次数最多的条目说明口径已经脱节——三类问题各修各的,修完回写知识库,这就是闭环。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。