AI 客服支持栈

这个 pack 包含什么

这是 SaaS 团队决定「tier-1 客服必须扩起来但不能翻倍招人」那一周会搭的栈，不是供应商博客上那种功能勾选清单。每一件都是开源、可自托管、在「工单到解决」流水线里有真实位置的。账单这件事很重要：10 座席的 Intercom 月费基本等于一台 Hetzner 跑完整套栈的成本。

顺序有意义，每层都默认下一层已经在。停在第 4 步你有一个能跑的人工客服台；停在第 9 步你有 AI 辅助客服；第 10 步（HumanLayer）保证 AI 哪天兴致一来要退款 $40K 年单时你能拦住。

推荐安装顺序

1. Chatwoot — 从全渠道收件箱开始。邮件、网页聊天 widget、WhatsApp、Instagram DM、Twitter 全落到一个队列。这是 Intercom/Zendesk 替代品，也是人类客服真正生活的界面。Docker 自托管，配支持邮箱 MX 记录，挂 widget JS — 中午之前就能跑起来。
2. Zammad — 主渠道是「邮件 + 电话 + SLA 报表」而不是聊天时的工单替代选项。Chatwoot 和 Zammad 选一个做记录系统，并行跑两个就是日后要还的数据碎片化债。Zammad 适合财务和运维要传统工单报表的 B2B 场景。
3. FreeScout — 第三个收件箱选项，给最小的团队用。1-3 人共享邮箱、Chatwoot 显得重时，FreeScout 跑 Laravel 一台 $5 VPS 就够。每周对话数过 200 再升级到 Chatwoot。
4. Erxes — CX 运营层。收件箱有了之后，你需要一个跨渠道的客户画像、success 团队看的 segment 视图、营销活动接口。Erxes 紧挨 Chatwoot/Zammad 部署，用一个自托管骨架替掉 HubSpot + Zendesk 的双套配置。
5. Botpress — 做 tier-1 分流的可视化 chatbot。「密码重置的链接是啥」这种 60% 的工单根本不该到真人那里。Botpress 挂在 Chatwoot 聊天 widget 前面，按你画一次的流程接走 FAQ 流量，剩下的才升到人类队列。
6. Rasa — 对话式 AI 框架，等 Botpress 的可视化流撞到天花板那一天。Rasa 给你真正的意图分类、多轮对话管理、Python 自定义动作。等你有 3-6 个月的工单数据真能训意图时再上，别更早。
7. haiku.rag — RAG CLI + MCP server。这一层把你 help center 的 markdown 变成可引用的答案。haiku-rag add-src ./docs && haiku-rag ask --cite "如何轮换 API key" 会返回文档段落和源链接。接到 Botpress、Rasa、下面的 AI agent 里，每个答案都锚定到你的文档而不是 LLM 的训练集。
8. AnythingLLM — 知识库前端。haiku.rag 是可编程的原语，AnythingLLM 是客服经理用来上传 PDF、同步 Notion 导出、给政策打 tag、观察 bot 被问啥的 GUI。喂第 5-7 步的语料库的唯一真相源。
9. Claude Code Agent: Customer Support — 装进 Claude Code，LLM 就能基于打开的工单 + 你的 RAG 语料库起草工单回复、FAQ 条目、排障指南。输出写到 Chatwoot/Zammad 是草稿，回复质量看板没攒够数据之前永远不要自动发。
10. HumanLayer — 升级路由。agent 要退款、注销账号、对外发消息的那一刻，HumanLayer 把这个调用包成审批循环：真人收到 Slack 通知看到拟动作，要么放行要么直接回复。生产 AI 客服上这一层不可妥协。

它们怎么协同

客户
  │
  ▼
Chatwoot（或 Zammad / FreeScout）  ◄── Erxes（CX 画像 + segment）
  │
  ├─ Botpress（FAQ 分流）
  │     └─ Rasa（流撞天花板时上意图 + 对话）
  │
  ▼
Claude Code Agent: Customer Support
  （起草工单回复）
  │
  ├─ 由 ─►  haiku.rag  ◄── AnythingLLM（语料库后台）
  │   锚定
  │
  ▼
HumanLayer（退款 / 注销 / 对外消息审批）
  │
  ▼
真人客服 或 自动结案

关键的连接是 haiku.rag + HumanLayer：RAG 让 agent 不胡说事实，HumanLayer 让 agent 不乱做允许之外的动作。没有 RAG，bot 会瞎编价格档位。没有 HumanLayer，bot 哪天就把客户的 $40K 年单全退了，就因为客户打了几句脏话。

你会遇到的取舍

• Chatwoot vs Zammad vs FreeScout — Chatwoot 是聊天优先、widget 和收件箱 UX 最现代，B2C 或 PLG 选它。Zammad 是工单优先、SLA 报表是财务团队期待的格式，B2B 和企业级选它。FreeScout 最便宜最好运维，团队 ≤5 人选它。
• Botpress vs Rasa — Botpress 上线快，CS 经理自己就能编流。Rasa 要 Python 和 ML 工程师在屋里。先默认 Botpress，等真有对话日志可以训了再切（或加上）Rasa。
• AnythingLLM vs 原生向量库 — AnythingLLM 用性能上限换可用的管理界面。1 万文档以内是对的。超过这个量级，把存储层换成 pgvector 加一个薄壳 UI。
• AI 草稿自动发 vs 人在环路 — 所有团队都想自动发。没有质量看板就开自动发的团队，一个月内全部回滚。前 2000 个工单老老实实让草稿是草稿；看回复编辑率（目标 <15%）告诉你什么时候可以放松。

常见踩坑

• 两个收件箱并行跑 — 「我们慢慢迁移」基本都会变成「我们永远有两套系统」。在 Chatwoot/Zammad/FreeScout 里选一个，承诺下来。第一天迁完比拉一年分裂数据便宜得多。
• 让 RAG 看到只能内部看的文档 — 你的语料库会通过引用泄漏出去。每个文档打受众 tag（public/internal/confidential），让 haiku.rag 在检索时过滤。每季度审一次过滤器。
• 「低风险」动作跳过 HumanLayer — bot 群发一封不合时宜的事故公告给 30K 用户那一天，你会希望「退款审批」和「对外消息」都走同一条审核路径。从 day 1 两个都包起来。
• 没有回复质量看板 — 没有编辑距离和按渠道的 CSAT 指标，你就没有放权 AI 的信号。看板要在 AI 草稿开关打开之前建，不是之后。
• 把 chatbot 当成产品 — Botpress/Rasa 存在的意义是快速路由到正确答案，不是娱乐客户。用户打了两条消息，bot 既没回答也没升级，就是失败。