最好的方式是利用EXCEL文档的方式整理，将文档导入上传。这里我借鉴了一些客服系统的机器人中心文档，将他们的文档进行归类，整理了如下模版

　　这样的话，公司即使没有客服系统，但通过日常的文档归类，也可以快速的建立词库。

　　基于字符串的匹配算法

　　在产品设计中，这套系统还是基于字符串匹配的算法。利用正相最大匹配、逆向最大匹配分、以及最小切分

　　那么什么是正向匹配算法?

　　正向最大匹配算法：从左到右将待分词文本中的几个连续字符与词表匹配，如果匹配上，则切分出一个词。

　　但这里有一个问题：要做到最大匹配，并不是第一次匹配到就可以切分的 。我们来举个例子：

　　待分词文本如下：

　　content[]={"产"，"品"，"经"，"理"，"从"，"此"，"站"，"起"，"来"，"了"，"。"}

　　词表： dict[]={"产品"， "产品经理" ， "从此"，"站起来"}

　　这里CONTENT[1]开始进行从左到右正向扫描，那么扫描到第一个content[1]，这个时候扫描的为“产”字，扫描到第二个content[2]，这个时候扫描到[产品];和dict[1]匹配上了，但是因为字数才2个字，需要为3个字，就继续这样向下扫描。

　　循环处理，最终将词语扫描出来。但这样扫描出来的结果可能为：产品/产品经理/从/此/站起/来，或产品/产品经理/从/此站起/来......

　　等结果，利用最小切词，切词的换算方式，但当然既然采用的是基于字符串匹配的分词方法，其劣势就在这里，切分为导致歧义问题。

　　因此我们会把逆向最大匹配、正向最大匹配、最少分词结果进行综合匹配。最少分词就是将针对正向、逆向的问题，将双向切分的结果进行比较，选择切分词语数量较少的结果。

　　机器人知识库初始化

　　机器人在设置中，建议一开始没有词库的时候，产品经理需要考虑一些基本词库，这些词库是公司名称、公司产品、微信公众号、网站地址等

　　【机器人初始化】

　　这样设计的理由很简单，这是公司的基本问题或回答。在这套客服系统机器人是对外或甚至以后运营盈利情况下，方便客户首先设置好自己的基本机器人资料。

　　除了以上的机器人基本词库以外，还有机器人寒暄词库，并且产品设计中要对每一个类型的词库回答进行限制。

　　比如当问了3个问题，都无法匹配到机器人的答案，机器人应该以转换人工的提醒方式或回答方式，让用户去寻找人工解决办法。

　　【切换人工】

　　在当前的机器人系统中，在这个产品设计我一直定位该产品是辅助于人工客服去减少工作量，增加工作效率。机器人并不能完全替代人工，所以时刻保持机器人与人工的切换，让用户能够获得好的解决体验。

　　总结

　　在当下科技不断发展的时代，都说是AI的时代，从以前的大数据到如今的AI时代，智能机器客服系统就是典型的一个产品。

　　虽然对于PM来说，客服系统的难点在于如何去跑通公司客服业务流程，建立起一套好的服务流程。

　　1.分担客服工作量

　　2.积累客服经验，不断完善问题库

　　3.自定义机器人样式，模拟人工聊天。

　　但难点也在于如何通过人工客服去积累学习更多的知识，以及通过数据渠道获得客服以及所在客户行业的专业基础知识。