官网友情链接： wechatapi.net

AI 微信机器人最容易被质疑的问题之一是：

“它为什么这样回答？”

如果系统只保存客户问题和AI最终答案，出现错误时只能猜：

模型问题？
知识库问题？
Prompt问题？
上下文问题？

为了让AI回复真正可审计，需要记录知识命中链路。

WechatApi 可以作为个人微信API接入层，把客户消息、群聊、文件和上下文送入AI系统。本地知识层则保存每次检索使用了哪些文档、哪个版本、哪些片段，以及最终模型如何生成答案。

一、每次AI调用都应该有knowledge_trace

包括：

knowledge_base_version；
document_id；
document_version；
chunk_id；
score；
retrieved_at。

这让回复有明确依据。

二、一个具体例子

客户问：

“服务时间几点？”

AI回答：

“9:00-18:00。”

日志显示：

知识库K12；
文档《服务规则》V3；
片段C55；
相似度0.94。

几个月后规则改了。

历史仍能证明当时依据。

三、没有命中也要记录

AI最终回答了。

但knowledge_hits = 0。

这种回复风险更高。

可以：

禁止自动发送；
进入候选。

四、多个文档冲突

A写18:00。

B写19:00。

系统记录两条高分命中。

冲突检测触发。

转人工。

不让模型自由选择。

五、WechatApi 的位置

WechatApi负责：

客户问题和上下文。

知识系统负责：

检索和审计。

六、命中片段要回到原文档

后台点击片段。

能看到完整原文。

避免断章取义。

七、文档版本

不能只记录document_id。

必须：

document_version。

否则内容后来更新，历史依据变化。

八、Prompt版本同时保存

同样知识。

Prompt不同可能生成不同回答。

完整审计要同时看。

九、模型版本

provider；
model；
temperature等关键参数。

重要高风险回复可以保存。

十、人工修改

客服改了AI回复。

仍然保留原知识命中。

分析：

知识是否正确但模型表达错；
还是知识本身错。

十一、知识反馈

人工发现文档错误。

可以从回复详情直接：

提交知识纠错。

形成闭环。

十二、群聊

群聊AI更加需要审计。

因为回答影响多人。

可以提高要求：

必须命中正式知识才自动发。

十三、隐私

知识日志一般不需要复制全部客户敏感信息。

只关联message_id。

后台按权限查看。

十四、数据看板

无知识回复率；
低分命中；
冲突命中；
不同文档被引用次数；
人工纠错。

帮助知识治理。

十五、知识文档过期

命中过期文档。

系统应降低可信度。

最好不自动回答。

十六、权限

知识管理员看文档全量。

普通客服只看与当前会话有关的知识来源。

十七、历史回复复现

通过：

消息快照；
Prompt；
模型；
知识版本。

可以最大程度还原当时生成条件。

十八、总结

个人微信二次开发接入AI以后，企业真正需要的不只是“机器人能回答”，还要能解释“机器人为什么这样回答”。

WechatApi 可以把真实客户问题和会话送入AI流程。

知识命中审计则把每次回答背后的知识库、文档版本和片段完整记录。

当答案正确时，有依据。

当答案错误时，能够快速判断问题出在知识、模型、Prompt还是上下文。

只有AI回答真正可解释、可追溯，微信智能客服才适合长期进入企业客户沟通场景。