“我要改收货地址。”屏幕那头回了一句退货政策。换成“订单地址填错了怎么办”，又跳回主菜单。来回三轮，人还没见到，耐心先没了。这类对话不算罕见，也谈不上谁故意为难用户——问题往往出在系统内部几个环节的衔接上。
它认出了词，没认出意图
一句话里其实压着好几层信息：要做什么、对哪个对象做、有什么前提。“改地址”是动作，“订单”是对象，“已经发货”是前提。多数系统第一步做的是把整句归到一个预设类别，类别之外的内容直接被丢掉。置信度不够时走兜底话术，也就是那句听起来礼貌、实际什么也没说的“抱歉，我没太理解”。用户换个说法再问，系统仍在做同一件事，只是输入变了。
知识条目的形状，决定回答的形状
很多知识库是按问答对攒起来的：一个问题配一段答案。这在问题与条目高度重合时好用，一旦用户的表述带上口语、错别字或多层条件，检索就容易落空。引入生成能力之后，系统能把几段材料组织成通顺的话；但如果召回的段落本身不对题，组织得越顺，越像那么回事，实际却答偏了。模型能力是一层，材料的颗粒度、覆盖面和更新节奏是另一层，后者在日常体验里往往被低估——这也是智能客服落地时容易被忽略的一环。
指代一多，上下文就散了
“不是这个”“上一个”“就刚才说的那个”。这些话单独看没有意义，必须挂在前面几轮上。有些系统每轮独立处理，有些只保留很短的窗口，用户于是被迫一遍遍复述同样的信息。多轮对话的难点不在生成，而在记住什么、忘掉什么。记太多会把无关内容带进来，记太少又接不上。
哪些问题不该让机器兜着
判断标准不是技术能不能做，而是答错的代价由谁承担。一套智能客服的边界，往往就画在这里。
- 查询类、流程明确的事：物流进度、营业时间、功能入口在哪、怎么改密码。这类问题答案稳定，机器处理起来效率高。
- 需要判断和责任认定的事：退款金额有争议、账号异常、服务中断造成的损失。这类对话牵扯具体情境，交给能拍板的人更稳妥。
- 情绪已经起来的投诉：用户此刻需要的不是一句标准话术。
转人工不该是走投无路才找到的入口
不少产品的转人工入口藏在三层菜单之后，或者要先跟机器人来回几轮才肯放行。设计者的意图可以理解——希望先由系统消化一部分请求。但用户的感受是：我明明说了要找人。把入口放在随时看得见的位置，并把已经输入的信息一并带过去，能省掉一轮重复描述，也少一次情绪消耗。这不是技术问题，是产品取舍。
智能客服真正要解决的不是“像不像人”，而是把确定的答案快速给出去，把不确定的部分干净地交出去。前者靠知识和流程，后者靠一条顺畅的转人工路径。这两件事做扎实了，用户不会在意对面是机器还是人；做不好，包装得再自然也没用。