AI搜索中的问题库建设：从用户问什么到系统答什么

前两天测试AI搜索，问了个特别冷门的问题“老式收音机的旋钮手感为什么那么扎实”，结果AI给我答了一堆关于射频电路的内容。我整个人懵了。说实话，这类例子我见太多了。问题不在模型，也不在语料，很大程度上，是问题库没建好。

可能有人觉得，AI搜索不就是把问题扔给大模型吗？还真不是。你要是想让AI稳定地“答你所问”，它得先知道你通常怎么问。问题库就是干这个的——它不是一个简单的FAQ表，而是一套“用户提问行为”的数据库。里面记录着真实用户的话术、句式、甚至错别字。

一、先把“问法”攒起来

别急着上模型，先扒拉真实的用户提问。去搜索词报告、客服聊天记录、知乎评论、甚至贴吧帖子里把那些原生态的问题都捞出来。这一阶段最重要的一个字：脏。什么“这个怎么弄”“xx是哪家的”“求推荐”全都要留。然后做归一化，把同义不同写的问法归到同一个意图下。你可能觉得这一步很傻，但往往越傻的事越管用。

举例说，有人搜“苹果手机怎么连蓝牙”，有人搜“iphone连不上蓝牙怎么办”，还有的直接写“蓝牙连不上，苹果机”。这三条看起来八竿子打不着，但归一化后，都是一个意图：iPhone蓝牙连接故障。问题库的粒度就体现在这儿。

二、给问题分层：不能一锅炖

有的问题就是来“查事实”的，比如“苹果公司成立于哪年”；有的问题是要“求方法”的，比如“怎么做红烧肉”；还有的是“求推荐”的。这些必须分开处理。因为它们对应的答案结构完全不一样。查事实的直接给时间点+来源就行；求方法的得给步骤；求推荐的得给对比和理由。如果问题库是平铺的，AI只能拿一个模板去套，结果就像你跟人聊天，对方永远只会“嗯嗯嗯”。

我们当时检查过某搜索产品，发现它把“哪个牌子的空调好”和“空调怎么选”归成了同一类，结果答案里全是参数对比，但没人告诉你怎么打开过滤网。你说气不气人。

三、动态更新：问题库是活的

搜索引擎每天进来几十万条新问法，问题库只靠人工维护，累死也跟不上。所以得有个自动挖掘的闭环：新问题进来，先跑一遍聚类，筛出明显的高频问法，然后人工抽检，再回流到库里去。这个过程不用太复杂，但必须定期跑，不然问题库就僵了。

有个好玩的例子：去年突然流行“city walk”这个词，如果问题库没更新，用户搜“城市漫步路线”或者“周末走走哪里好”，AI可能都反应不过来。但你要是能抓住这种新概念，把相关问法都绑定上，体验立刻就上来了。

四、问题和答案不能脱节

很多团队建问题库，只攒问题，不盯答案。结果AI找到问题了，但返回的答案还是老旧的模板。问题库要跟知识库引擎联动，答案页的点击率、跳出率都要反馈回来，反过来修正问题库的权重。比如某个问题，用户问了十次，有八次都点了同一条结果，那这个问题就该往那个答案上靠。

我们之前帮欧博东方做搜索优化时，就遇到过这种事儿。他们的业务里有个高频词，用户通常叫“风控审批”，但系统里存的是“风控审核”，就差一个字，AI就死活答不上来。后来建了个同义字典，把两者绑定在一起，问题库瞬间就通了。这种事特别多，别指望AI自己懂，你不把问题库建好，它就永远在那儿绕。

五、这玩意儿不是万能的

问题库也有搞不定的时候。比如小语种和方言，很多聚类算法一碰到广式普通话就直接崩；再比如隐私敏感的行业，用户问题里带着病历或合同内容，你根本不敢拿出去训练；还有那种开放式的、没有标准答案的问题，比如“这份合同值不值得签”，问题库只能帮你把范围缩小，给AI一个“思考框架”，但最终结论还是得靠模型自己发挥。

所以问题库建设，听起来像个脏活累活，但恰恰是AI搜索体验的分水岭。你见到的那些“聪明”的搜索产品，背后多半有一个人在默默整理问题库。绕不过去。

未来这东西会越来越自动化，但人工的角色不会消失，只是从“搬砖建库”变成“监督调优”。谁先把问题库这个基础设施做好，谁就能在AI搜索的牌桌上多握一张牌。

说到底，AI搜索拼的不是算力，是你对它“懂你说什么”的训练。问题库，就是那本训练手册。