用途：为网站聊天机器人和 AI 智能体设计对话流程架构，重点关注对话设计本身，不含工程实现与具体平台配置。适用对象为增长与产品营销人员、内部对话流程设计团队，以及代客户运营聊天机器人的机构。
核心思路：需要区分三种模式。脚本式机器人用固定决策树，用户换个说法就失效；无结构的 LLM 机器人会自信地编造价格、政策或能力答案，带来支持负担与信任损害；结构化引导式对话则结合意图架构、知识库依据、明确兜底路径和向人工升级，机器人知道自己的边界并正确路由。判断标准：问一个超出范围的问题，看它是编答案、僵硬拒绝，还是诚实地转给人工或其他资源，后者是目标。
主要能力：一是聊天机器人决策，判断该场景是否值得部署，依据包括重复提问量、人工无法覆盖的时段、能否用真实知识（文档、产品规格、价格页）支撑答案、团队能否持续维护；销售对话、复杂排障、敏感话题、受众过小、无法维护或不应用机器人替代运转良好的人工渠道时不宜部署。二是意图架构，定义具名意图、意图层级、边界与覆盖率，通常覆盖 70%–90% 的预期对话，其余走兜底，并需定期维护。三是知识库依据，采用检索增强生成（RAG）、确立单一事实来源、引用来源、持续维护知识库，避免幻觉。四是分支与条件逻辑，可按意图、上下文、用户属性、多轮对话分支，分支需有价值，深度一般 3–5 轮。五是兜底模式，包括澄清提问、推荐可处理的意图、资源转交、转人工，分层处理，不反复追问。六是转人工，触发条件有用户主动要求、超出范围、重复兜底、情绪驱动、高风险话题，并传递对话历史与已识别意图，避免用户重复描述。七是对话分析，按意图跟踪识别率、解决率、兜底率、升级率与满意度，用于诊断意图缺口、知识库不足或升级逻辑失当。
限制与未提供内容：资料未提供具体产品名称、URL、安装命令、代码示例、价格、平台或量化效果数据；本技能聚焦对话设计，不涉及 AI 内容工作流、工程实现、平台配置、语音智能体与 IVR 流程。