用户再次在对话框里输入“转人工”，页面仍然弹出一篇知识库文章。这个场景并不罕见，也常被归因于“模型不够聪明”。但把问题全推给技术，容易漏掉另一层：系统有没有把“停止自动回复”当成一个需要识别的意图。
答不上来不是唯一故障，听不懂退场信号才是
很多对话系统在训练和配置时，关注的是如何覆盖常见问题：用户问退货，匹配退货政策；问密码，推送重置步骤；问进度，查询订单状态。这些路径在标准问法下运行顺畅，一旦用户开始重复、加重语气，或明确要求人工，系统却可能继续沿着原路径输出。原因往往不是知识库没有内容，而是缺少对对话状态的判断。重复请求、否定反馈、长时间未解决，都应该成为交接信号，而不只是等待用户把问题重新描述一遍。
可用的智能客服，先要学会承认不确定
自动回复的底层通常离不开意图识别、知识检索和生成式模型。生成式模型能组织语言，却不天然知道自己的答案是否可靠。因此，一套可用的智能客服需要把“置信度”与“可执行动作”绑定：当匹配结果模糊、知识条目过期，或问题需要跨系统操作时，直接给出人工入口，而不是用流畅措辞掩盖不确定。知识库也要有更新机制，把新规则、临时调整和常见歧义写清楚；否则模型只是在重复旧答案。
哪些场景不适合继续自动回复
- 用户已经明确要求人工，或多次表达同一诉求，继续推荐文章只会增加挫败感。
- 问题涉及身份核验、权限开通、责任认定，自动回复只能解释流程，不能替代处理。
- 对话需要跨多个业务系统查询或修改，自动回复容易给出片段信息，反而制造新的困惑。
- 用户情绪明显激动时，先交接，再解释，能减少无谓追问。
交接也不等于把窗口一关了事。页面应告诉用户接下来会发生什么：是排队等待，是留言回呼，还是转到某个具体入口。人工坐席打开对话时，最好能看到前文摘要、已尝试的步骤和用户真正卡住的位置。这样，自动回复阶段收集的信息才有价值，而不是让用户从头讲一遍。
衡量它时，别只看拦住了多少问题
如果只看自动回复拦截了多少对话，团队容易把“挡住用户”误当成“解决问题”。值得观察的是：用户是否重复提问，转人工后是否还要重述，同一问题是否在短时间内再次出现。这些信号不华丽，却贴近真实体验。智能客服的价值不在于把每个问题都留在机器侧，而在于把标准、清晰、低风险的问题处理掉，把复杂和模糊的部分平稳交给合适的人。
所以，当用户再次说“转人工”，系统应该听见的不是一句普通输入，而是一次明确的边界提示。智能客服成熟的标志，也许不是它多像人，而是它知道什么时候不该继续像人。