content-recommendation

知识内容推荐

概述

此技能提供了一种结构化方法，用于在 ServiceNow 中为正在处理的事件、案例或用户查询推荐相关知识文章。有效的知识推荐可以缩短解决时间、提高首次联系解决率，并提升自助服务的使用率。

此技能可帮助你：

• 从事件或案例描述中提取关键词和上下文，构建有针对性的搜索
• 通过类别匹配、关键词重叠和自然语言搜索查询知识库
• 根据浏览量、评分、近期程度和历史解决模式对候选文章进行相关性排序
• 找出之前用于解决类似事件的文章
• 将推荐文章附加到事件或案例记录，并添加上下文说明

适用场景： 对事件/案例进行分流或处理时、用户就某个主题寻求帮助时，或构建自动化推荐工作流时。

先决条件

• 角色： 具有 itil、sn_customerservice_agent 或 knowledge 角色，以获得读取权限
• 访问权限： 对 kb_knowledge、incident、sn_customerservice_case、m2m_kb_task、kb_use 和 kb_feedback 表具有读取权限
• 插件： 已启用 com.glideapp.knowledge（知识管理）
• 知识： 熟悉所在组织的知识库结构、类别和标记约定

操作步骤

第 1 步：从事件或案例中提取上下文

获取事件或案例详情，以了解问题背景。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: incident
  query: number=INC0012345
  fields: sys_id,number,short_description,description,category,subcategory,cmdb_ci,assignment_group,impact,urgency,close_notes
  limit: 1

使用 REST API：

GET /api/now/table/incident?sysparm_query=number=INC0012345&sysparm_fields=sys_id,number,short_description,description,category,subcategory,cmdb_ci,assignment_group,impact,urgency,close_notes&sysparm_limit=1

对于 CSM 案例：

Tool: SN-Query-Table
Parameters:
  table_name: sn_customerservice_case
  query: number=CS0045678
  fields: sys_id,number,short_description,description,product,category,account,contact,priority
  limit: 1

第 2 步：按类别匹配搜索知识

使用事件的类别和子类别，在相同知识领域中查找文章。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: kb_knowledge
  query: workflow_state=published^kb_category.label=Network^active=true
  fields: sys_id,number,short_description,kb_knowledge_base,kb_category,sys_view_count,rating,sys_updated_on,author
  limit: 15

使用 REST API：

GET /api/now/table/kb_knowledge?sysparm_query=workflow_state=published^kb_category.label=Network^active=true&sysparm_fields=sys_id,number,short_description,kb_knowledge_base,kb_category,sys_view_count,rating,sys_updated_on,author&sysparm_limit=15

第 3 步：按关键词匹配搜索知识

从事件的简短描述和描述中提取关键词，然后搜索包含这些词语的文章。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: kb_knowledge
  query: workflow_state=published^short_descriptionLIKEvpn^ORtextLIKEvpn^short_descriptionLIKEtimeout^ORtextLIKEtimeout^short_descriptionLIKEconnection^ORtextLIKEconnection
  fields: sys_id,number,short_description,text,kb_knowledge_base,kb_category,sys_view_count,rating
  limit: 15

使用 REST API：

GET /api/now/table/kb_knowledge?sysparm_query=workflow_state=published^short_descriptionLIKEvpn^ORtextLIKEvpn^short_descriptionLIKEtimeout^ORtextLIKEtimeout^short_descriptionLIKEconnection^ORtextLIKEconnection&sysparm_fields=sys_id,number,short_description,kb_knowledge_base,kb_category,sys_view_count,rating&sysparm_limit=15

第 4 步：查找用于解决类似事件的文章

查询多对多关系表，找出关联到类别相匹配的已解决事件的文章。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: m2m_kb_task
  query: task.category=network^task.subcategory=vpn^task.state=6
  fields: kb_knowledge,kb_knowledge.number,kb_knowledge.short_description,task,task.number,task.short_description
  limit: 20

使用 REST API：

GET /api/now/table/m2m_kb_task?sysparm_query=task.category=network^task.subcategory=vpn^task.state=6&sysparm_fields=kb_knowledge,kb_knowledge.number,kb_knowledge.short_description,task,task.number,task.short_description&sysparm_limit=20

第 5 步：检查文章质量信号

对于在第 2 至第 4 步中找到的候选文章，使用使用情况指标和反馈评估其质量。

使用 MCP：

Tool: SN-Query-Table
Parameters:
  table_name: kb_use
  query: article.numberINKB0010100,KB0010200,KB0010300
  fields: article,article.number,viewed,useful,not_useful
  limit: 20

使用 REST API：

GET /api/now/table/kb_use?sysparm_query=article.numberINKB0010100,KB0010200,KB0010300&sysparm_fields=article,article.number,viewed,useful,not_useful&sysparm_limit=20

检查近期负面反馈：

Tool: SN-Query-Table
Parameters:
  table_name: kb_feedback
  query: article.numberINKB0010100,KB0010200,KB0010300^sys_created_on>=javascript:gs.daysAgoStart(90)
  fields: article,article.number,rating,comments,sys_created_on
  limit: 20

第 6 步：排序并选出首选推荐

使用相关性评分模型对候选文章进行排序：

排序标准：

因素	权重	说明
类别匹配	25%	文章类别与事件类别匹配
关键词重叠	30%	标题和正文中匹配的关键词数量
历史解决情况	20%	该文章曾用于解决类似的历史事件
文章评分	10%	用户平均评分（越高越好）
近期程度	10%	最近更新的文章得分更高
浏览量	5%	浏览量越高，通常表示越有用

评分指南：

• 符合 3 项或以上标准的文章属于“强烈推荐”
• 符合 2 项标准的文章属于“可能推荐”
• 过去 90 天内收到负面反馈的文章应标注注意事项

第 7 步：将推荐文章附加到事件

将排名最高的文章关联到事件，并记录推荐信息。

使用 MCP：

Tool: SN-Update-Record
Parameters:
  table_name: incident
  sys_id: [incident_sys_id]
  data:
    kb_knowledge: [recommended_article_sys_id]
    work_notes: "Knowledge Recommendation: Attached KB0010100 'VPN Connection Timeout Troubleshooting' based on category match (Network/VPN), keyword overlap (vpn, timeout, connection), and historical resolution of 12 similar incidents."

使用 REST API：

PATCH /api/now/table/incident/{sys_id}
Content-Type: application/json

{
  "kb_knowledge": "[recommended_article_sys_id]",
  "work_notes": "Knowledge Recommendation: Attached KB0010100..."
}

第 8 步：记录多篇推荐文章

如果有多篇相关文章，请添加工作备注，列出所有推荐文章及其推荐理由。

使用 MCP：

Tool: SN-Add-Work-Notes
Parameters:
  sys_id: [incident_sys_id]
  work_notes: |
    === KNOWLEDGE RECOMMENDATIONS ===
    Based on: INC0012345 "VPN connection timeout when connecting remotely"

    1. KB0010100 - "VPN Connection Timeout Troubleshooting" (Score: 4.5/5)
       - Category match: Network/VPN
       - Used in 12 similar resolved incidents
       - Rating: 4.2/5, 890 views
       - RECOMMENDED: Primary article

    2. KB0010200 - "Corporate Network Access Guide" (Score: 3.2/5)
       - Keyword match: "corporate network", "connection"
       - Rating: 3.8/5, 456 views
       - SUPPLEMENTARY: General reference

    3. KB0010300 - "VPN Client Installation" (Score: 2.1/5)
       - Partial category match
       - May be relevant if client reinstallation needed
       - SITUATIONAL: Only if client is corrupt

工具使用

MCP 工具参考

工具	使用时机
SN-Query-Table	查询事件、文章和使用数据等结构化信息
SN-Natural-Language-Search	通过自然语言搜索发现特定主题的文章
SN-Update-Record	将推荐文章关联到事件／案例
SN-Add-Work-Notes	记录推荐理由

REST API 参考

端点	方法	用途
/api/now/table/incident	GET	获取事件上下文
/api/now/table/kb_knowledge	GET	搜索知识文章
/api/now/table/m2m_kb_task	GET	查找与过往事件关联的文章
/api/now/table/kb_use	GET	查看文章使用指标
/api/now/table/kb_feedback	GET	查看文章反馈质量
/api/now/table/incident/{sys_id}	PATCH	将文章关联到事件

最佳实践

• 提取多个关键词： 从事件描述中提取至少 3-5 个有意义的关键词；避免使用停用词和泛化词语
• 广泛搜索，再筛选： 先使用自然语言搜索以广泛覆盖，再根据类别和质量信号筛选
• 优先选择经过验证的文章： 与以往已解决事件关联的文章，比未经验证的文章更值得优先考虑
• 检查时效性： 降低超过 12 个月未更新文章的优先级，因为操作流程可能已发生变化
• 标记质量问题： 如果最匹配的文章收到负面反馈，请注明这一点，并考虑附带说明后再推荐
• 考虑受众： 根据上下文匹配文章受众（IT 人员或最终用户）；自助服务请求需要面向用户的文章
• 跟踪推荐结果： 后续确认推荐文章是否帮助解决问题；这些反馈有助于改进今后的推荐

故障排除

“未找到适用于该事件类别的文章”

原因： 知识库中没有该主题的文章，或事件与 KB 的类别标签不一致
解决方案： 使用关键词匹配扩大搜索范围，而不是严格按类别筛选。这也可能意味着存在知识缺口——请参阅 gap-analysis 技能

“返回了太多候选文章”

原因： 泛化关键词匹配到大量文章
解决方案： 添加更具体的关键词，按知识库筛选，或按 CI／服务缩小范围。将类别筛选和关键词筛选结合使用，并采用 AND 逻辑

“历史解决数据较少”

原因： Agent 在解决事件时没有关联 KB 文章
解决方案： 改为侧重关键词和类别匹配。可考虑推广 KCS 实践，以改善未来的数据

“文章评分均为零”

原因： 未启用反馈收集，或用户没有为文章评分
解决方案： 检查 glide.knowman.show_feedback 属性。可使用浏览量作为替代质量信号

示例

示例 1：VPN 连接事件

事件： INC0012345 - “无法连接到 VPN - 30 秒后出现超时错误”

提取的上下文：

• 类别：Network，子类别：VPN
• 关键词：VPN、连接、超时、错误
• CI：Cisco AnyConnect VPN

搜索结果：

1. KB0010100 - “VPN 连接超时故障排除”（类别匹配 + 关键词匹配 + 12 次历史解决记录）
2. KB0010200 - “Cisco AnyConnect 配置指南”（CI 匹配 + 关键词匹配）
3. KB0010450 - “远程访问常见问题”（部分关键词匹配）

推荐： 首选 KB0010100，补充推荐 KB0010200

示例 2：客户服务案例

案例： CS0045678 - “购买后产品许可证密钥无法激活”

提取的上下文：

• 产品：Enterprise Suite
• 类别：许可
• 关键词：许可证、密钥、激活、购买

搜索结果：

1. KB0030100 - “许可证激活故障排除”（类别 + 关键词 + 8 个案例解决方案）
2. KB0030150 - “Enterprise Suite 许可证类型”（产品 + 关键词）
3. KB0030200 - “如何申请更换许可证密钥”（关键词匹配）

建议： 将 KB0030100 作为主要推荐。如果密钥无效而非无法激活，也建议使用 KB0030200。

相关技能

• knowledge/gap-analysis - 识别没有匹配文章的主题
• knowledge/duplicate-detection - 清理会导致推荐混乱的重复文章
• knowledge/article-generation - 没有相关内容时生成新文章
• knowledge/gap-grouping - 对缺失的内容领域进行分组，以便批量创建文章