用 FastGPT 搭建带检索与护栏的客服问答机器人

FastGPT 是一套围绕大语言模型搭建问答机器人与自动化流程的系统。它把提示词、知识库、检索逻辑和对话流程放在同一个地方管理，让「把资料丢给模型然后祈祷它答对」变成可重复、可治理的流程。它适合这几类人：需要做内部知识助手、客服问答、文档问答、新人引导机器人或研究型助手的团队；已经有一批结构化文档、希望模型基于这些文档作答而不是自由发挥的团队；以及需要把机器人通过网页挂件、应用内聊天或 API 接入现有产品的开发者。如果你只是想找一个能对话的聊天窗口，FastGPT 的价值体现不出来；它的价值在于把回答变成一套有角色、有资料、有流程、有评测的系统。站内也有对应的工具条目，可以先看 FastGPT 的概览再往下读。

下面按「准备工作 → 操作步骤 → 完整示例 → 注意事项」的顺序展开。所有涉及价格、配额、模型可用性、版本功能的信息，都以官网当前信息为准，本文不写具体数字。

准备工作

动手之前先把下面几件事定下来，后面会省很多返工。

• 账号与工作区：准备好可登录的 FastGPT 账号，并确认你所在的工作区有创建应用、上传知识库的权限。团队协作时，先想清楚谁负责维护知识库、谁负责改提示词，避免多人同时改同一份配置。
• 模型选择：确定要接入的基座模型。素材给出的建议是：正式环境用能力较强的模型，测试阶段可以先用响应更快的模型跑通流程，再换到更强的模型上验证效果。具体支持哪些模型、如何配置密钥，以官网当前信息为准。
• 资料清单：列出你要让机器人回答的问题范围，并找出对应的文档。第一版不要贪多，10–20 篇高度相关的文档就够起步，质量比数量重要得多。
• 真实问题集：从客服记录、群聊、工单里收集 30 条用户真正问过的问题。这份问题集既是验收标准，也是后面做回归测试的基础。
• 边界规则：提前决定机器人不该回答什么。比如客服机器人不应回答法律与财务问题，销售机器人不应做无法核实的竞品断言。这些规则要写进提示词，而不是等出问题再补。

操作步骤

第一步：创建应用并命名

新建一个应用，名字要能看出用途和版本，例如「客服问答 v1」「内部 SOP 助手 v1」。带版本号的好处是：后面改提示词、换检索策略时，可以新建一个版本并行对比，而不是在同一个应用上反复覆盖。

创建时选定基座模型。测试阶段用响应快的模型，验证阶段换成更强的模型，对比同一批问题的回答质量。

第二步：把系统提示词写成一份「岗位说明书」

系统提示词决定了机器人的行为上限。不要写成一段散文，而要按固定结构写清五件事：角色、目标、语气、策略、格式。下面这个模板可以直接套用：

Role: {助手名称}，服务对象是 {受众}，领域是 {业务范围}。
Goals: 准确、简短、可执行；涉及操作步骤时优先用清单。
Tone: {品牌语气}；不使用行话，除非用户主动使用。
Refusals: 如果信息不在知识库范围内，明确说明并追问细节。
Safety: 不处理用户未主动提供的个人数据。
Formatting: 多步骤任务用要点列表；仅在确定时给出链接。

一个更具体的客服版本：

你是 Acme 的 SupportBot。
受众：普通用户，非技术背景。
目标：准确、简短、可执行。
语气：友好、平实，控制在 6–9 年级阅读难度。
策略：如果知识库里找不到答案，先提一个澄清问题再回答。
格式：步骤用 3–5 条要点；结尾附一个确认性问题。

写提示词时有几个要点值得记住：

• 短而明确：每条规则都应该是可测试的。写「回答不超过 120 词」比写「回答要简洁」有用得多。
• 显式拒答：明确写出「不知道就说不知道，并追问」，比事后抱怨模型幻觉有效。
• 格式约束：把「步骤用要点列表」「结尾加一个确认问题」这类要求写死在提示词里，回答的一致性会明显提升。
• 来源偏好：可以加一句「用户提到报错时，优先使用标记为 troubleshooting 的文档作答」，把检索偏好也写进提示词。

第三步：整理并上传知识库

检索增强（RAG）的效果，八成取决于资料整理得好不好。上传之前先做这几件事：

1. 精选文档：先传 10–20 篇最相关的，不要一次性把整个文档站倒进去。文件小、范围窄，索引更快，也更容易定位问题。
2. 清理标题层级：把用户最可能搜索的词放进一级、二级标题。标题是检索的重要信号，标题写得含糊，检索就找不到。
3. 控制分块长度：每个小节控制在 150–500 词，结构清晰、标题明确。过长的段落会被切碎，语义断裂后检索质量下降。
4. 打标签：给文档打上主题标签，例如 pricing、troubleshooting、legal。标签是后面做检索过滤和权限隔离的基础。
5. 设定更新节奏：内容大改之后重新索引；常规内容按周同步。过期的文档比没有文档更危险。

上传完成后，先只拿两三个问题试检索，确认能命中正确的段落，再继续往下配置。

第四步：用提示流固定回答流程

单个提示词能解决的问题有限。把回答拆成几个步骤，用流程节点串起来，回答会稳定得多，出问题时也容易定位是哪一步坏了。一个可用的五步流程：

1. 意图分类：判断用户问的是客服、销售、技术还是账单问题。
2. 决定是否检索：需要检索时，同时决定用哪些标签过滤。
3. 生成回答：按提示词里的语气、长度和策略生成。
4. 附加引用：置信度超过阈值时，附上来源链接或文档名。
5. 追问确认：结尾问一句是否解决了问题，便于收集反馈。

在 FastGPT 里，这些步骤对应流程中的节点或函数调用，具体节点名称与配置方式以官网当前信息为准。模块化的好处是：回答太长就改第三步的格式约束，检索不准就改第二步的过滤条件，互不干扰。

第五步：加护栏与评测

护栏是让机器人「不乱说」的硬约束，建议在第一次上线前就配好：

• 置信度规则：例如「置信度低于 0.6 时，先提澄清问题再回答」。阈值需要按你的资料质量实测调整。
• 领域白名单：不同机器人只能检索特定标签的文档。销售机器人不应访问法务文档，这是权限问题，不只是质量问题。
• 个人信息处理：输入侧剥离邮箱、证件号等敏感字段；非必要不存储敏感内容。
• 自动化测试：维护 20–50 条标准问答，定期跑一遍，捕捉提示词或知识库改动带来的回归。

第六步：设计回答的呈现方式

同样的信息，呈现方式不同，用户感受差别很大。几条实践：

• 操作类问题用 3–5 条要点步骤，不要写成段落。
• 在步骤后加一句短总结，例如「简而言之：整个过程大约两分钟」。
• 给出明确的下一步动作，例如「需要我帮你开一张工单吗？」。
• 链接要少而准，只在确定时给。

一个符合上述要求的输出示例：

重置密码的步骤如下：
- 进入「设置 → 安全」
- 点击「重置密码」
- 查收邮件并点击其中的链接

简而言之：两分钟就能完成。
需要我再发一次链接吗？

第七步：部署与接入

机器人调好之后，再考虑接入渠道。常见方式包括网页挂件、应用内聊天、Slack 或 Teams，以及通过 API 接入自有系统。部署时注意三点：

• 品牌一致性：界面语气要和提示词里的语气一致。提示词写「简短、友好、自信」，界面上就不要出现冗长的欢迎语。
• 预置意图：开场给几个可点击的入口，例如「账单」「安装配置」「故障排查」，能显著减少无效对话。
• 人工兜底：提供清晰的人工转接路径，并支持把对话记录一并转交。复杂问题卡在机器人里，比直接转人工体验更差。

一个完整示例

假设你运营一个 SaaS 产品，有一个约 40 页的文档站和一份比较杂乱的 FAQ。目标是在四周内上线一个客服问答机器人，并让它逐步承担重复性问题。

第 1 周：跑通最小闭环。创建应用「客服问答 v1」，写一份六行左右的系统提示词（角色、受众、目标、语气、拒答策略、格式），上传排名前 15 的 FAQ 页面，逐篇打上 troubleshooting 或 pricing 标签，然后用 30 条真实问题逐条测试。这一周不追求准确率，只确认「检索能命中、回答有结构、不知道时会说不知道」。

第 2 周：补护栏。根据第 1 周暴露的问题加规则：回答过长就加字数上限和要点格式；出现编造就加拒答规则和澄清问题规则；检索不到就回头改文档标题和小节划分。同时开启引用，让回答带上来源。然后在应用内上线，开场放三个预置意图。

第 3 周：接工单系统并量化。把机器人与工单系统打通，开始记录两个核心指标：自助解决率（没有转人工就解决的比例）和用户满意度。按反馈调整提示词与检索过滤条件。

第 4 周：复制出销售版本。新建一个销售助手，使用独立的检索标签，只允许访问产品文档与竞品简报，并加上更严格的断言规则——不做无法核实的比较，涉及对比时给出出处。

四周之后，你得到的不是一个「能聊天的窗口」，而是一套有明确角色、有受控资料、有固定流程、有指标可看的系统。重复性工单减少，销售回答有据可查，这才是这类系统真正的产出。

注意事项

幻觉出现在冷门话题上。先收紧检索过滤条件，再提高置信度阈值，最后在提示词里加一条明确的「不要猜测」规则。三者按顺序试，通常前两步就能解决大半。

回答过长。设置字数上限，强制使用要点列表，并在流程末尾加一个「风格检查」步骤，把回答重写一遍再输出。这个检查步骤的提示词可以写成：把回答压缩到 120 词以内，涉及步骤时保留一个短列表，结尾加一个确认性问题。

关键事实被漏掉。多半是文档标题太含糊或分块太碎。改标题、把分块调小、再把标准问答补进知识库作为种子内容。

不同会话之间语气不一致。把风格规则写死，并加一个改写步骤，在最终输出前统一语气。

回答里出现过期内容。安排定期重新索引，在回答中显示文档时间戳，并让检索优先选择较新的来源。

安全与治理。按机器人角色划分访问范围，隔离敏感标签；记录提示词与输出以便审计，同时做脱敏；遵守数据保留策略，定期清理测试对话；把系统提示词当作代码来管理，做好版本记录。

进阶能力。需要机器人执行动作时，用工具调用（创建工单、查询订单状态等），并为每个工具定义严格的参数结构。需要推理过程时，用简短的推理摘要代替完整的思维链，兼顾速度与隐私。支持多模态时，可以让用户上传图片或 PDF 并自动抽取关键字段。检索片段保持短小，按相关性与时效排序。想比较两套提示词或检索配置，做 A/B 测试，留下效果更好的那套。高流量接口要加退避与缓存，避免触发速率限制。

衡量效果。建议持续跟踪五项：回答准确率（人工抽查加自动化测试集）、自助解决率、首次响应时间、问题拦截带来的成本节省、用户满意度。设定目标值，按周复盘，据此调整提示词和检索过滤条件。

起步建议。从一个范围很窄的机器人开始，配 10–20 篇精选文档；准备 30 条真实问题作为测试集；尽早加上拒答与置信度策略，引用功能可以稍后再上；按周迭代，每两周做一次提示词 A/B 测试。这套系统真正的难点从来不是写出某一条完美提示词，而是把角色、资料、流程和评测组合成一个可以持续运行的结构。