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。

场景: 中小 SaaS / 电商团队，需要替换 Intercom 又想要可控的 AI 能力
月成本: $40 - $120（不含 LLM tokens）
难度: 中等

ChatwootDifyPostgresRedisWeaviate

这套方案在解决什么问题#

绝大多数想自部署 AI 客服的中小团队，痛点都集中在 4 个方面：

SaaS 太贵——Intercom 的 AI seat 一年轻松突破 $20k
现有客服平台不够「AI」——传统工单系统接 LLM 困难
多渠道分散——网页 / WhatsApp / 邮件 / 微信，数据散落
不想被厂商绑死——希望按需切换模型与知识库

Chatwoot + Dify 是 2026 年中文社区对这个组合达成共识的「默认起手式」，理由是协议合理、组件成熟、文档充足。

架构#

角色划分#

组件	在系统里扮演什么	是否必需
Chatwoot	多渠道入口、坐席工作台、工单系统	✓ 必需
Dify	AI 大脑：Prompt、知识库、工作流、模型治理	✓ 必需
PostgreSQL	两者共用的关系库（建议物理分库）	✓ 必需
Redis	队列、缓存	✓ 必需
Weaviate	向量库（也可换 pgvector / Milvus）	✓ 必需
Sidekiq Worker	Chatwoot 的异步任务（已含在 image）	✓ 必需
n8n	业务编排（订单、CRM 写回）	可选
Postmark / SES	邮件发送	强烈推荐

硬件与成本#

测试 / POC（单机）#

配置	数量	单价（月）	备注
4 vCPU / 8 GB / 80 GB VPS	1	$20-40	Hetzner CPX31 / DigitalOcean s-4vcpu-8gb
LLM tokens（按 5,000 月会话估算）	—	$5-30	用 DeepSeek / Doubao 时偏低
域名 + Postmark	—	$5-15
合计		$30-85 / 月

小型生产（双机）#

配置	数量	单价（月）
4C/8G Chatwoot 节点	1	$30
8C/16G Dify 节点	1	$60
托管 Postgres（小型）	1	$25
总计		$115-150 / 月

中型生产（3 台 + LLM 用量上升）#

总 $250-500 / 月，含 LLM tokens。

部署步骤（45-90 分钟）#

1. 准备服务器与域名#

# Ubuntu 24.04 上装 Docker
curl -fsSL https://get.docker.com | sh
sudo usermod -aG docker $USER

# 解析子域到服务器：
#   support.example.com  → 服务器 IP
#   dify.example.com     → 服务器 IP

2. 起 Dify#

git clone https://github.com/langgenius/dify
cd dify/docker
cp .env.example .env

# 关键 env：
#   CONSOLE_WEB_URL=https://dify.example.com
#   APP_API_URL=https://dify.example.com
#   SECRET_KEY=（用 openssl rand -base64 42 生成）

docker compose up -d

打开 https://dify.example.com，注册管理员，「设置 → 模型供应商」 配上 LLM（推荐 DeepSeek 起步）+ Embedding（中文用 bge-m3，可走 SiliconFlow）。

3. 在 Dify 创建 Chatbot 应用#

类型选「聊天助手」或「Agent」（需要工具调用就选 Agent）
上传知识库文档：FAQ、产品介绍、退款政策等
分块策略选「父子检索」，效果优于默认

在 Prompt 顶部加严格约束：

你是 [品牌] 的客服助手。
规则：
1. 仅基于「参考资料」回答
2. 资料不足时，回复「我没有相关信息，正在转接人工」
3. 不要编造金额 / 日期

发布应用，复制 API Key（形如 app-xxxxxxxx）

4. 起 Chatwoot#

git clone https://github.com/chatwoot/chatwoot
cd chatwoot
cp docker/.env.example .env
# 改：FRONTEND_URL、SMTP、SECRET_KEY_BASE 等
docker compose -f docker-compose.production.yaml \
  run --rm rails bundle exec rails db:chatwoot_prepare
docker compose -f docker-compose.production.yaml up -d

打开 https://support.example.com，注册账号、创建 Account / Inbox。

5. 把 Dify 配成 Chatwoot 的 Agent Bot#

Chatwoot 控制台 → Settings → Agent Bots → 新建：

字段	值
Name	Dify Bot
Outgoing URL	`https://dify.example.com/v1/chat-messages`
Auth Header	`Authorization: Bearer app-xxxxxxxx`

在目标 Inbox 选这个 Bot 作为默认机器人。

6. 验证#

发一条测试消息到网页 Widget：

Chatwoot 收到对话
Bot 自动回复（< 3 秒）
Dify 后台「应用日志」可见调用记录
低置信度（< 0.5）时把对话转给人工坐席

关键调优点#

知识库准备#

把碎片化的 Notion / 飞书文档先清洗（去 TOC、emoji 标题、空图片）
切分按 H2 / H3 标题，避免硬切字数
每周用「评估集」跑一次回归（参考知识库准备实战）

兜底机制#

场景	处理
检索 top-1 分数 < 0.5	自动回复「转人工」+ 创建工单
工作流报错	失败分支返回降级答案 + 通知运维
LLM tokens 超月度上限	Dify 自动停应用 + 告警
关键词命中（投诉、退款）	n8n 转人工 + 飞书通知值班

人机协同模式#

不要让 AI 完全替代人工。最稳妥的模式是 AI 起草 → 人工审核 → 一键发送：

Chatwoot 把客户消息发给 Dify
Dify 把回复以草稿形式写回（不直接发给用户）
坐席点击「发送」或调整后发送
调整内容自动回流到「改进队列」供 Prompt 工程师周一复盘

关键 KPI（实战目标）#

指标	目标值	6 个月观察值
首响时间（FRT）	< 3 秒	1.2-2.4 秒
AI 自助解决率	45%-70%	取决于 KB 质量
24h 回访率	< 10%	8%
CSAT（AI 段）	> 4.0 / 5	4.2-4.4
单次会话成本	< $0.05	$0.02-0.04

常见坑#

Chatwoot 邮件发不出：SMTP 走 Postmark / SES，MAILER_SENDER_EMAIL 必须在认证域内
Dify 检索 0 条：换了 Embedding 模型但没重建向量库——必须删 dataset 重导
Cloudflare Tunnel 502：容器绑 127.0.0.1 而不是 0.0.0.0
AI 跑题：Prompt 缺约束 + 知识库混入了过期文档
Tokens 账单暴涨：某个 Workflow 死循环或被 bot 灌爆——给应用设月度上限 + Cloudflare Turnstile

演进路径#

阶段	加什么	何时加
1. 起步	Chatwoot + Dify	Day 1
2. 业务集成	n8n（订单 / CRM 调用）	月会话 > 2k
3. 知识库升级	RAGFlow（复杂 PDF）	文档复杂度高时
4. 多 LLM 治理	Dify 多模型组合	成本压力出现时
5. 高可用	拆库 + Docker Swarm / K8s	月会话 > 30k
6. 本地推理	Ollama + Qwen 14B/32B	合规要求出现时