钉钉 AI 助理建群规问答：30 条制度变成可问的库

公司有 30 条行政制度，散在 3 份文档里。员工想问「出差住宿标准是多少」的时候不会去翻文档，会直接在群里问人。结果是一周 23 次咨询里，有 17 次问的都是文档里写着的。做法是把制度拆成问题、灌进钉钉 AI 助理，让它能问能答。首轮 20 个测试问题只答对 13 个，补完料才敢放开。

一句话结论

制度文档没人看，不是写得不好，是「找不到」这件事本身比「问一句」贵得多。把制度改造成问答库是最省力的修法，但关键不在喂文档，在先把制度拆成一个个真实会被问的问题。实测 30 条制度拆出 47 个问题，首轮 20 个测试问只答对 13 个，剩下 7 个的错法集中在口径过期和跨文档冲突——这两类问题不测出来，放开就是错误答案在群里传播。

这篇解决什么问题

三种情况最常见。一是制度分散：考勤一份、值班一份、报销一份，员工不知道哪份里有答案，干脆不问。二是文档写的是条文不是答案：写了「差旅住宿按职级标准执行」，但没写标准是多少、超标怎么审批，问到的人还得再问一轮。三是答案会过期：制度改过两版，旧版还躺在群文件里，AI 助理如果只学了旧版，会给出过时的口径。

根子是把制度当「存档文件」，而员工需要的是「随时能问的窗口」。所以这件事的顺序不是先搭助理，而是先把制度拆成问题、补上条文里没写的边界，最后才接助理。顺序反了，就是把你没想清楚的东西换成机器在群里说出去。

开始前要准备什么

• 全部制度的当前有效版本，并确认哪份是权威。3 份文档里如果有 2 份写过同一件事，先定一个口径，别让助理去猜。
• 最近一个月的真实咨询记录（群聊、私聊、工单都算）。这是拆问题的原料，比你自己想出 50 个问题准得多。
• 一个能改制度的责任人。测试中发现的空缺、冲突，当场要有人能拍口径，否则清单会烂在待办里。
• 一条纪律：助理答不上来时要说「不确定，请找行政」，不许编。这个兜底写不进提示词，整件事就不该上线。

具体怎么做

第一步：把制度拆成「会被问的问题」，不是拆成条款

不要用「第 3 条讲什么」来做单元，要用员工的原话。把最近一个月的咨询记录逐条看，归纳出真实问法：不是「差旅制度」而是「去上海出差住哪一档」「超标了还能报吗」。30 条制度最后拆出 47 个问题，其中 12 个是原来条文里根本没有答案的。

这一步用豆包做归纳，效率比自己想高得多，但要把它的输出当成草稿——AI 会把条文改写成问题，却不知道你们公司实际怎么问。

这是我公司的 30 条制度（分考勤、值班、报销三份）和最近一个月的 23 条员工咨询原话。

请做两件事：
1. 把 30 条制度逐条转成「员工会怎么问」的口语问法，一条制度可以拆成多个问题，输出成「问题 → 依据条款」的对照表；
2. 把这 23 条原话咨询按主题归类，指出哪些问题在制度里找不到明确答案。

要求：只用我给的条文，不要补充你推测的公司规定。找不到答案的直接标「缺」，不要替我想一个合理的答案。

第二步：补上条文里没写的边界

47 个问题里有 12 个在制度里找不到答案，典型的是「超标怎么办」「两个规定冲突以哪个为准」「特殊情况谁批」。这些空白不补，助理只能靠猜，而它猜错了没人会发现——因为群里没人会去核对原文。

补法是列一张空缺表，每一格只有三列：问题、现在的条文怎么说、需要补什么口径。拿着这张表找那个能拍板的人，一次问完，别来回问。这一步实测占用了 60 分钟，是全流程里最耗时的环节。

下面 12 个问题在我的制度里找不到明确答案。请帮我整理成一张「待补口径表」：

1. 每个问题写清「员工实际会怎么问」；
2. 写出目前条文里的相关句子（哪怕只是沾边），没有就写「无」；
3. 指出这个问题不补会导致什么后果（比如给出两种都可能错的答案、或者助理只能拒答）。

要求：不要给我建议答案，我要拿这张表去问负责人拍口径。

第三步：建库，一个知识条目只放一个答案

上传整份文档是最省事也最差的做法：检索到的是段落，助理会把相邻条款一起搬出来，答案又长又跑偏。正确做法是一条一答，每条 100 字以内，开头第一句就是结论——「可以报，上限是 X」，后面再补条件。

47 个问题就是 47 条知识。检索命中靠的是问法相似度，所以每条要把员工可能的说法列进去，比如「住宿标准」「住多少钱」「酒店上限」是同一个问题。

我要把这 47 条问答建成知识库，一条一问一答。请按下面的格式整理每一条：

– 问题（员工口语问法，给出 2~3 种不同说法）
– 答案（第一句必须是结论，总长不超过 100 字，结论后面再补条件和例外）
– 依据（对应制度第几条）

要求：答案里出现的所有数字（金额、天数、时限）必须来自我给的原文，原文没有的写「待补」，不要自己填一个合理值。

第四步：拿 20 个问题测，按错法分类而不是按对错记分

测试别问「答得对不对」，要问「错在哪一类」。首轮 20 个问题里答对 13 个、答错 4 个、答不出 3 个。答错的 4 个分三类：口径过期 2 个（学的是旧版）、跨文档冲突 1 个、边界没写 1 个。答不出的 3 个全是问法太偏，知识条里没列这种说法。

按类别修比逐条修有效：过期就清旧文档，冲突就统一下口径，问法偏就补同义问法。三类各修一次，复测同一批 20 个问题，答对 19 个，剩 1 个是负责人还没拍口径的那条——那条干脆先不答，让助理直说「这条在确认中」。

这是助理对 20 个问题的回答和标准答案。请按错误类型分类，不要只给我对错：

1. 分四类：口径过期、跨文档冲突、边界缺失、问法未覆盖；
2. 每条错答写清「它答了什么」和「正确答案是什么」的差异点；
3. 针对每一类给出一条修法（改哪份文档、补哪条知识、加哪种同义问法）。

要求：如果某个错答是因为两个文档说法不一致，明确指出是哪两个文档、哪两句。

实测记录

素材是 3 份制度共 30 条，加上最近一个月的 23 条员工咨询原话。第一步拆问题 40 分钟，得到 47 个问题，其中 12 个在原文里没有明确答案。第二步列空缺表并去找负责人拍口径，60 分钟，12 个空缺里当场定了 9 个，剩 3 个需要跨部门确认。

第三步建库 50 分钟，47 条知识，平均每条 80 字左右。这一步最容易贪多——一开始想把整段制度贴进去，后来全部改写成「结论先行」的单条答案，检索准确率明显不同。

第四步测试 40 分钟：20 个问题，答对 13、答错 4、答不出 3。修完三类问题后复测，答对 19，剩 1 条压着不放。全程 190 分钟。

放开两周后，制度类咨询从每周 23 次降到 6 次，剩下的 6 次有 4 次是助理答不上来转人工的——转人工本身就是有效果的，因为它至少把「问什么」说清楚了。另外发现一个意外收益：47 条知识里有 12 条是这次补出来的口径，以前这些口径只存在于某个人的记忆里。

最容易错的 3 个地方

第一，直接上传整份制度文档。检索到的是段落不是答案，助理会把相邻条款一起搬出来，回答又长又容易带出不适用的条件。一条一问一答，答案 100 字以内、结论放第一句，检索准确率差别很大。

第二，不测就放开。首轮 20 个问题答对 13 个，这个水平如果直接上线，等于每周有三分之一的人在群里拿到错误口径。而错误口径比没有答案更麻烦——员工会当成官方答复去执行。

第三，把答不上来当成缺陷去消灭。有些问题本来就没有统一口径，硬要让助理给个答案，它只能编。更稳的做法是让它明确说「这条在确认中，请找行政」，把不确定的部分交回给人。这类兜底答复实测占了 6 次咨询里的 4 次，反而是最有价值的。

可复用的东西

拆问题不用拆条款。单元是员工的原话，一条制度可以对应多个问题，一个问题也可能横跨两份制度。

空缺表三列：问题、现在条文怎么说、需要补什么口径。拿去问那个能拍板的人，一次问完。

知识条三要素：2~3 种口语问法、结论先行的 100 字答案、依据条款号。

测试四分类：口径过期、跨文档冲突、边界缺失、问法未覆盖。按类修一次比逐条修十次有效。

必须有的兜底答复：「这条在确认中，请找行政」。不许编，这条比任何一条知识都重要。

先测 20 个再放开。20 个问题能覆盖 80% 的错法，成本只有 40 分钟。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接