1. 业务方提出：“在服务资源有限的情况下，先投在哪一类工单上？”——用数据回答“应该怎么办”并落到人和动作的问题，属于四个分析层次中的________分析。
2. 数据清洗中先看“为什么缺”：空白零散分布在各字段的属于随机缺失；而空白成片集中在一段业务、一个时间范围的缺失，属于________缺失——它本身可能携带信息，不能简单删除。
3. 在工单自动分类中，模型输出的是“类型十________”：它是“带把握的判断”而不是硬判定，数值高的可以自动派单，低的转人工复核。
4. 知识并不直接面对客户，中间隔着一层AI的________这是RAG机制下所有风险的源头。
5. 把一条“混着多个知识点”的知识条目，改造成“一条只说一件事、每条都能被单独找到、单独成立”的形态，这项改造称为________。
1. 业务会上只有一句“最近客户不太满意，看看是什么情况”。按课程方法，下一步最恰当的是：
A. 直接把全量话务数据拉出来先跑一遍
B. 先写一份分析报告框架，再往里面填数据
C. 把模糊诉求翻译成可分析的问题：明确衡量指标、分析范围、核心假设与口径
D. 先请领导给出一个结论方向
2. 同一时间段的“电话接通率”，话务部门报85%、服务部门报79%，双方都声称取自系统原始数据。最可能的原因是：
A. 同一指标的两种口径——定义、算法或统计范围不一致（如是否包含放弃量）
B. 两个部门的系统没有同步
C. 其中一个部门数据造假
D. 接通率本身无法计算
3. 某月“平均通话时长”同比下降，报表解读为“通话效率明显提升”；但客服代表普遍反映客户等得更久了。更合理的下一步是：
A. 接受报表结论，数字不会骗人
B. 查看通话时长的分布：均值可能被少数很短的电话拉低，应结合中位数与分位数判断
C. 直接更换考核指标
D. 增加坐席数量以缓解等待
4. 某中心各班组本月"一次解决率"较上月均有所提升，但全中心整体数据反而下降。最先应检查的是：
A. 分组的权重结构是否发生变化——哪类班组的话务占比变大了
B. 系统统计是否出错
C. 客户数量是否变多
D. 是否新增了业务类型
5. 归因分析中，一条"合格的假设"应当写成哪种形式：
A. 肯定是有某个环节出了问题
B. 如果原因是高峰时段排班缺口，那么高峰时段的接通率应明显低于平峰时段
C. 可能是人员问题，也可能是系统或流程问题
D. 多数同事都认为是系统不好用
6. 用预测结果做排班决策时，更稳妥的用法是：
A. 要求给出预测区间，决策时参考区间下沿，而不是只看中间值
B. 直接采用预测的单个数值，按它排班
C. 把预测值统一上调20%，防止人手不够
D. 预测不可能准确，干脆不做
7. 两个班组接通率差距较大，要展开横向对比。对比之前首先应确认：
A. 两个班组的人数是否相同
B. 两个班组长的工作资历
C. 基础条件是否可比——话务结构、指标口径、统计时点是否一致
D. 两个班组上月的排名先后
8. 某知识条目写道：“居民客户办理更名过户，营业厅承诺当日办结，也可通过网上国网APP申请3个工作日内办结。"机器人答复时把两个时限混在一起说。该条目最主要的问题是：
A. 规范缺失——单位混用
B. 口径过期——引用了旧政策
C. 没有问题，是模型理解能力不足
D. 条件缺失——同一事项有两个时限，但没有写清各自的适用条件
9. 机器人把"城区45分钟到达"的抢修口径答给了农村客户，引发投诉。第一处置方向应当是：
A. 升级为能力更强的模型
B. 加强客服人员的话术培训
C. 限制客户的提问范围
D. 先查知识侧：条目的适用范围是否标注清楚、边界问法是否覆盖（会不会拿城区口径错套农村）
10. 要让AI把一段材料"校验并改写"为知识条目，同时防止它编造材料之外的内容，以下做法最关键的是：
A. 让AI先按常识补全材料中缺失的数字，保证条目完整
B. 设置严谨、对数字和时限高度敏感的角色，并写明只使用【材料】中的信息，材料之外一律不写
C. 允许AI联网搜索，补充最新的政策口径
11. 客户来电说"电费单看不懂"想改户", 机器人检索不到相关条目。最直接有效的处理是:
A. 请客户改用规范说法
B. 建立同义词映射表, 把客户常用说法 (电费单、改户) 映射到知识库术语 (缴费凭证、更名过户)
C. 把这些术语从知识库中全部删除
D. 让坐席人工答复即可, 不必改动知识库
12. 给原子条目标注“适用范围 (城区居民用户)、生效日期、来源 (《供电服务规范》)”, 这些元数据在RAG系统中的主要作用是:
A. 让条目显得更规范、更完整
B. 供人工审核时参考
C. 提升AI的语言组织能力
D. 作为检索时的筛选条件, 把不该出现在候选里的条目直接堵在检索层
13. 老年客户来电问“这个月电费怎么变多了”。以下最符合课程话术要求的是:
A. “您本月已进入第二档电价区间, 超出部分单价上浮0.05元/千瓦时。”
B. “政策规定就是这样收取的。”
C. 您这个月用的电进了第二档, 多出来的部分每度多5分钱——不是电表坏了, 也不是多收了。
D. 费用明细可在电子账单第3栏自查, 如有疑问请携带有效证件原件到营业厅核实。
14. 用测试词法测试知识库后, 发现有几条问题机器人没有命中。按"盲区反哺"闭环, 正确的处理是:
A. 判定为模型能力不足, 等待平台升级
B. 把这些问法从测试集中删掉, 提高测试通过率
C. 逐条做四归因 (没这条知识? 知识过期? 切块切坏了? 问法没覆盖?), 补知识后重新测试
D. 改由人工客服统一回答这类问题
15. 知识条目因政策调整而失效, 正确的处理方式是:
A. 直接删除, 避免机器人再检索到
B. 继续保留在库里, 等知识库整体重建时统一处理
C. 把条目内容改成已作废三个字
D. 做失效标注后下线: 记录失效日期、失效原因、替代条目等, 保留留痕以便追溯
1. 把业务诉求翻译成可分析的问题时, "问题定义"应包含以下哪些要素:
A. 业务背景——为什么现在要分析
B. 核心假设——先猜一个原因, 再去数据里验证
C. 分析要用的软件与工具清单
D. 衡量指标——用什么说明问题解决了, 指标名与口径都写明
E. 分析范围——时间、业务、数据边界
2. 关于数据质量检查与缺失值处理，下列说法正确的有：
A. 完整性检查应逐字段计算缺失率，再按字段的业务重要性排序
B. 随机缺失（零散分布）且比例低时，可以删除，也可以填补
C. 系统性缺失成片出现，直接删除会把那一整段业务一起删掉，应当谨慎处理并说明方式
D. 用中位数或业务规则填补时要写明规则，且补出来的数不能当作真实值使用
E. 只要总缺失率不高，个别字段大面积空白可以不予以关注
3. 关于服务异常归因的分析方法，下列说法正确的有：
A. 归因第一步是先立假设：把所有可能的原因列出来，这一步宁可多列、不急于筛选
B. 每条假设都应写成能被数据验证（甚至被否掉）的形式，并注明验证方式
C. 维度下钻时一层只切一个维度，才能看清是哪一刀起了作用
D. 为了尽快推进，可以先给出结论，再回头找支持结论的数据
E. 在时间上发生得更早的因素，就是问题的原因
4. 关于四类数据挖掘任务及其客服应用，说法正确的有：
A. 投诉升级预警、工单自动派单属于“分类”类任务
B. 聚类用于客户分群时，应为每一群起“叫得出名字”的业务化名称，并配差异化策略
C. 分几类由算法完全决定，人工不需要参与命名和解释
D. 关联规则中，支持度反映规律的覆盖面，置信度反映“A出现时B出现的比例”
E. 投诉预警场景中，漏掉高风险客户的代价大于多提醒几个，因此分类阈值宜往低取
5. 关于相关分析与因果判断，下列说法正确的有：
A. 相关系数只描述两个变量的同步程度，不说明谁导致谁
B. 相关强度看绝对值：越接近1越强，过低的同步基本可以忽略
C. “整体看着相关、拆开各组都不相关”，往往由分组（第三变量）驱动，不能直接当结论
D. 相关系数接近1，就可以认定二者存在因果关系
E. 两个指标同涨同跌，可能都由第三个因素驱动——属于伪相关
6. 一条“看起来没问题”的知识条目，可能藏着以下哪几类陷阱：
A. 条件缺失——同一事项多个时限或情形，没有写清适用条件
B. 规范缺失——如“度”与“千瓦时”混用，单看每句都对、合在一起不合格
C. 口径过期——引用的政策数据或口径已经不是现行的
D. 模型参数设置过低
E. 条目存放的文件夹位置不合理
7. 设计提示词“约束”段时，以下做法正确的有：
A. “禁编造”——只使用【材料】中的信息，材料之外一律不写
B. “标来源”——每条输出注明依据材料中的哪一段
C. 约束写得越少，AI发挥空间越大，产出越好
D. “标版本”——口径不明、前后不一致或疑似过期，标注[待核实]并说明原因
E. “统一单位”——数字、单位、时限与材料一致，如统一为千瓦时
8. 把FAQ式条目改造成“RAG友好结构”，关键动作包括：
A．原子化：一条只说一件事，让每个事实都能独立命中
B．尽量把多条合并成一条长条目，信息越全越好
C．可溯源：每条标注来源
D．去语境依赖：单独被检索出来也能独立成立，避免同上，90分钟这类写法
E．配元数据：标注适用范围、生效日期、来源等筛选字段
9. 关于客户化话术，下列说法正确的有：
A. 老年客户：去术语化+数字具象化，把电量、金额换算成能感知的说法
B. 企业客户：效率导向，给明确时限与办结条件清单，一次说全
C. 投诉升级客户：先共情（认感受），再给方案、给时限、留回
D. 话术红线包括：不承诺知识条目以外的时限、不使用绝对化表述、不推卸责任、不堆砌术语
E. 为保持服务形象统一，所有客群使用同一套标准话术即可
10. 关于知识运营闭环，下列说法正确的有：
A. 知识运营是“新增一审核一发布一更新一下线”的持续闭环，从“写知识”走向“养知识”
B. 知识一旦上线就稳定了，无需再定期排查过期表述
C. 失效标注一般包括：条目状态、失效日期、失效原因、替代条目、最后复核人
D. 平台没有失效字段时，可以退而求其次：在条目正文首行加“[已失效·以XX新条目为准]”
E. 过期条目应“留痕下线”而不是直接删除，以便审计追溯
1. 智能体遇到数据里没有的信息时，可以自行补充一个合理的解释先回复客户，以保证回答完整。（ ）
2. 数据清洗可以先按现有格式把指标算出来，格式不统一的问题以后再处理，不影响结果。（ ）
3. 探索性分析应先把数据的形状、集中与离散情况看清楚，而不是急着得出结论。（ ）
4. 智能体四要素（角色、任务、边界、输出格式）合在一起，相当于一份“岗位说明书”，写全了才可能稳定产出。（ ）
5. 模型在训练数据上表现近乎完美，说明它已经可以投入正式业务使用。（ ）
6. AI产出的知识条目，只要格式正确、语句通顺，就可以不经人工审核直接入库。（ ）
7. 复核知识条目中的可疑数字时，除了核对其依据的版本与日期，还可以换模型、换问法再验证一遍。（ ）
8. 跨组大考中，只要测试问法全部命中，流程规范（可溯源、字段齐全）是次要的，不影响过关。（ ）
9. 为安抚情绪激动的客户，可以先承诺一个比知识条目更短的解决时限，事后再解释。（ ）
10. 给AI设置“对数字和时限高度敏感”的角色描述，会提高它校验数字矛盾的注意力。（ ）
某知识库条目原文如下：“居民客户办理更名过户，营业厅承诺当日办结，也可通过网上国网APP申请，3个工作日内办结。”请指出这条知识存在的问题，以及它可能给智能客服带来的后果？
存在的问题 ____________
后果 ____________