360 Secure SkillHub
360 安全技能中心

faq-knowledge-mining

读取脱敏后的客服会话日志（支持 txt、json、md、xlsx、xls），将语义相同的问题聚类归一化并统计频次，结合客户下文反馈筛选最佳答案，按频次从高到低输出标准FAQ格式的Markdown文档及统计摘要。Excel需先用附带脚本转为文本，依赖Python与pandas。

zenobiazizi
zenobiazizi
热度 10.28
最近更新 2026-08-02 10:41:54
分类：知识依赖：内部调用大模型 / 代码执行 / 读写文件应用场景：摘要总结 / 笔记整理 / 工作流

安装技能

复制下面的话术发给你的 Agent，它会通过 secure-skills 检索并安装该技能。

执行命令安装此 skill： npx secure-skills-cli add skill-faq-mining
Metadata
name
faq-knowledge-mining
slug
faq-knowledge-mining
displayName
FAQ知识库挖掘
description
从历史人工客服会话日志中提炼高频问题与最佳答案，生成标准FAQ格式的Markdown文档。支持Excel文件读取。适用于：更新知识库、提取高频问题、总结客服标准话术、优化客服响应质量。
version
1.2.0
inputs
[{"name":"log_file","type":"File","required":true,"description":"脱敏后的客服会话日志，支持 .txt、.json、.md、.xlsx、.xls 等格式；必须包含发言角色（客户/客服）及时间顺序。"},{"name":"options","type":"Object","required":false,"description":"可选参数：top_n（提取高频问题的数量上限，默认20）、min_freq（最低频次阈值）、lang（输出语言，默认中文）。"}]
outputs
[{"name":"faq_markdown","type":"File","description":"生成的FAQ标准格式Markdown文件，按问题频次从高到低排序，每个条目为【问】+【答】结构。"},{"name":"faq_summary","type":"String","description":"FAQ统计摘要，包含提取的问题总数、高频问题Top10列表及数据覆盖说明。"}]
metadata
{"author":"shibo","category":"content-generation","tags":["faq","knowledge-base","customer-service","content-generation"],"compatibility":"Requires Python 3.10+ and pandas with openpyxl/xlrd for Excel reading."}

FAQ 知识库挖掘

从历史人工客服会话日志中提取高频问题与最佳答案，生成标准FAQ格式的Markdown文档。

Quick Start

  1. 准备脱敏后的客服会话日志文件（支持 .txt、.json、.md、.xlsx、.xls 格式），确保包含会话上下文、发言角色及时间顺序。
  2. 如果是Excel文件，使用 scripts/read_file.py 脚本转换为文本格式。
  3. 将数据内容输入进行FAQ提取和分析。

资源

  • scripts/read_file.py - 读取Excel、Markdown、文本、JSON、CSV文件并转换为文本格式

When to Use

  • 从客服聊天记录中提取常见客户问题
  • 总结标准客服响应话术
  • 优化客服响应质量

Workflow

  1. 读取文件数据：如果是Excel文件，使用 scripts/read_file.py 转换为文本格式；其他格式可直接使用。
  2. 理解与分析输入数据：读取脱敏后的客服会话日志，明确时间跨度与数据规模，提取客户首轮提问及后续问答交互。
  3. 意图提取与最佳答案筛选：
    • 将语义相同但表述不同的问题进行聚类，归一化为标准问并统计频次
    • 通过客户的下一句回复作为反馈指标评估解答质量
    • 选择通俗易懂、简洁明了的回复作为最佳答案
  4. 生成标准FAQ文档：按频次从高到低排序，输出为标准FAQ格式的Markdown文件。

Input Requirements

  • 数据源：脱敏后的客服会话日志，必须包含会话上下文、发言角色（客户/客服）及时间顺序
  • 数据范围：明确时间跨度与数据规模，确保样本具有代表性
  • 数据质量：会话记录完整，包含客户首轮提问及后续问答交互

Output Specifications

格式要求

  • 文件格式：.md 格式的Markdown文件
  • 排序规则：严格按照问题出现频次从高到低排序
  • 结构规范：每个FAQ条目遵循"第一行为问，第二行为答"的标准结构

风格要求

  • 整体：专业、客观、条理清晰
  • 最佳答案：保持优秀客服话术风格，专业且富有亲和力，通俗易懂

Output Example

如何申请退款？

您好！请您在手机 APP 中点击【我的】-【全部订单】，找到需要退款的商品，点击【售后/退款】按钮，选择退款原因并提交即可。资金将在 1-3 个工作日内原路退回。

发票抬头填错了可以修改吗？

您好！如果发票已经开具，您可以在当月内联系我们作废原发票并重新开具。请您直接将正确的【发票抬头】和【税号】发送在这条对话中，我为您处理。

Exception Handling

  • 数据不足：若会话日志数据量过小或时间跨度过短，提示用户补充数据
  • 聚类失败：若语义聚类效果不佳，提供人工校验接口或调整聚类阈值
  • 反馈缺失：若大量会话缺少客户下文反馈，降低反馈评估权重或提示补充完整记录

Usage Notes

  • 仅处理脱敏数据，严禁处理包含客户隐私信息的原始会话记录
  • 生成的FAQ文档需经业务专家审核后方可导入知识库
  • 建议定期运行本技能，持续更新FAQ文档以适应业务变化

安全与数据规范

  • 数据脱敏：上传数据前建议去除真实姓名/工号等敏感信息，或使用示例数据测试。
  • 文件大小：建议单个文件不超过 10MB，避免内存溢出。
  • Python 依赖：scripts/read_file.py 依赖 pandas、openpyxl，安装命令：pip install pandas openpyxl