# 1. 设计一个企业智能客服系统，意图路由、FAQ 直答、RAG 问答、工单与人工接管如何分层编排，质量与成本如何权衡 A FAQ 与 RAG 是互斥选择，不能在一个系统中共存 B 所有问题都直接走 RAG 或人工，保证质量 C 分层编排只影响成本，不影响质量 D 按意图路由→FAQ 直答→RAG 问答→工单/人工分层逐级回退，每层有置信度阈值，便宜层解决多数问题以控制成本 ✓ 正确答案
# 2. 设计一个企业内部知识库问答系统，文档摄取、索引、权限过滤、引用溯源与更新机制如何设计 A 设计涵盖摄取、索引、权限过滤、引用溯源与更新机制，权限在索引层过滤，更新触发索引/缓存同步失效 ✓ 正确答案 B 文档摄取后即可长期使用，无需更新机制 C 权限过滤只需在生成阶段做提示词约束即可 D 引用溯源是可选特性，不影响可信度
# 3. 客服系统的多轮对话状态管理，订单查询、售后流转等有状态业务如何与对话上下文结合，状态机如何建模 A 业务流转完全交给 AI 自由发挥，更灵活 B 状态机只适用于本地状态，无需持久化 C 对话上下文保存意图与槽位，业务用确定性状态机建模流转，AI 负责解析生成、状态机负责迁移校验 ✓ 正确答案 D 槽位填充与状态机无关，可单独处理
# 4. 客服系统的“答不上来”处理，拒答、引导提问、转人工的触发条件与用户体验如何设计 A 检索不到时应编造一个合理答案，避免让用户失望 B 拒答会降低满意度，应尽量避免使用 C 用置信度阈值与业务规则触发拒答、引导提问、转人工三级兜底，转人工时携带上下文，拒答诚实不编造 ✓ 正确答案 D 引导提问会浪费用户时间，不如直接转人工
# 5. 知识库问答的引用与可信度，每个答案断言如何绑定来源文档与页码，引用失效与过时如何检测 A 每个断言绑定来源文档与页码，文档变更时标记相关答案失效并重新生成，用引用覆盖度与正确率评测可信度 ✓ 正确答案 B 答案只需整体引用文档，无需逐断言标注 C 文档版本变更不影响已生成的答案 D 引用失效检测是可选优化，不影响可靠性
# 6. 客服系统如何评估，一次性解决率、转人工率、用户满意度与单会话成本如何联动监控 A 只需关注转人工率一个指标即可 B 满意度高则说明 FCR 一定高，无需分开监控 C 单会话成本与用户体验无关，可单独看 D 联动监控一次性解决率、转人工率、满意度与单会话成本，通过指标异常归因并驱动知识库/检索/路由优化 ✓ 正确答案
# 7. 知识库问答的更新一致性，文档更新、下架与权限变更后，缓存、索引与生成结果如何同步失效 A 文档更新只需重建索引，无需处理缓存 B 文档下架后旧缓存答案仍可正常返回 C 文档更新/下架/权限变更后，通过版本依赖追踪与事件驱动，同步失效索引、缓存与生成结果，缓存带权限维度防止泄漏 ✓ 正确答案 D 权限变更不影响已缓存答案的正确性
# 8. 客服系统冷启动，没有历史数据时如何建设知识库与评估集，上线后如何从 bad case 回流迭代 A 没有历史数据时应等数据积累后再上线 B bad case 回流只需补充知识库，无需更新评估集 C 冷启动用人工种子建设知识库与最小评估集，上线后通过 bad case 回流、人工标注、扩充评估集与知识库形成迭代闭环 ✓ 正确答案 D 冷启动阶段无需评估集，直接上线再验证
# 9. 客服系统的安全，用户诱导客服执行操作（改单、退款）如何通过权限校验与二次确认拦截 A 二次确认会降低效率，应让 AI 自行确认 B 只要 AI 在提示词中承诺"只改自己的订单"即可安全 C 敏感操作在工具执行层做权限校验与参数白名单，并强制二次确认与审计留痕，确认由代码保证而非 AI 承诺 ✓ 正确答案 D 权限校验只需在用户提交时做一次即可
# 10. 多语言客服，多语种路由、翻译与本地化知识库如何设计，语言切换的上下文如何保持 A 只需把用户输入翻译成中文，处理完再翻译回去即可覆盖所有需求 B 所有语言共用一个知识库，翻译即可，无需本地化 C 语言切换时历史会话应直接丢弃，避免混淆 D 语种路由识别语言，翻译与本地化知识库结合，语言切换保留业务上下文，翻译只作用于输入输出层 ✓ 正确答案
# 11. 客服系统的容量规划，高峰流量（大促、活动）下的并发、限流、排队与降级策略如何设计 A 按峰值 QPS 与调用耗时估算并发预留容量，用令牌桶限流+排队吸收峰值，对高价值问题分级降级保护 ✓ 正确答案 B 降级只影响用户体验，不影响系统可用性 C 高峰时直接按峰值拒绝普通请求即可保证可用性 D 高峰排队会让用户流失，应一律拒绝而非排队
# 12. 工单助手与客服工作台，AI 生成的回复建议、摘要与分类如何嵌入人工客服工作流，采纳率如何度量 A AI 生成回复后应直接替客服发出，提升效率 B AI 摘要与分类是冗余功能，可省略 C AI 输出作为建议卡片供客服采纳/修改/忽略，用采纳率与修改量度量 AI 有用性，AI 辅助、人工决策 ✓ 正确答案 D 采纳率只能由人工统计，无法系统化度量
# 13. 客服意图识别与 FAQ 直答，意图分类（NLU 或 LLM 分类）与 FAQ 检索如何串联，意图置信度低时如何逐级回退？ A 置信度低时应直接给出一个猜测答案，避免打扰用户 B 意图分类结果无需参与后续路由，直接返回 C 所有意图都应走 LLM 分类，保证准确率 D 意图分类驱动 FAQ 检索与路由，低置信度逐级回退（引导→相似 FAQ→RAG→人工），NLU 与 LLM 按成本与复杂度取舍 ✓ 正确答案
# 14. 知识库问答的检索质量评估，如何用命中率、NDCG 与引用正确率评估检索与重排效果，评估集如何建设与回流？ A 用命中率、NDCG、引用正确率分别评估检索、排序与引用，评估集由线上样本+人工标注+bad case 回流构建并作为回归基线 ✓ 正确答案 B 只需看命中率一个指标即可评估检索效果 C 引用正确率与检索质量无关 D 评估集一旦建成就不必更新
# 15. 客服知识库的权限过滤，不同角色/租户看到不同文档集，检索结果如何在索引层与生成层双重过滤防止越权？ A 只需在生成阶段用提示词约束模型不要输出越权内容即可 B 在索引层强制过滤用户可见文档，并在生成层二次校验引用，双层过滤防止越权，缓存带权限维度 ✓ 正确答案 C 索引层过滤后生成层无需再校验 D 权限过滤只影响检索结果，不影响生成输出
# 16. 多渠道接入，微信/App/网页/电话等渠道的会话协议差异与统一会话模型如何设计，渠道切换时上下文如何延续？ A 每个渠道独立设计一套会话逻辑，互不共享 B 渠道切换后用户必须重新描述需求，因为上下文无法共享 C 电话渠道与文本渠道可共用同一协议，无需适配 D 用协议适配层归一化各渠道消息为统一会话模型，业务上下文绑定用户身份而非渠道，切换渠道时恢复上下文 ✓ 正确答案
# 17. 客服系统的人机协作，AI 先答、人工兜底的 SLA 与升级路径如何设计，责任边界如何划分 A AI 应尝试处理所有问题，包括投诉与退款 B AI 先答常规问题，触发条件升级人工并携带上下文，AI 与人工各有 SLA 与责任边界，敏感操作人工确认 ✓ 正确答案 C 责任边界无关紧要，AI 与人工可混同处理 D 升级人工后会丢失上下文，用户需重新描述
# 18. 客服知识库的多租户，不同品牌与部门的知识隔离、共享与授权如何设计，防止跨租户信息泄漏 A 不同租户共享一个索引，靠前端过滤即可 B 租户默认隔离，共享走显式授权而非复制，授权落在索引层标注，检索与生成双重过滤防跨租户泄漏 ✓ 正确答案 C 共享知识应复制到每个租户，保证一致性 D 缓存无需租户隔离，可跨租户复用
# 19. 客服系统的持续优化，会话抽样、人工标注、评估回流与 Prompt/检索迭代的闭环如何运转 A 优化只需看线上反馈，无需人工标注 B 评估集只用于上线前，迭代时不需回归 C 所有错误都归因于检索，无需区分类型 D 闭环为会话抽样→人工标注→评估回流→Prompt/检索迭代→回归验证→灰度上线，评估集防止回归 ✓ 正确答案
# 20. 客服对话的情绪与风险识别，用户情绪激动或涉诉时如何识别并转人工，回复风格如何分场景调整？ A 情绪识别是锦上添花，不影响路由 B 涉诉问题也可由 AI 正常回复，无需转人工 C 用情绪/风险模型识别激动与涉诉，高风险强制转人工并携带上下文，情绪标签驱动回复风格分场景调整 ✓ 正确答案 D 回复风格统一即可，无需分场景调整
