前言¶

客服和运营团队常把问答散落在聊天记录、工单和社群线程里。人工整理 FAQ 费时，且同一问题多种说法难以合并。若只靠通用对话让模型「写一份 FAQ」，往往缺少频次统计、相似问合并和与真实客服回复对齐的流程。

下面介绍 SkillHub 社区技能 FAQ自动提炼（@user_70c2f807/faq-auto-extractor，v1.0.0）。它通过标准 SKILL.md 约束 Agent：在用户提供脱敏后的对话数据时，按固定步骤提取高频问题、生成标准答案并分类输出，适合作为知识库维护的前置环节。

这是什么¶

FAQ自动提炼 是发布在 SkillHub 上的社区 Skill（分类：knowledge-management），坐标 @user_70c2f807/faq-auto-extractor，发布者 user_70c2f807，当前版本 1.0.0，标签标明 requires_api_key=false（无需单独配置 API Key 即可安装使用）。

定位：从客服聊天记录、用户反馈或社群对话中识别提问，合并相似问、按出现频次排序，并基于对话中的客服回复归纳标准答案，支持按主题分类与多种文本化输出（列表、表格、问答对）。Skill 说明中明确 不用于 客服系统搭建、聊天机器人开发或知识图谱构建。

官方入口：

• SkillHub 页面：https://www.skillhub.cn/skills/user_70c2f807/faq-auto-extractor
• API 坐标：https://api.skillhub.cn/user_70c2f807/faq-auto-extractor

（SkillHub 页面显示评分 100000；已抓取元数据显示下载约 878 次。）

核心功能¶

以下能力均来自该 Skill 的 SKILL.md 说明，安装后由 Agent 按文档执行。

1. 触发场景：用户提到 FAQ 提炼、常见问题提取、客服问答、知识库生成，或要求从 chat logs 提取 FAQ 时启用；不涉及实时对话流或系统对接开发。
2. 问题侧：从非结构化对话中识别用户提问；将表述不同但语义相近的问题合并；按出现频次排序。
3. 答案侧：从客服回复中提取对应内容，综合多次回答生成标准答案；强调完整、可操作，并建议业务方人工审核（尤其政策类内容）。
4. 组织与输出：按主题/场景分类；可为条目附加关键词便于检索；支持列表、表格、问答对等格式，并可按用户要求调整为更口语化的表述。
5. 数据与边界：必须用户提供聊天记录、工单或反馈文本，无法凭空生成；建议至少 50 条以上对话，200 条以上效果更佳；处理前需脱敏姓名、电话、订单号等；Skill 声明不存储用户提供的聊天记录。

执行流程在文档中分为四步：获取并清洗数据 → 提取与合并问题、统计频次 → 生成标准答案 → 分类并按偏好格式输出。输出中可包含高频问题排行表、分主题 FAQ 正文，以及「高频但缺乏标准答案」的补充建议列表。

安装与启用¶

安装前请确认本机已有 SkillHub CLI；若无，可先按官方安装文档检查或安装：

command -v skillhub && skillhub --version

未安装时可使用 SkillHub 文档中的安装脚本（完整安装或仅 CLI），详见 https://skillhub.cn/install/skillhub.md 第一节。

方式一：命令行安装到当前 Agent 的 skills 目录

安装时必须使用 --dir 指向 Agent 实际读取的 skills 路径，否则默认落在 ./skills/ 可能无法被识别：

skillhub install faq-auto-extractor --namespace user_70c2f807 --dir <你的 skills 目录>

常用路径（来自 SkillHub 安装文档）：

• Cursor：~/.cursor/skills/
• Codex：~/.codex/skills/ 或项目下的 .agents/skills/
• Claude Code：~/.claude/skills/

方式二：让 Agent 按提示安装

SkillHub 页面提供的安装提示为：请根据 https://skillhub.cn/install/skillhub.md，安装 @user_70c2f807/faq-auto-extractor。

安装完成后重启或刷新 Agent，使新 Skill 被加载。

典型用法¶

Skill 文档中的交互示例可概括为以下可复现流程。

1. 用户发起：「帮我提炼 FAQ」→ Agent 应请对方粘贴客服聊天记录或用户反馈。
2. 用户提供一批对话（文档示例为约 100 条）→ Agent 分析高频问题、按频次排序并生成标准答案。
3. 用户要求「答案太官方，改口语化」→ Agent 调整答案语气。
4. 用户要求「帮我分个类」→ Agent 按主题划分（如物流、退换货、产品使用）。
5. 用户要求「导出为表格格式」→ Agent 输出便于复制或导入客服系统的表格化内容。

数据格式上，Skill 说明称纯文本、CSV、JSON 均可接受，越规整处理越快；也提到 Excel 等需用户自行整理为 Agent 可读的文本形态（本 Skill 包内无独立转换脚本，仅含 SKILL.md 与元数据）。

文档给出的输出骨架包括：数据来源条数、提炼问题数、分类数；高频问题排行表（排名、问题、频次、分类）；分主题下的 Q/A 与关键词；以及建议补充的高频但缺答案问题列表。

适用场景与注意¶

适合

• 客服、运营或知识库维护人员，手头有已脱敏的历史对话或工单文本，需要快速得到 FAQ 草案与频次优先级。
• 希望减少重复答疑、统一「同一问只有一个标准答」的团队。
• 需要中英文混合记录整理为 FAQ（Skill 说明支持按语言分类输出）。

限制与注意

• 只产出 FAQ 文本/表格，不搭建机器人、不对接客服系统 API；导入 Zendesk、智齿等需自行使用系统批量导入能力（Skill 提到可输出 CSV/JSON 形态，具体字段以 Agent 按文档生成为准）。
• 答案基于历史回复归纳，必须人工审核后再入库；活动、政策类内容需确认时效。
• 数据量过少时，文档会提示结果可能不全面；内容以闲聊/投诉为主、缺少明确问答时，需与用户确认是否改为提取「关注点」。
• 实时对话分析、用户画像、知识图谱等不在本 Skill 范围内。

不适用（Skill 文档表格归纳）：搭建客服机器人、实时流分析、复杂知识图谱、以营销文案生成为主的目标。

结尾¶

FAQ自动提炼把「从对话到 FAQ 草案」写成 Agent 可遵循的步骤与输出规范，适合作为知识管理（knowledge-management）类工作流里的提炼环节；落地时仍依赖脱敏数据、足够样本量和业务审核。安装与详情见 SkillHub：https://www.skillhub.cn/skills/user_70c2f807/faq-auto-extractor ，坐标页：https://api.skillhub.cn/user_70c2f807/faq-auto-extractor 。