一个客服机器人最值钱的能力，可能不是答得多全，而是知道什么时候闭嘴说"这个我不清楚"。我做客服 Agent 的设计时，花在"怎么让它该拒答时拒答"上的功夫，比花在"怎么让它答得好"上的还多。讲讲这个思路。

为什么拒答这么重要

客服面对的问题里，总有一大块是知识库根本没覆盖的：超出业务范围的、需要人工判断的、问得太刁钻的。

一个不会拒答的 Agent，遇到这些会怎样？它会硬编。 大模型有个毛病，你问什么它都想给个答案，宁可编一个也不愿说不知道。客服场景里这是灾难——它一本正经编出来的退款政策、保修条款，客户当真了，最后是公司兜底。

我测试时问过一个知识库里压根没有的问题："你们支持货到付款吗？"它张口就来"支持的呢，下单时选择货到付款即可"。我们根本没这服务。它就这么瞎编了一个,语气还特别肯定。

所以拒答不是体验差，是安全底线。 宁可它说"这个我帮您转人工"，也别让它自信地编。

我是怎么让它学会拒答的

不是改一句 prompt 就完事，是几层一起上：

第一层：知识检索的得分阈值

检索召回如果最高分都低于某个阈值，说明知识库里没有相关内容，这时候直接走拒答模板，根本不让模型自由发挥。这一层最硬，靠数据说话,不靠模型自觉。

第二层：prompt 里给足"拒答许可"

模型默认倾向于有问必答，得在 prompt 里明确告诉它："如果提供的资料里没有相关信息，就回复需要人工协助，不要编造。"这句话要写得具体，给它退路，它才敢承认不知道。

第三层：拒答话术要体面

拒答不等于甩一句"无法回答"。我准备的话术是"这个问题我这边资料没覆盖到，帮您转接人工同事确认下，稍等"。既诚实,又不让客户觉得被踢皮球。

一个绕不开的取舍

阈值这东西卡得紧了，它会过度谨慎，连知识库里明明有的问题也保守地拒答，客户体验变差；卡松了，又拦不住乱编。这个度没有标准答案，我是拿一两百个真实问题反复试,来回挪了三四次阈值才找到一个能接受的平衡点。所以拒答的设计不是一锤定音,是要持续调的。

工具帮我省的事

我用的那个零代码搭智能体的平台，检索阈值能直接设参数,达不到阈值走哪条兜底分支也能在编排里配，不用我自己写检索后的判断逻辑。发布前我还能拿一批"该拒答"的问题批量测一遍,看它有没有老实拒答。这套测下来,瞎编的比例压下去不少。

留个观点收尾：评价一个客服 Agent 好不好，别只看它答对了多少，去问它一堆它不该会的问题，看它敢不敢说不知道。 敢拒答的,才敢上线。

（模型这层我走的讯飞 MaaS，现成API直接调，没自部署算力，精力都留给了拒答策略这种真正影响线上安全的事。）