不知道从哪儿开始？三个选择立即给你方向
回答三个问题——告诉你看哪个方案、读哪篇教程、走哪条路径。
推荐组合方案
Chatwoot + Dify — 经典 AI 客服组合
用 Chatwoot 作为多渠道入口与人机协同界面，用 Dify 提供 AI 大脑与知识库。这是中小团队最稳妥的起手组合。
Dify + RAGFlow — 复杂文档场景的双层方案
Dify 当应用层与工作流编排，RAGFlow 当检索引擎专门处理含表格 / 扫描件 / 双栏排版的复杂文档。
Open WebUI + Ollama — 全本地推理客服方案
数据完全不出网的硬要求下，单台 GPU 服务器跑 Open WebUI + Ollama + Qwen + 本地 Embedding，覆盖金融 / 医疗 / 政企合规场景。
主流开源工具
常见问题
开源 AI 客服和 SaaS 客服（如 Intercom）相比，主要差别是什么？
主要差别在数据控制、可定制性与长期成本。开源方案数据完全自有，可深度定制 Prompt、知识库与流程，月活会话超过 5000 后成本明显低于 SaaS；SaaS 优势在开箱即用和厂商支持。
搭建一套完整的 AI 客服系统最少需要多少钱？
最低组合是 Chatwoot + Dify + 一台 4 核 8G VPS（约 $20-$40/月）+ LLM tokens（按用量），合计可在 $40-$120/月起步（不含人力）。
没有 ML 工程师能否自部署？
可以。Chatwoot、Dify、AnythingLLM、Typebot、LibreChat 都提供 docker-compose 一键部署，只要会基本 Linux 命令即可。Rasa 需要 Python 工程能力。
中文场景应选哪些模型和 Embedding？
常规对话推荐通义千问 / DeepSeek / 文心一言的 OpenAI 兼容接口；本地部署推荐 Qwen2.5-7B/14B；中文 Embedding 优先用 bge-m3。
最近文章
AI 客服 KPI 指标体系：怎么证明你的 AI 真的省了钱
不要只盯着「AI 自助解决率」一个指标——这里给出 4 层 12 项指标体系，从体验到成本到训练全覆盖。
全本地 AI 客服落地：Open WebUI + Ollama + Qwen 一台 GPU 服务器
数据不出网的硬要求下，单台 A100 服务器跑全套 AI 客服可行吗？硬件、模型、知识库、对外开放全流程。
案例 · 日均 8 万订单的跨境电商，用 Chatwoot + Dify 6 个月数据复盘
一家以 Shopify + WhatsApp 为主的跨境电商，从 Intercom 迁到 Chatwoot + Dify 后 6 个月的真实数据——成本、自助率、客户满意度全公开。