最近半年，我和三个朋友做了一件事：用AI给一家卖小众家居的淘宝店搭了一套自动客服系统。前后花了不到4000块，结果上线后每天能自动处理70%的咨询，人工客服从5个人砍到了2个。老板开心，我们赚到了服务费，今天就把全套方法拆开来讲。
先说核心结论：现在的AI客服已经不是两年前那个答非所问的智障了。大语言模型的能力足够应付大多数售前咨询和售后标准流程。关键在于你怎么搭，而不是用什么模型。
第一步，搞清楚哪些问题可以交给AI。我们把过去三个月的一万条聊天记录拉出来做了分类，发现70%的问题是这几类：什么时候发货、有没有货、尺寸怎么选、退换货流程、优惠券怎么用。这些都是高重复性的标准化问题，AI完全可以搞定。剩下的30%包括扯皮纠纷、特殊定制、投诉升级，这些才需要真人上。用AI把标准问题截流，人工只要处理剩下的三成，人效直接翻倍不止。
第二步，选工具栈。我们用的是这个组合：开源的RAGFlow做知识库管理，跑在腾讯云一台4核8G的轻量服务器上，月费不到300。对话界面前端接的是微信客服API，后端用FastGPT做对话编排。知识库里导入了商品手册、尺码表、快递政策、常见客诉话术，全部整理成Q&A对和标准文档。这里有个坑：不要直接把原始文档丢进去，一定要分段清洗，每段控制在300字以内，否则检索召回率会掉得很难看。
第三步，写提示词。很多人以为AI客服就是把文档丢进去就完事，大错特错。提示词决定了AI是天使还是魔鬼。我们花了两周调提示词，核心原则有三条：一是让AI明确知道自己的边界，不知道的不要说，直接转人工；二是控制语气，不能太机器也不能太油，要有礼貌但不说废话；三是设定回答长度，80字以内搞定单一问题，超长回复客户根本不看。我们还加了一条特殊规则：如果客户连续问三个问题都带有情绪词，自动标记为高优先级转人工。
第四步，人工兜底机制。这是大多数AI客服翻车的根源——没有做好转人工的衔接。我们设计了三级规则：AI信心低于80%自动转人工、客户明确说"转人工"或"叫客服"立即转、同一会话AI连续回答失败两次也转。转人工时会把AI已经回复的内容和客户的上下文一并交给人工客服，减少重复沟通。就这简单的一条，投诉率从上线前的每天十几条降到了两三条。
说说实际效果。第一个月纯成本：服务器300+API调用费约800+前期搭建人力成本折算约2000。月节省人力成本：3个全职客服的工资约15000。ROI大概两个月回本。而且AI客服是7x24小时在线的，半夜三点也有人回复消息，这在以前是做梦。老板说凌晨的单子转化率明显提升，因为客户等不到第二天早上就跑了。
讲几个避坑经验。
第一个坑，不要高估AI的理解能力。我们刚开始的时候让AI自己生成回复，结果它在处理"这个桌子稳不稳"这种模糊问题时，直接编造了一个承重数据。客户收到货发现不匹配，直接退货差评。后来我们在知识库里把所有主观问题对应的回答都写成模板，AI只能选择模板不能自由发挥。
第二个坑，知识库要持续维护。产品更新、价格变动、促销活动，这些都需要实时同步到知识库。我们做了个小后台，客服主管每天花10分钟更新当天的特价信息和库存变动。不更新的话AI会拿一周前的价格去回复客户，后果很严重。
第三个坑，不要一开始就追求完美。MVP版本上线远比在本地调到100%再上线重要。我们的第一个版本只处理了两个问题：发货时间查询和尺码推荐。就这样跑了一周，收集了足够多的真实对话数据，后面迭代才有方向。
第四个坑，关注长尾问题。标准化问题AI处理得不错，但翻车往往在奇葩问题上。比如客户问"这个颜色和你们另一款的花纹能拼在一起吗"，AI一本正经地分析了半天，结论是错的。所以我们设置了每天的人工审核机制，客服主管第二天花半小时回看AI的对话记录，挑出错的，补充到知识库和提示词里。
最后说一句，AI客服项目目前服务费行情在5000-20000一套，维护费月2000-5000不等。如果你有技术能力或者能找到技术合伙人，这是个很适合小团队切入的市场。门槛不高、需求真实、复购率高。但别想着卖系统，这个方向已经卷了。真正的机会是AI客服+行业解决方案，比如专攻宠物店、专攻医美诊所、专攻二手奢侈品。行业knowhow才是护城河，通用AI客服你已经做不过大厂了。
AI客服不是换个技术工具，而是重新定义你获取和服务客户的方式。工具摆在台面上，真正拉开差距的是谁更懂行业、谁更会调提示词、谁更能把这个闭环跑通。 |
