夜雨聆风
为什么你的龙虾(OpenClaw)AI智能体不够智能?
不是AI不行，是你没喂对东西。
引言
很多人跟我抱怨：“我搭的龙虾（OpenClaw）AI智能体，怎么感觉像个智障？”
建了知识库，买了API，调了半天，出来的结果还是差点意思。
问它问题，要么答非所问，要么一本正经地胡说八道。
问题到底出在哪？
今天给你揭秘，AI智能体不够智能的5个核心原因。
原因1：知识库是一堆垃圾
这是最常见的问题。
很多人觉得知识库嘛，把文档往里一扔就行了。
结果呢？
-
过时的文档还在 -
格式乱七八糟 -
内容互相矛盾 -
重要信息埋在几百页里
AI不是神仙，它只能从你给的东西里学习。
你给它一堆垃圾，它输出的也只能是垃圾。
正确做法：
– 上传前先整理文档
– 删除过时内容
– 统一格式和模板
– 重要内容放文档开头
原因2：Prompt写得像在骂人
很多人写Prompt是这样的：
回答问题或者：
你是客服，回答客户问题就这？AI能理解你想干嘛才怪。
Prompt是AI的指令，越清晰越具体，AI表现越好。
错误示范：
回答问题正确示范：
你是一个电商售后客服，职责是： 1. 解答产品使用问题 2. 处理退换货申请 3. 记录客户反馈 回复规则： - 使用友好语气 - 复杂问题转人工 - 不知道的问题说"我帮您查询" - 禁止承诺具体退款时间 现在客户问：订单什么时候发货？差距一目了然。
原因3：没有给AI”记忆”
很多人发现，AI聊着聊着就忘了之前说过什么。
这不怪AI，怪你没给它配记忆功能。
解决方案：
方案1：对话历史注入
把之前的对话记录传给AI，让它知道上下文。
之前的对话： 用户：这个产品支持7天退货吗？ AI：支持的，亲。产品签收7天内可以申请无理由退换货。 用户：那运费谁出？ AI：...方案2：用户画像
提前记录用户信息，AI每次对话都能调用。
用户画像： - 姓名：张三 - 身份：付费会员 - 购买产品：XXX - 历史问题：...方案3：知识图谱
把实体关系整理成图谱，AI能理解事物之间的联系。
原因4：检索策略有问题
就算知识库内容很好，如果检索策略不对，AI也找不到正确答案。
常见问题：
- 向量匹配不准确
-
问”怎么退款”，知识库里有”退换货流程”，但匹配不到
-
分块太碎
-
上下文被切断了，AI看不到完整信息
-
重排序缺失
-
检索结果没有排序，好答案被埋没了
优化方向：
优化检索策略： 1. 调整Embedding模型，选择更合适的 2. 设置合理的分块大小（500-1000字） 3. 加入重排序模型（Reranker） 4. 配置混合检索（关键词+向量）原因5：没有兜底机制
最致命的问题：AI不知道自己不知道。
它不知道的时候，会瞎编。
一本正经地胡说八道，你还信了。
这是最危险的。
必须配置的兜底机制：
兜底1：置信度判断
置信度 > 0.9：直接返回 置信度 0.7-0.9：返回 + 标注"仅供参考" 置信度 < 0.7：转人工兜底2：知识库无答案处理
知识库检索无结果： → 尝试大模型回答 → 标注"AI生成，仅供参考" → 记录问题，待补充知识库兜底3：敏感内容过滤
检测到敏感内容： → 拒绝回答 → 引导合规表达 → 记录日志一张图总结
正确搭建智能体的流程
第一步：准备高质量知识库
文档整理 → 格式统一 → 去除过时内容
第二步：设计清晰的Prompt
角色定义 → 职责说明 → 回复规则 → 边界限制
第三步：配置记忆功能
对话历史 → 用户画像 → 上下文注入
第四步：优化检索策略
Embedding选择 → 分块策略 → 混合检索 → 重排序
第五步：完善兜底机制
置信度判断 → 无答案处理 → 敏感过滤 → 人工兜底
写在最后
AI智能体不够智能，90%是搭建的问题，不是AI的问题。
你给它什么，它就输出什么。
与其抱怨AI不够聪明，不如先把自己的知识库、Prompt、检索策略、兜底机制做好。
这些做好了，AI自然就智能了。
往期推荐：
你的智能体现在有什么问题？评论区说说，帮你分析。
🦞 龙虾牧羊人 · 20年IT老兵 · 用AI和IT解决实际问题