想知道那种 24 小时都在线的隐形客服是怎么弄出来的？故事是从一个让人想直接放弃的需求开始的。小程序老板非要搞个 7×24 小时 AI 客服，按常规路子排期，起码得等 1 到 3 个月。我当时也觉得没戏，但偏偏遇到了个叫 Claude 的 AI，这家伙直接说这事能成。于是一场不花钱的技术冒险就开始了。 咱就说成本这块儿，简直就是省到家了。以前买服务器最便宜也要 40 到 100 块钱一个月，还得操心环境搭好、脚本写对、机器别宕机。现在直接用腾讯云函数（SCF），事件驱动的玩法太香了，真有消息才运行，没事的时候一分钱都不用掏。 链路也非常简单：用户发消息先给微信服务器（用 AES 加密成 XML 格式），然后送到 SCF（跑在 Python 3.10 的 FastAPI 框架里），接着用 RAG 检索加生成回答，最后通过微信 API 把话回过去。模型选 DeepSeek，100 条消息的 token 费几乎可以忽略不计。 最难搞的其实是把客服 SOP 塞到 AI 的脑子里。AI 要是胡说八道那可麻烦了，一句不专业的话可能就把客户给吓跑了。解决方案就是把现成的问答流程直接喂给它。 比如像这样写个 JSON： {"question": "如何申请退款？", "answer": "支持收到商品后 7 天无理由退款，请在「我的订单」中申请。", "keywords": ["退款", "退货", "7天", "无理由"], "image_url": ""}。 关键词加汉字重叠双重评分，先检索再生成回答。AI 只要照着模板念标准答案就行，客服负责人只需要维护这份 JSON 就行。 真正让人头疼的还是部署这块儿。本地 Python 是 3.12 的版本，可云函数运行环境是 3.10 的版本，中间有几个依赖包版本不兼容；脚本压缩写法不对文件还会丢。 折腾了十几轮才找到病根。复盘发现两个大问题：一个是我对依赖和环境架构的知识储备不够；另一个是人类复制粘贴的速度远不如 AI 读 token 的速度。 下一步打算试试腾讯云 CloudBase Framework 的 CLI 模式，让 AI 自己完成部署和日志查询，把咱们从人肉传声筒里解放出来。 内部测试下来效果还行：常见问题按照知识库模板精准回复；多轮对话能记住最近 5 轮上下文；“正在输入”的状态提示看着就像真人在打字。24 小时不打烊也不需要排班。 复杂点的投诉或者纠纷系统会直接触发“转人工”关键词切回真人处理。定位很清楚：AI 负责吃简单咨询这些活儿；复杂问题还是得交给人去干。 想复刻这个项目的同行们记得一个道理：慢一点反而更快。本来就是用 AI 来拓展能力边界的事，对自己宽容点就行。如果问题真能解决，AI 会一步步指引你；如果不行也能得到个准信儿。 那个“读不懂画外音的 AI 实习生”教会我一个事：慢点学反而能更快产出。