前言¶

客服和運營團隊常把問答散落在聊天記錄、工單和社羣線程裏。人工整理 FAQ 費時，且同一問題多種說法難以合併。若只靠通用對話讓模型「寫一份 FAQ」，往往缺少頻次統計、相似問合併和與真實客服回覆對齊的流程。

下面介紹 SkillHub 社區技能 FAQ自動提煉（@user_70c2f807/faq-auto-extractor，v1.0.0）。它通過標準 SKILL.md 約束 Agent：在用戶提供脫敏後的對話數據時，按固定步驟提取高頻問題、生成標準答案並分類輸出，適合作爲知識庫維護的前置環節。

這是什麼¶

FAQ自動提煉 是發佈在 SkillHub 上的社區 Skill（分類：knowledge-management），座標 @user_70c2f807/faq-auto-extractor，發佈者 user_70c2f807，當前版本 1.0.0，標籤標明 requires_api_key=false（無需單獨配置 API Key 即可安裝使用）。

定位：從客服聊天記錄、用戶反饋或社羣對話中識別提問，合併相似問、按出現頻次排序，並基於對話中的客服回覆歸納標準答案，支持按主題分類與多種文本化輸出（列表、表格、問答對）。Skill 說明中明確 不用於 客服系統搭建、聊天機器人開發或知識圖譜構建。

官方入口：

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

（SkillHub 頁面顯示評分 100000；已抓取元數據顯示下載約 878 次。）

核心功能¶

以下能力均來自該 Skill 的 SKILL.md 說明，安裝後由 Agent 按文檔執行。

1. 觸發場景：用戶提到 FAQ 提煉、常見問題提取、客服問答、知識庫生成，或要求從 chat logs 提取 FAQ 時啓用；不涉及實時對話流或系統對接開發。
2. 問題側：從非結構化對話中識別用戶提問；將表述不同但語義相近的問題合併；按出現頻次排序。
3. 答案側：從客服回覆中提取對應內容，綜合多次回答生成標準答案；強調完整、可操作，並建議業務方人工審覈（尤其政策類內容）。
4. 組織與輸出：按主題/場景分類；可爲條目附加關鍵詞便於檢索；支持列表、表格、問答對等格式，並可按用戶要求調整爲更口語化的表述。
5. 數據與邊界：必須用戶提供聊天記錄、工單或反饋文本，無法憑空生成；建議至少 50 條以上對話，200 條以上效果更佳；處理前需脫敏姓名、電話、訂單號等；Skill 聲明不存儲用戶提供的聊天記錄。

執行流程在文檔中分爲四步：獲取並清洗數據 → 提取與合併問題、統計頻次 → 生成標準答案 → 分類並按偏好格式輸出。輸出中可包含高頻問題排行表、分主題 FAQ 正文，以及「高頻但缺乏標準答案」的補充建議列表。

安裝與啓用¶

安裝前請確認本機已有 SkillHub CLI；若無，可先按官方安裝文檔檢查或安裝：

command -v skillhub && skillhub --version

未安裝時可使用 SkillHub 文檔中的安裝腳本（完整安裝或僅 CLI），詳見 https://skillhub.cn/install/skillhub.md 第一節。

方式一：命令行安裝到當前 Agent 的 skills 目錄

安裝時必須使用 --dir 指向 Agent 實際讀取的 skills 路徑，否則默認落在 ./skills/ 可能無法被識別：

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

常用路徑（來自 SkillHub 安裝文檔）：

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

方式二：讓 Agent 按提示安裝

SkillHub 頁面提供的安裝提示爲：請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_70c2f807/faq-auto-extractor。

安裝完成後重啓或刷新 Agent，使新 Skill 被加載。

典型用法¶

Skill 文檔中的交互示例可概括爲以下可復現流程。

1. 用戶發起：「幫我提煉 FAQ」→ Agent 應請對方粘貼客服聊天記錄或用戶反饋。
2. 用戶提供一批對話（文檔示例爲約 100 條）→ Agent 分析高頻問題、按頻次排序並生成標準答案。
3. 用戶要求「答案太官方，改口語化」→ Agent 調整答案語氣。
4. 用戶要求「幫我分個類」→ Agent 按主題劃分（如物流、退換貨、產品使用）。
5. 用戶要求「導出爲表格格式」→ Agent 輸出便於複製或導入客服系統的表格化內容。

數據格式上，Skill 說明稱純文本、CSV、JSON 均可接受，越規整處理越快；也提到 Excel 等需用戶自行整理爲 Agent 可讀的文本形態（本 Skill 包內無獨立轉換腳本，僅含 SKILL.md 與元數據）。

文檔給出的輸出骨架包括：數據來源條數、提煉問題數、分類數；高頻問題排行表（排名、問題、頻次、分類）；分主題下的 Q/A 與關鍵詞；以及建議補充的高頻但缺答案問題列表。

適用場景與注意¶

適合

• 客服、運營或知識庫維護人員，手頭有已脫敏的歷史對話或工單文本，需要快速得到 FAQ 草案與頻次優先級。
• 希望減少重複答疑、統一「同一問只有一個標準答」的團隊。
• 需要中英文混合記錄整理爲 FAQ（Skill 說明支持按語言分類輸出）。

限制與注意

• 只產出 FAQ 文本/表格，不搭建機器人、不對接客服系統 API；導入 Zendesk、智齒等需自行使用系統批量導入能力（Skill 提到可輸出 CSV/JSON 形態，具體字段以 Agent 按文檔生成爲準）。
• 答案基於歷史回覆歸納，必須人工審覈後再入庫；活動、政策類內容需確認時效。
• 數據量過少時，文檔會提示結果可能不全面；內容以閒聊/投訴爲主、缺少明確問答時，需與用戶確認是否改爲提取「關注點」。
• 實時對話分析、用戶畫像、知識圖譜等不在本 Skill 範圍內。

不適用（Skill 文檔表格歸納）：搭建客服機器人、實時流分析、複雜知識圖譜、以營銷文案生成爲主的目標。

結尾¶

FAQ自動提煉把「從對話到 FAQ 草案」寫成 Agent 可遵循的步驟與輸出規範，適合作爲知識管理（knowledge-management）類工作流裏的提煉環節；落地時仍依賴脫敏數據、足夠樣本量和業務審覈。安裝與詳情見 SkillHub：https://www.skillhub.cn/skills/user_70c2f807/faq-auto-extractor ，座標頁：https://api.skillhub.cn/user_70c2f807/faq-auto-extractor 。