晚上十一点，有人问：“上周下单的杯子还没到，能改个收货地址吗？”屏幕那头回了一段物流时效说明。用户又问了一遍，答案几乎一样，只是换了措辞。
这类对话每天都在发生。多数讨论把它归结为模型不够聪明，把一次“听不懂”拆开看，会发现真正卡住的地方常常在模型之外。
一句话里有三件事
上面那句话至少包含三层意思：查订单状态、判断能否改地址，还有一句隐含的催促。意图识别只解决第一层。系统如果只把它归到“物流查询”，后面的槽位填不满，回答自然只能背一条模板。
很多问答流程在演示阶段表现不错，是因为提问干净、单点。真实用户的表达是叠在一起的，还会省略主语、夹带情绪、中途改口。对话状态没有被跨轮记住，用户就得反复自报家门，体验就在这些来回里被磨掉。
知识库不是文档堆
不少团队把产品手册、售后政策直接丢进检索库，指望它自己长出答案。可政策有版本、有生效时间、有适用范围，散落在段落里，检索出来的片段往往缺了限定条件。
- 同一件事在不同渠道说法不一，机器人各答各的；
- 政策改了，库里还留着旧版本；
- 答案没有明确的责任边界，遇到例外情况无从判断。
这些不是模型能力问题，是内容治理问题。谁维护、多久复核一次、改动怎么同步，这些枯燥的事决定了智能客服的上限。在一些项目里，投入在梳理知识上的时间，其实远多于调模型。
转人工不是失败
把“转人工”当成系统没兜住，是常见的误解。有些问题本来就不该由机器处理：情绪激烈、责任判定、需要例外审批的纠纷。勉强回答，反而把小事拖大。
更关键的是交接。用户最烦的是把说过的话再说一遍。转接时把对话摘要、订单号、已经尝试过的方案一并带过去，人才接得住。这一层做得好不好，用户感知到的差别，往往比换不换模型大得多。
指标挑错了，方向就歪了
拦截率、自助解决率这类数字好看，也容易被做出来：多设几轮确认、把转人工入口藏深一点，数字就上去了。用户却在一个循环里打转。
更值得看的，往往是一些不起眼的指标：同一问题重复提问的次数、转人工后用户是否需要重新描述、对话结束后短时间内是否又回来。它们不漂亮，但更接近真实体验。需要说明的是，这只是观察角度，不同业务的合理区间差别很大，并没有通用标准。
有些场景该老实说不行
涉及金额争议、责任归属、情绪安抚的对话，不适合让机器顶在最前面。它可以做的是把信息收齐、把流程讲清、把该转的转出去。承认边界，比假装全能更省事。
回到开头那句提问。理想状态下，系统应该先确认订单，再给出改地址的可行性和时间窗口，如果拿不准，就带着上下文找人。这不需要多新的模型，需要的是把知识、状态、交接三件事老老实实做好。智能客服这几年被说得太多，被拆得太少；真正决定体验的，往往是最不性感的那些环节。