从0到1做 AI 客服：有赞这条路到底怎么走通的
AI 客服最容易做错的一件事，是把“能答出来”误当成“能上线”。有赞这篇复盘的价值，就在于它把从黑客马拉松 Demo 走到线上系统的那条路拆得很实：先验证需求，再拆主干，再补治理。
如果只看表面，这是一篇关于 Dify、Workflow、模型选型和知识库建设的实践记录。往下看会发现，真正的核心只有一句话：客服系统首先是风险系统，其次才是生成系统。
原文里最重要的判断，我认为是“宁可不答，也不能答错”。这不是一句保守口号，而是整个架构的起点。客服场景里，少答通常损失承接率，错答却可能直接变成退款、投诉和信任流失。只要把这个前提立住，很多设计选择就顺了。
所以有赞不是先问“怎么把模型能力压榨到最大”，而是先问“哪些问题允许开放回答，哪些问题必须被护栏约束”。售前咨询、导购推荐、轻度问答可以给模型更多空间；售后、退款、物流、权益解释这些高风险链路，则更需要流程明确、信息来源明确、节点职责明确。
我更愿意把这种做法理解成先给 AI 客服画责任边界，而不是先给它堆能力。边界画不清，承接率越高，后面返工越重。
原文里还有一点很实在：第一个版本并没有执着于“纯工程化”。他们最早是靠内部 Dify 把东西搭起来，快速验证 PMF。这个取舍很对，因为从 0 到 1 的阶段，最大的风险往往不是技术不优雅，而是你花了大力气把系统做重，最后发现需求根本站不住。
但平台方案的上限也很快暴露了。文中直接点到了几个典型问题：代码节点性能、知识检索实时性、发布和版本管理规范、线上运维能力。这些问题一旦出现，就说明平台更适合当孵化器，而不是长期承载核心链路。
有赞给出的路径不是“平台全撤，自研重来”，而是混合架构：
- 验证期用平台跑速度
- 成长期让平台和工程化系统并存
- 成熟期把高并发、强实时、强可控的主链路迁回自研
这条路线的关键，不是技术选型本身，而是迁移节奏。系统如果从一开始就按“哪些环节将来要抽离”来设计，后面就还有转身空间。
很多团队现在一做智能客服就想直接上 Agent，这篇文章反而把顺序倒过来了。先用 Workflow 搭稳定流程，再逐步引入 Agent 处理不确定部分。我认为这是对客服场景很负责任的做法。
原文里提到，他们在项目早期就选择了更保守的路径：先追求确定、可控的结果，而不是追求高度自主。到后面为了降本和提承接率，再拆节点、换模型、分售前售后流程。这里面有一个很现实的经验：AI 系统的复杂度不是一下子设计出来的，而是在真实 bad case 里长出来的。
这也解释了为什么 Workflow 和 Agent 不是替代关系。Workflow 适合把主干流程钉住，比如意图识别、分流、售前售后路由、关键信息注入；Agent 更适合接那些允许开放探索、但又不直接越过业务红线的局部任务。先稳主干，再给局部弹性，这是客服场景比较像工程系统的解法。
原文后半段其实比前面更有价值，因为它开始进入真正会决定系统寿命的部分。
先说模型。文章里提到几个很朴素但很有用的经验：选对模型比长时间抠 Prompt 更重要；模型输出越短，速度和成本通常越可控；模型一旦频繁切换，后续评估和调整成本会被放大。这些话听着不花哨，但都属于线上团队真正会遇到的账。
再说上下文工程。有赞不是把所有资料都塞给模型，而是围绕信息获取、筛选提纯和结构化组装去做。他们区分静态知识和实时信息，区分商品知识、历史对话知识和文档知识，还在信息组装上引入了结构化上下文来减少幻觉。我比较认可这条路，因为客服问题本来就不是“知识越多越好”，而是“命中的知识越准越好”。
知识工程的部分也很实。商品知识可以提前抽取和分块，动态库存和物流状态必须实时查，历史对话知识要单独清洗和召回，文档切片参数像 chunk_size=600 和 chunk_overlap=100 这种看似细节的东西，最后都会变成线上效果。
最后是评测。原文把评测对象、数据集、指标和反馈优化都单列出来，这点非常对。客服系统不是一套写完即止的流程，它会持续被模型更新、提示词变化、知识库变动和业务策略影响。没有 Goodcase/Badcase、没有场景级评测、没有“问题识别 -> 根因分析 -> 优化迭代”的闭环，系统后面只会靠体感维护。
这篇文章结尾提到的协作变化，我觉得特别值得记下来。AI 项目里，Prompt、Context 和业务逻辑会高度耦合，协作不再是“接口交付给下游”那么简单，而是产品、研发、测试一起迭代提示词、流程、知识和评测。
这意味着很多传统职责边界会变模糊。产品不再只写需求，研发不再只写代码，测试也不再只验收结果。每个人都得参与到“系统为什么会这样回答”的讨论里。说到底，AI 客服不是接了大模型就完成了，它更像是在原有客服系统上叠了一层持续演化的概率逻辑。
如果让我压成一句话，这篇实践真正讲清楚的是：AI 客服从 0 到 1，不是做出一个会回答问题的东西，而是把回答能力变成一套能迁移、能回归、能协作的工程系统。