还是同一个企业微信客服窗口
多个 AI 智能体替你值夜班
先说清原理，再谈怎么落地。看懂这条链路，你就知道钱该花在哪、坑会出在哪。
差在哪，一句话说清
关键词机器人：客户说"退货"命中词库，吐一段固定话术。客户换个说法——"我上周买的东西不想要了能退吗"——就答非所问。
智能体：先理解意图，再去你自己的资料里找依据，最后组织语言回答。表达方式变了它照样听得懂。
不训练会发生什么
通用大模型不知道你的产品、价格、物流时效和售后政策。你不喂给它，它就会一本正经地编——业内叫"幻觉"。客户拿着编出来的价格来下单，麻烦就大了。
而不是一个答所有语言
这才是真正花钱的地方
下面是真实的落地顺序。前两步最不起眼，却决定了最终效果的一半。
把过去 3 个月的咨询记录导出来，按语种分类，归纳成 20–40 条高频问题。这一步做扎实，后面能省一半功夫。
产出物：一张「问题 × 语种 × 期望答案」的对照表。这张表既是知识库的骨架，也是后面测试的题库。
需要投喂的资料：产品资料（型号/规格/参数）、价格与优惠（各市场口径不同要分开）、物流与时效（含清关要求）、售后政策（退换货/保修/纠纷）、以及第 1 步整理出的问答对。
三条经验：① 一份文档只讲一件事，别把十份资料塞进一个文件；② 政策类内容标注生效日期，过期资料一定要撤；③ 别把内部成本价、供应商信息投进去，客服场景用不到，泄露了是风险。
每个目标语种／市场建一个，要设定的五件事：
用第 1 步的问题清单当测试集，逐条追问、逐条打分。常见的四个毛病和对策：
| 症状 | 原因 | 怎么改 |
|---|---|---|
| 答得太长 | 没有长度约束 | 在提示词里限定字数，要求分点回答 |
| 语气很"AI" | 缺少范例 | 给 3–5 条真实客服的优秀回复当范例 |
| 编造信息 | 知识库没覆盖 | 强化"没有依据就说不知道并转人工"，同时补知识库 |
| 语言混杂 | 没锁定输出语言 | 明确要求只输出目标语言 |
前置条件是企业微信已开通「微信客服」。要做四件事：
什么时候必须转人工？建议至少这四种：涉及具体金额让步或合同条款、客户明确要求人工、AI 置信度低、连续两轮仍未解决。
转接后按语种排班接待；交接时必须带上完整历史对话，让客户重说一遍是最伤体验的细节。
先只在 1 个语种开 20% 流量，跑一周再全量。要盯的五个指标见下表。
客户发消息到收到第一条回复的间隔。这是 AI 相对人工最直观的优势。
目标：秒级没有转到人工就解决掉的比例。这是衡量产品是否成功的核心指标。
目标：逐周提升转出去的比例。太高通常说明知识库没喂够，而不是 AI 不行。
持续观察人工抽检发现回答错误的占比。建议每周抽 30 条打分。
越低越好会话结束后的评价。要和上线前的数据对比才有意义。
对比基线把边界先说清楚，比事后收拾烂摊子便宜得多。
从梳理到上线，全程代办
按实际工作量评估
因方案差异较大，评估后出具书面报价单，签约前明确全部费用构成，无隐藏收费。完整价格口径见《服务与报价》。