AI搜索普及后用户咨询层次变深了。以前进私域问这个产品是什么现在进私域问这个产品和XX比哪个更适合我——表层信息已在AI搜索消化私域承接的是AI答不了的深度问题。承接策略要从答得上升级到答得深。一、咨询层次变化——从表层问答到深度追问AI搜索用户进私域有两个变化。一是跳过基础信息——直接问我敏感肌泛红时用这款会不会刺激。二是自带对比框架——问A和B哪个更适合我已有候选产品和对比维度。咨询从信息传递变成问题解决。深度问题没有标准答案。会不会刺激取决于肤质、场景、搭配——需要追问才能回答。承接策略是反向追问证据供给——追问关键信息供给决策依据成分表、用户反馈而非直接给结论。二、证据供给——回答要有依据而非凭嘴说深度咨询用户要的是依据而非结论。问这个成分安全吗答安全不够要供给成分来源、风险等级、适用人群。证据供给靠知识库接入——产品信息、成分数据、用户反馈结构化入库回答时检索证据。证据供给建立信任。直接答安全用户怀疑附上成分来自XX检测风险等级低用户就信了。证据不用多——3-5条关键证据够了太多看不完。三、反向追问——信息不足时先问再答深度咨询经常信息不足。问这款适合我吗不知道肤质、场景、预算没法答。直接猜容易错反向追问必要——问肤质、问问题、问预算。追问靠缺失信息检测追问生成。检测缺什么关键信息生成追问补全。追问要克制——一次最多2-3个问多了用户烦。补全后再作答准确率高很多。智能咨询承接三环节对照环节核心动作工程要点价值深度问答问题解决跳过基础信息答得深证据供给知识库检索依据3-5条关键证据建立信任反向追问缺失检测补全一次最多2-3个提高准确率深度咨询承接与证据供给实现class SmartConsult: def handle(self, raw): missing self.detect_missing(raw) if missing: return self.ask_clarify(raw, missing) # 信息不足先追问 evidence self.kb.retrieve(raw, top_k5) # 知识库检索证据 if not evidence: return self.safe_answer(raw) return self.deep_answer(raw, evidence) # 证据推理回答 def detect_missing(self, raw): required {skin_type, problem, budget} return required - raw.extracted_fields def deep_answer(self, raw, evidence): claim self.llm.reason(raw, evidence) return f{claim}\n依据{evidence.summary}落地建议深度咨询从知识库做起——先结构化入库产品信息和成分数据。反向追问要克制——一次最多2-3个。证据供给是信任关键——附上来源、风险、反馈比直接给结论靠谱。微信侧的消息收发、知识库检索和追问补全由Eyun这类个人微信API平台 提供深度问答和证据供给在自建服务实现接口字段以平台开发文档为准。