很多公司"接入了 AI 客服"，但用户体验糟糕——因为把 ChatGPT 套个 UI 就叫 AI 客服，完全没有处理真实业务场景的复杂性。

本文讲的是一个真正可用的 AI 客服系统应该怎么设计。

一、好的 AI 客服 vs 差的 AI 客服

差的 AI 客服：

胡乱回答，没有企业知识库

无法识别"我要退款"这类强意图

遇到无法回答的问题不知道该怎么办

没有人工接管机制

好的 AI 客服：

基于企业知识库回答，信息准确

意图识别 → 自动触发对应流程

不确定时主动请求澄清或转人工

无缝的人机切换

二、系统架构设计

用户消息
    ↓
意图识别层（判断是查询/投诉/退款/闲聊）
    ↓
路由层（根据意图选择处理路径）
    ↓                    ↓
知识库检索          业务系统集成
（RAG 回答）        （查订单/触发退款）
    ↓                    ↓
回答生成层（LLM 生成自然语言回答）
    ↓
质量检查层（置信度/敏感词/合规检查）
    ↓              ↓
直接回复       转人工处理

三、知识库设计（最关键的部分）

3.1 知识库内容规划

不是把所有文档塞进去就完了，要有结构：

知识库结构：
├── 产品信息
│   ├── 功能介绍（每个功能一篇）
│   ├── 价格方案
│   └── 竞品对比
├── 常见问题
│   ├── 使用问题（按功能分类）
│   ├── 账单问题
│   └── 技术问题
├── 政策文档
│   ├── 退款政策
│   ├── 隐私政策
│   └── 服务条款
└── 操作指南
    ├── 新用户入门
    └── 高级功能

3.2 RAG 质量优化

python
知识库检索 + 回答生成
def answer_question(question, conversation_history):
    # 1. 向量检索相关文档
    relevant_docs = vector_store.similarity_search(
        question, 
        k=3,
        score_threshold=0.75  # 相关性阈值，低于此不使用
    )
    
    # 2. 构建提示词
    context = "
".join([doc.page_content for doc in relevant_docs])
    
    prompt = f"""你是一个专业的客服助手。请根据以下知识库内容回答用户问题。
知识库内容：
{context}
对话历史：
{format_history(conversation_history)}
用户问题：{question}
规则：
只根据知识库内容回答，不要编造
如果知识库中没有相关信息，说"这个问题我需要帮您转接人工客服"
回答简洁，不超过 150 字
如果需要更多信息，主动追问
"""
    
    response = llm.invoke(prompt)
    
    # 3. 如果没有相关文档，标记需要人工介入
    if not relevant_docs:
        return {"answer": response, "needs_human": True}
    
    return {"answer": response, "needs_human": False}

四、意图识别

python
def classify_intent(message):
    """识别用户意图"""
    prompt = f"""分析用户消息，判断意图类型，返回 JSON：
{{
  "intent": "query/complaint/refund/cancel/praise/other",
  "urgency": "high/medium/low",
  "sentiment": "positive/neutral/negative",
  "needs_order_info": true/false
}}
用户消息：{message}
只返回 JSON。"""
    
    result = llm.invoke(prompt)
    return json.loads(result)
根据意图路由
intent_handlers = {
    "refund": handle_refund_request,
    "complaint": handle_complaint,
    "cancel": handle_cancellation,
    "query": answer_from_knowledge_base,
    "other": transfer_to_human
}

五、人工接管机制

这是 AI 客服系统最容易被忽视的部分：

python
HUMAN_TRANSFER_CONDITIONS = [
    # 意图相关
    lambda ctx: ctx["intent"] == "complaint" and ctx["urgency"] == "high",
    # 情绪相关  
    lambda ctx: ctx["sentiment"] == "very_negative",
    # 置信度相关
    lambda ctx: ctx["ai_confidence"] < 0.6,
    # 关键词相关
    lambda ctx: any(kw in ctx["message"] for kw in ["投诉", "起诉", "媒体曝光"]),
    # 轮次相关
    lambda ctx: ctx["turns"] > 5 and not ctx["resolved"]
]
def should_transfer_to_human(context):
    return any(condition(context) for condition in HUMAN_TRANSFER_CONDITIONS)

六、渠道部署

网站 Widget

推荐使用 Dify 或 Coze 直接生成嵌入代码，或者自建：

javascript
// 嵌入到网站的聊天 Widget
const chatbot = new AIChatbot({
  apiEndpoint: '/api/chat',
  theme: { primaryColor: '#0070f3' },
  greeting: '你好！请问有什么需要帮助的？',
  placeholder: '输入问题...'
});
document.getElementById('chat-container').appendChild(chatbot.render());

企业微信 / 钉钉接入

企业微信：通过企业微信应用消息 API 接入

钉钉：通过钉钉机器人 Webhook 接入

两者都支持把用户消息转发到你的后端，再把 AI 回复推送回去

---

延伸阅读

n8n 高级工作流自动化

Dify 企业知识库搭建

RAG 知识库最佳实践