夜雨聆风引言
深夜 11 点半，你刚准备睡觉，手机响了。是客户发来的微信："在吗？想问下这个产品有现货吗？明天能发货吗？"
你回还是不回？
回了，这一觉估计睡不成了，客户后面还有一堆问题。不回，这单可能就黄了，客户转头就去找别家。
这种情况，做电商的应该都遇到过。请个专职客服吧，一二线城市一个月六七千，还得三班倒，至少三个人轮班，一个月下来两万块没了。不请吧，响应速度慢，客户流失率高，尤其是夜间咨询的，流失率能到 30%。
我最近帮一个做跨境电商的朋友搭了个客服 Agent，用 OpenClaw 做的。现在 80% 的常见问题都是 Agent 自动回复，响应时间从原来的平均 15 分钟降到了 5 秒以内，夜间订单流失率从 30% 降到了 5%。最关键的是，一个月下来，API 成本也就一两百块钱。
今天就把这个方案完整分享出来，你照着做，一个下午就能搭好。
为什么选 OpenClaw
市面上客服系统不少，为什么非得用 OpenClaw？
先说下我朋友试过的几个方案。
第一个是某 SaaS 客服系统，一个月 299，功能确实全，但有个问题：数据在人家云端。客户信息、对话记录、产品数据，全存在对方服务器上。做小的还好，做大了总觉得不踏实。
第二个是扣子、Dify 这类低代码平台，拖拖拽拽就能搭个 Bot 出来，上手快。但也是 SaaS 模式，按月付费，而且功能受限，想深度定制就得加钱。
第三个方案是自建，找个开发团队从头写一套。这个方案最直接，数据也在自己手里，但开发成本太高，动不动就几十万，维护还得养人，小公司根本玩不起。
OpenClaw 的优势在于，它是本地部署的，数据在自己手里，一次部署长期使用。而且它支持多 Agent 协作，这点很重要——客服不是一个人能搞定的事，接待、产品、售后、订单，不同问题需要不同专业知识，多 Agent 分工比一个 Bot 硬扛要靠谱得多。
还有个隐性优势：OpenClaw 可以对接飞书、微信、Telegram 等多个渠道。你不用在每个平台都搭一套客服系统，一个 OpenClaw 中枢，所有渠道的消息都汇总到这里处理。
客服 Agent 的架构设计
先说清楚整体架构，不然上来就配置容易乱。
客户咨询进来，第一层是接待 Agent。这个角色相当于前台，负责初步分类：这个问题我能直接回答吗？不能的话应该转给谁？简单的问题，比如"发货时间"、"退换货政策"，接待 Agent 直接回复。复杂一点的问题，比如产品规格咨询，转给产品 Agent。售后问题，转给售后 Agent。订单查询，转给订单 Agent。
第二层是专业 Agent。产品 Agent 熟悉所有商品的详情、参数、适用场景，能根据客户需求做推荐。售后 Agent 熟悉退换货政策、投诉处理流程，能判断客户的诉求是否合理。订单 Agent 对接订单系统 API，能查物流、查订单状态。
第三层是人工接管。Agent 不是万能的，有些情况必须人来处理：客户情绪激动要投诉、问题超出知识库范围、VIP 客户指定要人工服务。这时候 Agent 要能识别出来，自动通知人工客服接手，并且把之前的对话记录同步过去，让客户不用重复说一遍。
这个架构的核心思想是分层处理，让每个 Agent 做自己最擅长的事。接待 Agent 不需要懂产品细节，只要能准确分类就行。产品 Agent 不需要懂售后政策，专心做产品推荐就好。这样每个 Agent 的 System Prompt 可以写得更精准，回复质量更高。
实战步骤
第一步：准备知识库
知识库是客服 Agent 的底气。没有知识库，Agent 就是个空壳，什么都回答不了。
先整理产品 FAQ。把客户最常问的问题列出来，比如：
发货时间是多久？ 支持退换货吗？条件是什么？ 这个产品有什么规格？ 包邮吗？偏远地区怎么收费？ 发票怎么开？
每个问题配上标准答案。答案要准确、简洁，别绕弯子。客户问"发货时间"，直接回答"工作日 24 小时内发货，节假日顺延"，别扯一堆没用的。
再整理常见问答对。这个可以从历史聊天记录里提取，看看过去三个月客户都问了什么，哪些问题出现频率最高。频率越高的问题，越要优先整理进知识库。
知识库的格式建议用 Markdown，存在飞书知识库或者本地都行。Markdown 的好处是结构清晰，Agent 容易理解。每个问题用标题标注，答案写在下面，必要时可以加粗关键信息。
第二步：配置 OpenClaw 基础环境
这一步假设你已经装了 OpenClaw。如果还没装，去看我之前的安装教程，照着做就行。
先配置大模型 API。模型选择上，客服场景不需要太强的推理能力，推荐用性价比高的模型，比如通义千问、文心一言的中端型号。一个月下来，API 成本大概一两百块钱，具体看咨询量。
再配置消息渠道。如果你用飞书，就配飞书渠道；用微信，就配微信渠道。OpenClaw 支持多渠道同时接入，消息会汇总到同一个地方处理。配置渠道需要相应的 API 权限，飞书要建个应用，微信要用企业微信或者公众号。
第三步：创建接待 Agent
接待 Agent 是第一个接触客户的，System Prompt 要写清楚它的职责边界。
角色设定要明確：你是专业客服接待，负责初步接待和问题分类。回复风格要友好、简洁，别用太正式的语气，像朋友聊天一样。边界规则更重要：什么问题能直接回答，什么问题要转接，转给谁，这些规则要写死。
举个例子，接待 Agent 的 System Prompt 可以这么写：
你是 XX 公司的客服接待，负责初步接待客户咨询。你的职责是识别客户问题类型，并做出相应处理。
简单问题（发货时间、退换货政策、包邮规则）直接回答，答案从知识库里查。
产品咨询（规格、参数、推荐）转给产品 Agent。
售后问题（退换货申请、投诉）转给售后 Agent。
订单查询（物流、订单状态）转给订单 Agent。
客户说"转人工"或者情绪激动时，通知人工客服接手。
回复要简洁友好，别用太正式的语气，像朋友聊天一样。不知道的问题别瞎编，直接说"这个问题我需要咨询专业人士，请稍等"。
配置完 System Prompt 后，要测试几次。模拟客户问各种问题，看看接待 Agent 能不能准确分类。分类不准的话，调整 System Prompt 里的规则描述。
第四步：创建专业 Agent
产品 Agent 的 System Prompt 要突出产品知识。把所有产品的详情、参数、适用场景都喂给它，让它能根据客户需求做推荐。比如客户说"我想买个送老人的产品"，产品 Agent 要能推荐适合老年人的款式，并说明推荐理由。
售后 Agent 的 System Prompt 要突出政策理解。退换货条件、投诉处理流程、赔偿标准，这些规则要写清楚。售后 Agent 还要能判断客户诉求是否合理，不合理的要委婉拒绝，合理的要快速处理。
订单 Agent 如果需要对接订单系统，得配置 API 调用。这个稍微复杂点，要看你的订单系统有没有开放 API。如果有，订单 Agent 可以实时查物流、查订单状态。如果没有，就让订单 Agent 告诉客户提供订单号，人工客服去查。
第五步：配置人工接管
人工接管不是等客户急了才想起来，要提前配置好触发条件。
第一种触发条件是客户主动要求。客户说"转人工"、"我要跟真人说话"，这种直接转。
第二种触发条件是情绪识别。客户用了"投诉"、"举报"、"垃圾"这类词，或者连续表达不满，Agent 要能识别出来，主动通知人工客服。
第三种触发条件是问题超出范围。Agent 回答不了的问题，别硬撑，直接转人工。
通知方式可以用飞书消息或者微信通知。人工客服收到通知后，点链接就能看到对话记录，直接接手继续聊。对话记录同步很重要，别让客户把问题再说一遍，那体验太差了。
第六步：测试优化
配置完别急着上线，先测试。
找几个同事模拟客户咨询，问各种问题。看看 Agent 回复准确率怎么样，分类准不准，转接及不及时。测试过程中发现的问题，记下来，回去调整 System Prompt 或者补充知识库。
上线后也要持续优化。每周抽时间看看对话记录，看看哪些问题 Agent 回答得不好，哪些问题是知识库里没有的。把这些问题整理出来，补充进知识库，或者调整 Agent 的配置。
客服 Agent 不是一劳永逸的事，得持续养。产品更新了，知识库要更新。政策变化了，System Prompt 要调整。客户问法变了，分类规则要优化。
成本对比
算笔账，看看这个方案到底能省多少钱。
传统客服方案，三个人三班倒，一个人一个月六七千，三个人两万块。这还不算社保、公积金、办公场地这些隐性成本。
外包客服便宜点，一个月五千左右，但专业度不够，而且数据在人家手里，不踏实。
扣子、Dify 这类 SaaS 平台，一个月 299 到 999，功能够用，但数据在云端，长期用下来也不便宜。
OpenClaw 自建方案，主要成本是 API 费用。按一个月 5000 次咨询算，一次咨询平均 1000 tokens，一个月下来 API 成本大概一两百块钱。一次性投入是部署成本，如果自己会弄，零成本；如果找人帮忙，一次几百块。
从长期看，OpenClaw 方案成本最低，而且数据在自己手里，踏实。
效果预期
这个跨境电商项目，上线客服 Agent 之后的效果：
响应时间从 15 分钟降到 5 秒。这个提升最明显，客户刚发完消息，Agent 秒回，体验好很多。
80% 的常见问题自动解决。剩下的 20%，主要是复杂咨询和投诉，人工客服处理起来也更快，因为 Agent 已经把前期信息收集好了。
人力从 3 个人降到 1 个人。这个人主要负责抽检 Agent 的回复质量，处理复杂问题，维护知识库。工作轻松了不少，下午五点就能下班。
客户满意度从 85% 提升到 92%。主要是响应速度快了，夜间咨询也有人处理了。
夜间订单流失率从 30% 降到 5%。这个是最实在的收益，一个月下来多赚的钱，远超 API 成本。
注意事项
知识库要及时更新。新品上架了，产品 Agent 的知识库要加进去。活动变更了，接待 Agent 的话术要调整。别出现客户问"这个产品有什么功能"，Agent 还在说半年前的旧参数。
人工接管边界要清晰。别为了省人力，强行让 AI 处理所有问题。有些问题就是得人来处理，比如客户情绪激动要投诉，这种时候 AI 越解释客户越火大，直接转人工，让人来安抚。
定期复盘不能少。每周抽一个小时，看看对话记录，看看哪些问题 Agent 处理得不好，哪些问题是新出现的。复盘不是为了挑刺，是为了持续优化。
数据安全要注意。客户姓名、电话、地址这些隐私信息，别存在日志里。如果 Agent 需要记录，要脱敏处理。
总结
客服 Agent 是 OpenClaw 最适合的落地场景之一。技术难度不高，成本可控，效果立竿见影。
更重要的是，它不是替代人工，是解放人工。让人工客服从重复劳动里解脱出来，去做更有价值的事——客户维系、销售转化、复杂问题处理。
✨ 本文由「玩玩AI助手」原创
🎨 像素艺术风格 | 🤖 AI助手成长记 | 🚀 实战技能分享
关注小玩，一起玩转AI技能！
