一句话总结
导出 50-200 条真实工单，贴进一个长上下文模型（GPT-5.5 Pro、Claude Opus 4.7 或 Gemini 3.1 Pro——截至 2026 年 6 月都是 100 万 token），让它按意图聚类、统计每个聚类的工单数、每个聚类写一条 2-3 句的答案。两件事必须留人来把关：客服回复互相矛盾时，以及模型凭空编出来的答案。Top 12-15 条上线，分歧和没答案的问题交给支持负责人。专门平台（Zendesk Knowledge Builder、Intercom Fin）自动化程度更高，但按席位或按解决量收费；裸聊天模型几乎不花钱，且编辑权完全在你手里。
任务场景
一摞工单上重复出现同样的十几个问题。客户问、客服回，每次回答还稍有不同，帮助中心九个月没动过。目标是做一份能稳定覆盖 Top 12-15 个问题的帮助中心：从真实工单里聚类、用直接语气写、每条短到读者 30 秒内能扫读并完成行动。
2026 年有两点改变了这件事的算盘。第一，主流聊天模型现在一个窗口就能装下整份工单导出——Claude Opus 4.7 与 Sonnet 4.6、Gemini 3.1 Pro，以及 GPT-5.5（完整 100 万上下文只在 200 美元的 Pro 档）都是 100 万 token 上下文，你可以一次贴 150 多条工单整体聚类，不用再拼批次。第二，Google 在 2026 年 5 月 7 日下线了 FAQ 富媒体结果，以前为了搜索结果里那个可展开下拉而加 FAQ schema 的理由没了。现在做一份干净 FAQ 的理由，是读者自助和 AI 搜索引用，而不是那个星标摘要。
哪些情况适合让 AI 做，哪些不要
AI 善于按意图聚工单、合并近似问题（基于向量的工具在余弦相似度约 0.85 以上就标为重复）、用非营销腔起草。但它不擅长在客服回复不一致时判断”哪个对”——同事有时会在边缘情况、退款窗口、套餐限额上给出矛盾答案。要让模型把这些分歧显式列出，绝不能让它”悄悄挑一个”。它会挑最通顺的那个，不是最正确的那个。
选路线：聊天模型还是支持平台
截至 2026 年 6 月，现实里有两条路。DIY 聊天模型路线掌控力强、几乎零成本；支持平台把导入和分流自动化了，但要持续付费。
| 路线 | 你得到什么 | 价格（2026 年 6 月） | 适合谁 |
|---|---|---|---|
| 聊天模型（贴工单） | 一次性聚类 + 起草，编辑权全在你 | ChatGPT Plus 20 美元/月，Claude Pro 20 美元/月，Gemini 含在 Google AI Pro 19.99 美元/月；API 约每百万 token 3-30 美元 | 中小团队，一次性或按季度重建 |
| Zendesk Knowledge Builder | 用最近 30 天工单自动起草最多 40 篇文章 | Zendesk Suite 席位附加项（按客服计） | 已经在用 Zendesk 的团队 |
| Intercom Fin（实时机器人） | 直接回复客户，不只是起草 | 每次解决 0.99 美元，平均解决率约 67%；独立部署每月起步 49.5 美元（50 次解决） | 想要实时拦截、不只想要一页 FAQ 的团队 |
对大多数每季度做一次静态 FAQ 的团队，聊天模型路线在成本和掌控上都赢。当你想让 FAQ 实时回答工单、而不只是挂在页面上时，才上平台。
需要给 AI 的输入
- 50-200 条历史工单（客户消息 + 客服回复都要——真正的答案藏在回复里）
- 受众：C 端 / 企业 / 开发者
- 品牌语气，一句话（“直接、友好、不带感叹号”）
- 团队里已知的分歧 / 边缘答案
- 现有帮助文档（让它深链而不是重复造）
- 合规约束：需要原话引用的监管措辞
把工单贴进任何第三方模型之前，先去掉个人身份信息（姓名、邮箱、订单号）。用查找替换把它们换成 [CUSTOMER] / [ORDER_ID]，就能避开隐私麻烦。
可直接复制的 Prompt
下面是 [N] 条工单，帮我构建帮助中心 FAQ。
受众：[C 端 / 企业 / 开发者]
语气：[一句话]
现有文档（用于深链）：[列表]
已知分歧：[列表]
合规约束：[列表]
工单：
"""
[贴：每条含客户消息 + 客服回复]
"""
请输出：
1. Top 12-15 个问题聚类，每个标注工单数量，按数量排序
2. 每个聚类：标准问句（用户口吻）、2-3 句直接答案、深链建议、
对应工单 ID
3. "分歧观察"——过去客服回复互相矛盾的聚类
4. "缺答案"列表——工单里出现过但没有一致答案的问题
5. 语气审计——把漂到营销腔的草稿标出来
不要"好问题！"，不要 emoji bullet。不要凭空编产品行为补缺；
答案如果不在工单里，就归到"缺答案"。开发者受众追加一句：每条加 1 行代码片段（如适用），并标记哪些要做 API 验证。
如果导出太大、一个窗口装不下（在 100 万 token 下很少见，但工单啰嗦时有可能），就每约 50 条一批聚类，再跑第二遍把各批的聚类列表合并、重新计数。
建议让 AI 输出成什么样
12-15 条 FAQ：每条含问题 / 答案 / 深链 / 工单计数。再加三件控制产物：“分歧观察”提示块、“缺答案”列表、语气审计。FAQ 直接上线；分歧和缺答案作为待办交给支持负责人，不上页面。
怎么判断结果能不能直接用
- 每条都能回溯到真实工单 ID——没有凭空 FAQ
- 答案 2-3 句，不是大段
- 没有营销腔漏过
- 矛盾条目被标出来给人处理，而不是被悄悄”解决”
- 每条只建议一个深链，不是三个
- 工单计数加起来大致等于你的样本量（计数为”1”的聚类不算”常见”）
容易踩的坑
- 营销腔答案（“很高兴你问到！”）——一律砍。
- 编造的 FAQ 不对应真工单——读者能看出来，第二天收到同样问题的客服也能看出来。
- 没深链——FAQ 自己变成文档，然后过期。
- 让 AI 在矛盾回复里悄悄挑一个——应该把矛盾显式标出来。
- 跳过语气审计——15 条里的小漂移会复合放大。
- 一次性问题被提升为”常见”——每条都按工单数锚定。
- 贴进去的工单里留着客户 PII——贴之前先脱敏。
关于 2026 年的 FAQ schema
你仍然可以加 FAQPage JSON-LD 标记——它是合法的 Schema.org 类型，AI 搜索引擎也仍会解析它。但 Google 在 2026 年 5 月 7 日对所有站点下线了 FAQ 富媒体结果（列表下方那个可展开下拉），相关的 Search Console 报告也在 8 月前逐步收掉。所以别再为一个已经不存在的搜索摘要做 FAQ。做它，是为了在帮助中心里扫读的人，以及那些会引用干净、结构清晰答案的 AI 助手。
FAQ
- 到底要多少条工单？ 至少 50 条，聚类才有统计意义；150-200 条计数才稳定。低于约 30 条，你分不清真实规律和噪声。
- 多久重构一次？ 每季度，或每次重大发布后。工单堆得比你想象的快，一次发布会改变哪些问题占主导。
- AI 能顺便写深链文档吗？ 不一样的活。FAQ 短、可扫读；深链文档需要结构化的技术写作和真正的评审环节。
- 多语言 FAQ 怎么办？ 用主语言聚一次、定稿标准答案，再翻译那一份。逐条翻译原始客服回复，会把你刚清掉的不一致又带回来。
- Google 把 FAQ 富媒体结果下掉了，FAQ 还值得做吗？ 值得——富媒体摘要没了，但页面照样能拦截工单，AI 搜索工具（和你站内搜索）依然偏爱干净、直接的答案。schema 标记仍然合法，只是不再改变 Google 展示列表的方式。
相关
- FAQ 写作 Prompt ——更多 Prompt 写法
- 客服回复 ——客服回复风格
- 用户反馈聚类 AI ——同样聚类思路用于反馈
- App 评论回复 AI ——商店评论的语气纪律
- Bug 报告 AI ——工单是 bug 时
- AI 知识库清理教程 ——更宽的 KB 清理