一、背景
在技术支持的日常工作中，常面临以下典型场景：
知识分散拖慢服务效率：技术支持人员为解决客户问题，需掌握海量专业信息。但这些知识散落于文档、内部培训资料、员工经验及零散的问题记录里，缺乏系统整合，致使服务效率大打折扣。
客户对服务时效与精准度要求严苛：在复杂业务场景下，客户遭遇的技术故障可能直接冲击其业务运营。所以，客户对技术支持的响应速度与解决方案的准确性有着极高期望。传统依赖人工经验的支持模式，难以招架高频且复杂的问题。
重复劳动吞噬大量时间成本：有统计显示，技术支持人员超过 60% 的工作时间，都耗费在重复解答相似问题上。
新人培养周期长、知识掌握不足：新人培养过程中，由于缺乏完整的培养体系，多采用一带一的方式，这往往造成整体培训周期冗长，新人知识掌握程度欠佳，无形中增加了企业的培养成本。
而搭建知识库，恰是破解上述难题的有效途径。接下来，我将从自身作为技术支持人员的视角出发，深入总结如何构建一套合理的知识库内容。
二、知识库搭建必经之路
2.1 搭建思路参考图
如上是我这边知识库搭建的具体思路，接下来我将对其中几个重要环节进行阐述。
2.2 知识库体系结构搭建环节
这一步堪称搭建知识库的总纲领，亦是整个搭建流程中最为关键且颇具难度的环节。由于每个人对这部分内容都有独特思路与见解，好比起点与终点既定，却有多条路径可选，如何从中探寻出最近且最有效的那条路，着实是一项极具挑战的探索。接下来，我将分享自己在这一搭建环节的思路。
2.2.1 知识库体系说明
为确保知识库体系易于理解与后续维护，需对其搭建结构进行详尽阐释。这涵盖知识库类目的精准命名、子层级结构的清晰说明，以及明确知识库的维护方式等关键内容。整体体系的搭建，不仅对后续的知识库维护起着决定性作用，更是整个过程中最具挑战性的环节。
以下将按照个人经验总结推荐一种搭建方式：
功能模块&工单分类搭建模式
结合功能模块和工单分类为基础构建的知识库，其特点是知识库类目同工单分类保持一致性。例如在全屋定制业务场景下，其顶层分类为 “全屋定制”，二级分类为 “对接生产”，三级分类为 “检测模块”。在 “检测模块” 这一功能模块之下，又细分两个层级：一是对该功能模块的具体介绍，涵盖检测流程、标准、涉及的技术等详细内容；二是对应问题的现象排查，包括可能出现的问题现象罗列以及针对每种现象的排查方法与解决方案。
优势：
高效排查工单问题：工单分类与知识库分类保持一致，工作人员在排查工单问题时，能够迅速定位到相关知识内容。由于熟悉工单分类逻辑，可依据分类层级快速找到对应的功能介绍与问题排查指引，极大提升了问题处理的效率与准确性，减少了排查时间与精力的浪费。
方便新人学习：因每个功能阶段目录都有详细的功能介绍，方便新人入门。
局限：
对工单分类规则要求高：这种知识库构建模式高度依赖工单分类规则。若工单建设的分类并非基于功能模块，而是以问题排查类别等其他方式分类，那么构建的知识库颗粒度会大打折扣。例如，问题排查类别可能较为宽泛，无法清晰界定每个功能模块的具体知识边界，导致知识库内容混杂，难以精准区分不同功能模块的知识，影响后续检索与使用。
2.2.2 知识库检索目录
必须要有整体的知识库检索目录，方便进行知识库的快速检索。以cf为例，类似如下图的检索目录
2.2.3 业务功能介绍和正确使用说明
在进行业务知识库搭建的时候，必须有个基础层级说明该业务模块具体是怎么正确使用的，可以以视频、图文方式介绍都行。
撰写建议：尽量每个文档内容不要太多，如果功能太多的，可以考虑拆分多个子集去写。
2.2.4 业务功能深度剖析
在知识库搭建时候，对应的这块功能的业务，需要有大概的接口调用，字段说明，这里主要方便理解一些数据传递和返回的内容，理解具体功能对应的后台服务等，以便后续进行问题的排查。
比如要写一个功能模块的其中一个过程，可以详情写使用时候调用的接口，接口的入参来源，出参返回内容过程等，也可以补充一些数据存储在哪些数据库等信息。
撰写建议：尽量每个文档内容不要太多，如果功能太多的，可以考虑拆分多个子集去写。
2.2.5 业务问题解决手册模块
主要根据问题现象，撰写排查手册。这边可能会出现1对多的情况，即1种现象会对应多种原因，建议分开子集一一来写，然后做个汇总。
撰写要求：
现象能做好详细归类，最好同工单三级分类一样或挂钩
撰写时候有具体案例供参考，可以的话建议保留一个副本方案来做后续的学习
类似下图的情况这样：
2.2.6 优化事项点
一些通用复用性高的内容，可以做提取抽取进行引用。 打个比方就是一些工具使用查询，通用技能等。直接在业务文档中引用即可，不要直接在业务文档里面的撰写这些工具具体怎么用。
引用其他文档内容，建议说明标识好引用的具体内容位置，方便阅读的人快速查看，而不是直接贴个链接，直接看引用的全部内容。
比如如下的形式：
然后如果引用的话，比如某个排查步骤里面引用到了工具的使用，可以类似如下文案撰写；
排查步骤:
XXX步骤：定位到方案中模型构建失败的模型，用"XXX工具"进行操作处理【详情参考:XXX工具使用介绍（具体工具链接）中的2.3章节)
2.3 文档格式标准化
针对要建立的知识库具体内容梳理几套通用的模板格式，方便进行格式统一。比如排查知识库模板，工具或业务功能介绍知识库模板等。
以下是列举的2份模板，当然模板这块的格式不定，可以按照实际知识库业务需求来制定即可。
问题排查知识库模板：
问题描述：详细记录问题出现的具体表现。
问题分类：将问题归类，例如硬件问题、软件问题、网络问题、操作流程问题等，方便快速检索。
排查步骤
第一步：xxxxxxxx
第二步：xxxxxxxx
第三步：xxxxxxxx
...
原因说明：xxxxxxx
解决方案
针对不同排查结果，提供具体解决办法。附上相关参考资料链接，供用户进一步了解。
案例参考：列举相似问题的实际解决案例，说明排查过程与最终解决方案，增强知识库实用性。
功能介绍知识库模板：
功能名称：明确功能的具体称呼，简洁且准确反映功能核心。
功能概述：用通俗易懂的语言阐述该功能的主要用途，说明其在整体产品或业务流程中所起的作用。
使用场景：列举该功能在实际工作应用场景，帮助用户理解何时使用该功能最为合适。
操作步骤：详细列出使用该功能的具体步骤，每个步骤尽量配有截图（如有条件），增强操作的直观性。
注意事项：提醒用户在使用该功能时可能遇到的问题及需要注意的要点。
相关功能关联：指出与该功能相关联的其他功能，说明它们之间的协同关系。
三、知识库搭建额外优化点
3.1 AI 自动生成知识库
知识库创建工作繁重且反人性，需耗费大量精力和时间。为解决该痛点，可借助 AI 实现自动创建，目前我们正处于探索阶段。
具体方式是向 AI 输入工单具体信息，利用生成的知识库模板来生成知识库。AI 会对工单的标题、问题详情、客户诉求等信息进行提炼，明确用户问题与期望结果，再依据工单排查内容和结论，提炼出问题原因与解决方案，随后按照对应模板生成知识库文档。最后，对生成文档进行审核，对不符合要求的进行二次修正。
3.1.1 AI生成知识库参考图：
3.1.2 实例说明
比如有下面这么一个工单描述：
问题描述提炼：AI在这块实际操作执行时候，它会针对工单里面的信息进行提取，比如工单标题、问题详情、客户诉求等这些整合，进行知识库这块的提炼。
排查步骤、原因、解决方案的提炼：若工单排查过程、原因、解决方案都评论非常明确情况下，AI可根据工单的实际排查过程、排查原因、解决方案进行信息提取，梳理出排查步骤、排查原因、解决方案。
但若是工单的排查过程并未有原因、过程、解决方案或缺失某几块内容项的话，AI可根据实际的问题，在已建设的AI知识库中进行搜索匹配问题原因和解决方案，从而自动生成这块的内容。当前实现这块的前提需要给AI训练了类似的问题数据，才能够实现此内容。类似上面这个报价清单报错的，若我这边工单排查过程并未给具体的排查过程和结论，AI可根据具体的问题进行信息匹配，然后用已有知识库的一些排查内容，自动去搜索期间的报错日志，捕捉对应的报错内容，并匹配知识库里面的报错原因，从而给予解决方案。
3.2 建立奖励与审核机制
奖励机制：尤其是多人协作共建知识库时候，驱动人员去主动撰写知识库是非常有必要的，本身人是有惰性的，若没有好处基本上很少去撰写，除非一些问题是他非常的痛点或者绩效强制要求，这样就需要有套奖励机制，来激发团队人员的主观能动性，合理的奖励设置往往会带来一些意想不到的效果。
审核机制：在撰写知识库时候，有些时候因有些人员知识面了解不够全面、或者一些文章内容描述的不够通俗，从而使得有些知识库文档并不能起到他有效的效果，这个时候就需要有套较为合规的审核机制去对这份知识库文档进行评审。所以审核机制往往在把控知识库质量上起着至关重要的作用。
比如我司技术支持部门在激励组内人员对知识库的撰写上，建立了一套积分奖励机制以及文档审核机制，类似下图：
在实施上述机制后，技术支持团队在知识库建设方面成效显著。组内撰写的知识库内容增加50%左右，成员积极性得到有效调动，文档质量较之前也有明显提升。
然而，推进过程中也遭遇了一些挑战。例如，积分设置的合理性以及奖品规划存在优化空间。此前，由于奖励机制不够完善，部分成员的积极性难以充分调动。后续可考虑将积分兑换奖品与绩效考核相结合，以此强化激励效果，提升成员参与热情。文档审核环节同样面临问题，不同人员对同一审核标准的理解存在差异。目前，团队采用固定人员审核同一份文档，并依据少数服从多数的原则得出审核结论，确保审核结果的相对公正性与一致性 。
3.3 持续维护与更新
知识库维护是一项长期且持续的工作。随着产品功能不断迭代，知识库必须紧跟产品变化，定期进行更新。为此，可构建一个固定的知识库更新周期机制，并通过机器人在组内通知相关人员，以便及时确认知识库内容的更新。
建议设定每月或每季度的固定周期，对知识库内容展开全面检查。在检查过程中，及时更新已过时的信息，果断删除无效内容，确保知识库始终保持时效性与准确性。
通知机制实现参考：
通过企业微信对外的openapi进行实现调用，具体的定期通知机制可以自行开发设定时间。
openapi接口：https://developer.work.weixin.qq.com/document/path/99110
3.4 安全与权限管理
若知识库涉及公司业务机密或敏感数据，必须实施严格的安全权限控制。多数公司级知识库平台具备相应功能。技术支持人员在知识库撰写与建设过程中，也应树立牢固的安全意识，确保数据安全。
3.5 培训与推广
对于已搭建完成的知识库，建议制作视频教程或操作指南，助力用户快速熟悉使用方法，提高知识库的使用率，充分彰显其价值。推广途径可采用团队培训、在公司内部平台推文宣传等方式，具体手段不限，达成目标即可。
四、成果与说明
工单处理效率显著提升
使用知识库后，技术支持平均每人/每天承接处理的工单量增加约20%~30%。因为大多数问题能够通过知识库快速查询到常见问题的解决方案，无需花费大量时间去摸索或请教他人，提高了工作效率。
新员工快速入门
通过知识库快速建立新人landing计划。新员工的培训周期从原来的3个月缩短到1个月，且对工作内容的理解更深入，能够更快地独立承担工作任务，降低了新人的培训成本。
重复类问题提交减少
通过输出知识库给前置的实施运营以及客服，减少了大量基础重复性的问题反馈，从而减轻了线上工单量压力。
防止知识流失
因某些资深人员流动，由于其知识和经验已沉淀在知识库中，接班人能够继续从知识库中获取相关信息，避免了因变动导致的关键技术和业务知识的流失。
应用于AI问答做智能客服
通过训练知识库的内容，我们对应接入AI问答机器人，提供基础数据源，可以解答一些基础的FAQ和一些基础问题的排查。但是这块的正确率目前还是欠佳，目前只有15%左右。
五、交流与探讨
在本文分享的内容里面，实际还存在如下一些问题：
知识库目录与工单绑定的结构难题：当建立知识库目录与工单绑定时，常出现功能细项对应的分类层级过深的状况，致使知识库整体结构层级繁复。如何合理划分工单分类，始终是一大难点。这不仅影响知识库的简洁性，还会增加用户检索知识的难度，降低使用效率。
知识库文档质量把控的压力困境：在把控知识库文档质量方面，审核人员面临一定额外工作压力。为减轻这一负担，虽考虑引入 AI 打分机制，但目前仍处于探索阶段。在尚未完善该机制的当下，如何平衡审核质量与审核效率，成为亟待解决的问题 。
AI问答正确率不高问题：在AI智能问答训练方面，因有些问题问的方式和实际的知识库有一定偏差，会导致搜索匹配的问题，如何提高这块的整体的正确率，是较为棘手的问题。
在此，我们诚挚欢迎行业内从事技术支持工作的各位同仁，针对知识库搭建的这些内容展开深入的探讨与交流，踊跃发表自己的独到见解。相信通过大家思维的碰撞，能够为攻克这些难题找到行之有效的解决方案，共同推动知识库搭建工作迈向新的台阶 。
