办一场会，最耗人的不是筹备，是会中那几天被反复问同样的问题。
"几点开始签到""在哪个厅""我的座位号是多少""酒店怎么走""有停车位吗""午饭在哪吃"。参会者的问题里，八九成是重复的。主办方通常就一两个人对接这些咨询，微信群里刷屏、电话一个接一个，答到后面嗓子都哑了。更麻烦的是问的人一波接一波，同样的话要说几十遍。
这几年会务小程序开始加"AI 会务助理"这个模块，让工具自己回答参会者的提问。这件事到底能不能靠得住？下面从实在的角度讲清楚。
一、"能自己回答"分三个层次，别混着看
很多人以为会务小程序加个 AI 就是"接个大模型"，其实能回答问题的能力分三层，成本和效果差很远。
第一层：预置问题。把参会者最常问的问题提前列出来，做成一个点击就能看答案的清单。这层没有智能可言，但覆盖了大部分高频问题：日程在哪看、会场怎么走、餐食怎么安排。成本几乎为零。
第二层：关键词匹配。参会者输入问题，系统识别关键词后返回对应的答案。比如输入"停车"，就调出停车场的说明和位置。这层比预置问题灵活一些，能应对没被点过的表述方式，但遇到复杂问法还是会漏。
第三层：大模型生成回答。针对没有标准答案的问题，让大模型在已有资料的基础上组织回答。这层能应对意外提问，但对资料质量的要求极高。
三层不是替代关系，是叠加关系。做得好的会务助手是三级兜底：先命中预置问题，没有就做关键词匹配，再没有才交给大模型。只上第三层不做前两层，等于把所有压力都压在模型上，效果反而差。
二、决定答得准不准的，是知识库不是模型
这一条最容易被办会人忽略。
会务问答跟通用聊天不一样。参会者要的是准确答案，不是通顺的表述。"签到在 3 楼国际厅"这句话，模型编错了就是事故，所以答案必须以自有的会务资料为准。
也就是说，AI 助理答得准不准，七成取决于知识库整理得细不细，三成才是模型本身。知识库要把这些东西理顺：
会务手册：议程、嘉宾、会场分布、注意事项
交通与场地：各入口位置、停车指引、接驳车时间、地铁公交路线
住宿与接待：酒店名称、房间号、联系人和电话、报到流程
餐饮安排：用餐时间、地点、餐券使用方式
日程变动：临时的厅号调整、时间推移、嘉宾更换
整理得越结构化，AI 答得越稳。反过来，把一堆 PDF 直接扔进去，模型容易答得含糊甚至编造。
三、答得全不全，看答案形式支不支持多模态
参会者问的问题不都是文字能解决的。
问"展位在哪"最直观的答案是一张平面图；问"接驳车怎么走"给一段语音或一张路线图更清楚；问"开幕式的现场情况"可能直接给一个直播入口。所以一个实用的会务助手，答案形式要能覆盖文字、图片、视频、音频，以及可以直接跳转的小程序卡片。
只能返回纯文字的助手，遇到"指路""看座位图"这类问题就很吃力。
四、能改，是硬需求不是加分项
会务信息是活的。开会当天临时调厅号、时间往后挪半小时、某个嘉宾改到下午，这些都很常见。
如果助手回答的内容来自一个固定的知识包，改了以后要重新上传、重新训练、生效还慢，那现场就会答错。真正能用的助手，应该支持后台直接改答案，改完参会者问到的立刻是新内容。
这一条在验收时一定要试：现场模拟改一条信息，看助手多快能答对。
五、要防的是"瞎答"，不是"答不出"
大模型有个老问题，就是不确定的问题也会硬编一个答案。放在会务场景里，这比回答不出来更麻烦。参会者按错误信息跑错了楼，回来说"你们的助手告诉我在这儿"，主办方很难解释。
所以配置时要做两件事：
设知识边界：明确哪些问题在服务范围里，超出范围的要会"服软"，引导去找人工
留人工入口：AI 答不了的问题要能一键转给主办方，别让参会者卡在那里
一个敢说"这个问题我暂时答不上来，建议您联系现场工作人员"的助手，比一个什么都敢答的助手可靠得多。
六、不同规模的会，配置重点不一样
小型会（一两百人以内）：预置问题加一份整理好的会务手册就够用了，把高频问题列全比上大模型实在
中型会（几百到上千人）：预置问题 + 关键词 + 知识库，重点在住宿、交通、日程这三类咨询的量最大
大型会、涉外会：需要大模型兜底应对各种意外问法，同时多语言、多场地、多日安排都要在知识库里理清
七、顺便说一款
市面上有一款叫眨眼猫会务智能体的，它的 AI 会务助理是按"自有知识库 + 大模型"的路子做的：支持提前预置常见问题、关键词回复，再对接大模型兜底，大模型可以在 DeepSeek、腾讯混元、阿里通义千问、百度文心一言里四选一；答案支持文字、图片、视频、音频和小程序卡片；后台改信息即时生效；助理的头像、名称、欢迎语都能自己配置。
眨眼猫的思路是把 AI 助理跟报名、签到、个人参会中心、一键导航这些放在同一个平台里。参会者问完"我在哪个厅"，可以直接从小程序里查到座位、再一键导航过去，不用来回换工具。至于要不要上这个模块，看你的会里咨询量大不大。投诉多、问得多，就值得配；小会聊天群里说得过来，先不上也不影响办会。
