今年遇到了一个挺有意思的项目，说给小程序弄个全天24小时在线的AI客服。一开始，我心里就觉得这事儿挺悬的。毕竟每天咨询量也就是不到100条，还要五班倒让人去盯着；公司的代码全是外包出去的，内部几乎没什么技术储备。按常规流程排下来，至少得等个一两个月，还得看业务的脸色，“永远不可能被推进”这是产品经理对外的答复。但当时打开和AI的对话框，正准备给那些“无法落地”的理由找个说法时，Claude居然直接回了一句：“这事儿能成。” 于是，一场看似零成本的技术冒险就悄悄开始了。 我们选了一条月费几乎为零的路线。首先就是用腾讯云函数（SCF），这玩意儿是事件驱动的，只有真正收到消息才运行，平时完全不花钱。先一次性买个40元的基础额度，再加上一点模型MAAS的费用，一个月下来成本直接归零。整个流程非常简单：用户发消息过来，通过微信服务器用AES加密成XML格式送到SCF这里，再经过FastAPI框架去处理。处理完了去RAG里面检索内容然后生成答案，最后通过微信API把消息回过去。AI模型用的是DeepSeek，100条消息产生的token费几乎可以忽略不计。 接下来就是要把客服的SOP装进AI的脑子里。这时候就得用RAG机制来让AI只说“标准答案”。毕竟在客服场景里，AI一旦胡说八道很容易把客户给得罪走了。做法就是把那些成熟的问答SOP直接喂给AI，像下面这个JSON格式： 有了这个JSON文件之后，再加上关键词和汉字重叠双重评分的检索机制，AI就会先去检索知识库再生成答案。这个时候就不再是随便乱说的了，系统会按照模板精准地回复。这个做法也很适合那些不懂代码的人来维护，只需要更新这份JSON文件就行，这也是产品负责人最后点头的核心原因。 部署阶段真的是最磨人的时候。云函数运行环境是Python 3.10，本地却还是3.12，中间还有好多依赖包版本不兼容；压缩脚本写得不对文件就丢了。导致一直在“提交→失败→复制日志→给AI分析→修改→再提交”这种死循环里面打转，折腾了十几轮才把问题找到根本原因。复盘下来发现有两个痛点：一个是我对项目依赖和环境架构的知识储备不足；另一个就是人类的复制粘贴速度太慢了。后来我就想着能不能用腾讯云CloudBase Framework的CLI模式让AI自己去完成部署和日志查询，这样人就不用再当个“传声筒”了。 现在系统测试下来效果还不错。常见问题都能按照知识库模板精准回复；多轮对话也能记得最近5轮的上下文；还有“正在输入”的状态提示让用户体验更接近真人；关键是24小时不间断值班也不用再去排班了。当然系统也不是万能的，处理复杂投诉、纠纷或者异常订单这些复杂问题时系统会直接触发“转人工”关键词切换回真人客服去处理。 最后给同行一些真心话：如果你们也是产品经理没什么技术背景想搞这个项目，就用平常心对待落地目标。我们本来就是在用AI拓宽能力边界，对自己宽容点就行。如果觉得有问题就去找AI问问看它会不会帮你解决；如果真的解决不了那也得到了一个可靠的答案。失败的项目不过是浪费点token积累点经验而已，等待AI回复的时候那些思考和学习才是这个时代最宝贵的个人资产。那个一开始读不懂“画外音”的AI实习生教会我的就是：慢一点学反而会更快产出东西。