夜雨聆风先给你看一组昨天刚出来的数据——
中国青年报 7 月 9 日发布了一个调查：1334 人参与，问了一个问题：你觉得 AI 客服能不能替代人的温度？
85.7% 的人说：不能。
还有更具体的： - 71.3% 认为人工客服问题理解更准 - 70.5% 认为人工客服解决问题能力更强 - 67.0% 认为人工客服个性化处理更好
换句话说，超一半的人找客服时首选"转人工"。
但另一个数据也很现实：
现在一个客服每天要处理 200+ 会话，响应速度要秒级，24 小时待命——纯人工根本扛不住。
有没有一种可能：AI 客服不是要"替代"人，而是帮人工客服扛住 80% 的重复问题，让剩下 20% 需要"人味"的问题交给人？
今天给你介绍一个 GitHub 上的开源项目，它就在做这件事——用 AI Agent 团队做人机协作的客服。
它就是 TGO
GitHub 地址：tgoai/tgo
开源协议：自定义（开源可商用） Stars：526 / Forks：100（19% fork 比例——非常健康） 最近更新：2026-04-28
简单说，它是一个AI Agent 客服平台，可以让企业自己搭建"AI 客服团队"：
多个 AI Agent 协同工作（像一个小团队） RAG 知识库（会"看"企业文档来回答问题） 多渠道接入（微信、飞书、钉钉、网页、APP、邮件……） 人工+AI 无缝切换（AI 答不了的，一键转人工） 
传统客服 vs TGO AI Agent 客服，本质是 3 个变化：
它到底能做什么
给你 6 个具体场景，看看有没有戳中你的：
场景 1：小电商晚上没人值班
晚上 10 点客户问"发货了吗"、"怎么退货" 之前：只能等第二天客服上班 现在：AI 24 小时自动回复，标准问题秒级解决
场景 2：SaaS 公司每天被问 100 遍"怎么用"
客户问"API 怎么调用"、"数据怎么导出" 之前：客服每天复制粘贴同样的答案 现在：AI 直接调取知识库文档，回答准还能带链接
国外客户用英文问产品问题 之前：雇一个英文客服 月薪 8000+ 现在：AI 多语言自动回复，还能翻译历史对话
客户投诉，语气很冲 之前：客服忍气吞声，或者也被带情绪 现在：AI 先兜底安抚，识别情绪关键词再转人工
场景 5：金融/医疗需要留痕
涉及合规，回答不能随意 之前：每条回复要主管审核 现在：AI 生成答案，人工确认后发送，全流程可追溯
场景 6：同时服务 1000 个客户
搞活动时 1 万人涌入 之前：排队 30 分钟，流失率 50% 现在：100 个 AI Agent 同时接待，不需要排队
怎么用起来
方式 1：Docker 一键部署（最简单）
# 克隆项目 gitclonehttps://github.com/tgoai/tgo.git cdtgo # 启动所有服务 ./tgoinstall # 打开管理后台# 浏览器访问 http://your-server-ip然后在后台： 1. 上传你的产品文档/FAQ（PDF、Word、网页……） 2. 配置 AI 模型（支持 OpenAI、Claude、DeepSeek、 Ollama 本地模型……） 3. 选择要接入的渠道（微信、飞书、钉钉、网页 Widget……） 4. 启动
整个过程不用写代码，会用 Docker 就行。
方式 2：云服务托管
不想自己运维？ - 官方有云服务：tgo.ai - 扫码就能用，跟钉钉/飞书集成
方式 3：二次开发
如果你懂 Python/Go/TypeScript，可以： - 修改 AI Agent 的 prompt（调教它的回答风格） - 自己写 MCP 工具插件（让它能查数据库、调 API） - 对接企业内部系统（CRM、ERP、订单系统……）
它的"硬实力"在哪
① 多 Agent 协作 - 不是"一个 AI 回答所有问题"，而是多个 Agent 分工 - 比如：一个负责接待，一个负责查订单，一个负责技术问题 - 像一个小型的客服团队，各有专长
② RAG 知识库 - 会"读"你的文档来回答问题 - 支持 PDF、Word、Excel、网页、数据库…… - 回答有据可查，不是乱编
③ MCP 工具生态 - 可以自己写插件，让 AI 调用外部 API - 查订单、查库存、创建工单、调用企业微信……
④ 人工+AI 无缝切换 - AI 答不了的，一键转人工 - 人工处理完，AI 接着跟进 - 全程对话上下文不丢失
⑤ 多渠道统一管理 - 微信、飞书、钉钉、网页、APP、邮件…… - 一个后台管理所有渠道的对话
我得诚实说几个局限
1. 需要一定技术能力 - 虽然有一键部署，但至少要会用 Docker - 完全不懂技术的小白，建议直接用官方云服务
2. 需要喂高质量知识库 - AI 回答质量取决于你的文档质量 - 如果文档乱糟糟的，AI 回答也会乱七八槽
3. 526 星还不算"明星项目" - 项目质量不差，但知名度还在爬坡 - 意味着社区还不大，遇到问题可能需要自己debug
4. 许可证不是标准开源协议 - 自定义许可证，开源可商用 - 但如果要对代码大改，建议咨询官方
这个项目"19% fork 比例"意味着什么
526 星不算高，但 19% 的 fork 比例极其夸张。
行业平均是 5-8%，意味着： - 每 5 个 Star，就有 1 个 Fork - 说明很多企业在"认真用"而不是"收藏看看"
再加上项目架构很完整——10+ 个微服务、Python/Go/TypeScript 全栈、文档多语言（EN/CN/TW/JP/RU）——不像是个半成品。
如果你正被客服问题折磨，这个项目值得试试。
写在最后
回到开头的 85.7%。
这个数字不是要告诉你"AI 客服不行"，而是告诉你——纯 AI 客服确实不够。
真正靠谱的客服模式，是 AI 扛住 80% 的重复问题，人工只处理 20% 需要"人味"的高价值问题。
这样： - 客户不用排队，秒级响应 - 客服不007，有精力处理复杂问题 - 企业省钱，响应更快，满意度更高
TGO 这样的开源工具，就是让中小企业也能用上这种"AI+人工"协作模式。
不用年薪百万招 AI 工程师，不用买几十万的商业客服系统——自己部署，一套 Docker 命令就起来。
85.7% 的人说 AI 没"人味"——但或许，只是没遇到对的 AI 工具。
💡 温馨说明： 本文内容由「青城源码」团队结合 AI 辅助创作与人工校对整理而成。文中项目（TGO）为 GitHub 开源项目，开源可商用。AI 客服效果因知识库质量、模型选型不同而有所差异，请以实际部署测试为准。
🔗 项目地址：https://github.com/tgoai/tgo
如果你想第一时间看到类似的 AI 实用工具拆解，欢迎点个关注——我们每天更新一篇。