github star gitee star atomgit star PyPI Downloads AI编程 AI交流群

大家好,我是正在实战各种 AI 项目的程序员晚枫。

上周,朋友公司需要一个客服系统:

"预算 5 万,2 周上线,能处理常见问题咨询。"

我打开 OpenClaw 案例库(https://www.python-office.com/openclaw/),找了几个案例组合了一下。

结果:3 天搞定,成本几乎为零。

今天把完整过程分享给你。

📋 项目需求

功能要求

  • 自动回复常见问题
  • 支持文字和图片
  • 记录对话历史
  • 人工客服转接

技术要求

  • 可集成到现有系统
  • 支持并发访问
  • 数据安全可靠

时间要求

  • 1 周出 MVP
  • 2 周正式上线

🔍 案例库搜索

打开案例库,搜索关键词:"客服"

找到相关案例:

  1. ⭐⭐⭐⭐⭐ 智能客服系统
  2. ⭐⭐⭐⭐ 对话历史记录
  3. ⭐⭐⭐⭐ 知识库管理
  4. ⭐⭐⭐ 人工转接功能

完美!全是需要的功能。

🛠️ 实施过程

第 1 天:搭建基础框架

找到"智能客服系统"案例,复制核心代码:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from openclaw import Agent
from flask import Flask, request, jsonify

app = Flask(__name__)

# 创建客服 Agent
customer_service = Agent(
name="客服助手",
model="bailian/qwen3.5-plus",
system_prompt="你是一个专业的客服助手,负责回答用户问题。"
)

@app.route('/chat', methods=['POST'])
def chat():
user_input = request.json.get('message')
response = customer_service.chat(user_input)
return jsonify({'reply': response})

if __name__ == '__main__':
app.run(host='0.0.0.0', port=5000)

修改内容

  • 更换 API 密钥
  • 调整系统提示词
  • 添加日志记录

结果:基础客服系统跑通了!

第 2 天:添加知识库

找到"知识库管理"案例:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
class KnowledgeBase:
def __init__(self):
self.qa_pairs = {}

def add_qa(self, question, answer):
self.qa_pairs[question] = answer

def search(self, query):
# 简单匹配
for q, a in self.qa_pairs.items():
if q in query:
return a
return None

# 初始化知识库
kb = KnowledgeBase()
kb.add_qa('发货时间', '一般 24 小时内发货')
kb.add_qa('退换货', '支持 7 天无理由退换')
kb.add_qa('发票', '可以开具电子发票')

扩展功能

  • 添加模糊匹配
  • 支持同义词
  • 导入导出功能

结果:知识库能用了!

第 3 天:完善功能

功能 1:对话历史

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import sqlite3

class ConversationHistory:
def __init__(self, db_path='history.db'):
self.conn = sqlite3.connect(db_path)
self.create_table()

def create_table(self):
self.conn.execute('''
CREATE TABLE IF NOT EXISTS conversations (
id INTEGER PRIMARY KEY,
user_id TEXT,
message TEXT,
reply TEXT,
timestamp DATETIME DEFAULT CURRENT_TIMESTAMP
)
''')

def add_record(self, user_id, message, reply):
self.conn.execute(
'INSERT INTO conversations (user_id, message, reply) VALUES (?, ?, ?)',
(user_id, message, reply)
)
self.conn.commit()

功能 2:人工转接

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
def need_human_transfer(message):
"""判断是否需要转人工"""
keywords = ['人工', '客服', '投诉', '举报']
return any(kw in message for kw in keywords)

@app.route('/chat', methods=['POST'])
def chat():
user_input = request.json.get('message')
user_id = request.json.get('user_id')

# 判断是否需要转人工
if need_human_transfer(user_input):
# 转人工逻辑
return jsonify({'reply': '正在为您转接人工客服...', 'transfer': True})

# 先查知识库
kb_reply = kb.search(user_input)
if kb_reply:
reply = kb_reply
else:
# 再问 AI
reply = customer_service.chat(user_input)

# 记录历史
history.add_record(user_id, user_input, reply)

return jsonify({'reply': reply})

📊 测试结果

功能测试

功能状态备注
自动回复准确率 85%
知识库查询响应<100ms
对话历史正常记录
人工转接关键词触发
并发访问支持 100+ 并发

性能测试

指标结果要求
平均响应时间350ms<500ms
并发支持150>100
准确率85%>80%
可用性99.5%>99%

全部达标!

💰 成本核算

开发成本

  • 时间:3 天
  • 人力:1 人
  • 案例库:免费

运行成本

  • 服务器:¥200/月
  • API 调用:¥500/月
  • 数据库:¥100/月

总计:¥800/月

对比外包:5 万一次性 + ¥2000/月维护

节省:95% 以上!

🎯 项目总结

成功经验

  1. 案例库真香

    • 不用从零开始
    • 代码质量有保障
    • 组合使用威力大
  2. 快速迭代

    • 第 1 天:MVP
    • 第 2 天:加功能
    • 第 3 天:完善测试
  3. 成本控制

    • 用开源案例
    • 选性价比云服务
    • 自动化运维

踩坑记录

  1. API 限流

    • 问题:并发高时触发限流
    • 解决:添加请求队列
  2. 知识库匹配不准

    • 问题:简单匹配准确率低
    • 解决:添加同义词库
  3. 数据库锁表

    • 问题:高并发时锁表
    • 解决:改用连接池

📚 相关资源

使用到的案例

  • 智能客服系统
  • 知识库管理
  • 对话历史记录
  • Flask Web 服务

案例库地址

https://www.python-office.com/openclaw/

课程推荐


🎯 AI 编程课程海报

想系统学习 OpenClaw 和 AI 编程?

联系方式

主营业务:AI 编程培训、企业内训、技术咨询


本文是"OpenClaw 中文案例库"系列第 9 篇,侧重项目实战。

更新时间:2026-03-16 18:29

🎓 AI 编程实战课程

想系统学习 AI 编程?程序员晚枫的 AI 编程实战课 帮你从零上手!