目錄

一、前言

二、Dify 介紹

2.1?Dify 核心特點

三、AI智能體構建智能客服系統介紹

3.1 基于AI智能體平臺搭建智能客服系統流程

3.1.1 需求分析與場景設計

3.1.2 選擇合適的AI智能體平臺

3.1.3 工作流編排與調試

3.1.4 系統集成與發布

3.2 使用AI智能體構建智能客服系統優勢

3.2.1 大幅降低人力成本

3.2.2 提升服務效率與響應速度

3.2.3 增強客戶使用體驗

3.2.4 部署靈活，擴展性好

3.2.5 行業適配性好，多領域應用

四、基于Dify 搭建智能客服系統操作過程

4.1 創建知識庫

4.1.1 創建一個新的知識庫

4.1.2 導入數據

4.1.3 效果測試

4.2 創建新應用

4.2.1 創建一個新應用

4.2.2 增加知識庫檢索節點

4.2.3 配置大模型節點

4.2.4 效果預覽

4.3 應用發布

五、寫在文末

---

一、前言

隨著AI大模型的廣泛使用，AI智能體強勢崛起，整合了眾多的大模型廠商能力，匯聚大模型的能力，可以讓企業大大縮短構建一個智能體應用的開發周期，目前市面上比較火熱的智能體平臺Coze ， Dify等，可以基于此類智能體平臺快速搭建出各種應用，比如電商客服系統，心理咨詢師系統，數據分析系統等，本篇以Dify為例，詳細介紹如何基于Dify的知識庫構建智能客服問答應用。

二、Dify 介紹

Dify 是一個開源大模型應用開發平臺，旨在幫助開發者快速構建、部署和管理基于大型語言模型（LLM）AI 應用。它提供了一套完整工具鏈，支持從提示詞工程（Prompt Engineering）到應用發布的全流程，適用于企業級 AI 解決方案和個人開發者項目。

官網入口：Dify: Leading Agentic AI Development Platform

中文站入口：Dify：企業級 Agentic AI 解決方案開發平臺

Dify支持多種主流大語言模型，如GPT、Mistral、Llama3等，并通過低代碼/無代碼開發方式，降低了開發門檻。其核心特性包括多模型支持、豐富的功能組件和靈活的應用編排，適用于智能客服、內容生成、數據分析等多個應用場景。Dify通過可視化的界面和強大的RAG引擎，幫助開發者快速構建和優化AI應用，顯著提高了開發效率和應用質量。與同類產品相比，Dify在API優先、靈活應用編排和插件生態方面具有顯著優勢，適合不同技術背景的開發者使用。未來，Dify有望在AI應用開發領域發揮更大的作用，推動AI技術的普及和創新。

2.1?Dify 核心特點

Dify 具備如下核心特點：

• 可視化編排工作流

  • 通過低代碼界面設計 AI 應用流程，無需深入編程即可構建復雜的 LLM 應用。

  • 支持 對話型（Chat App） 和 文本生成型（Completion App） 應用。

• 多模型支持

  • 兼容主流大模型 API，如 OpenAI GPT、DeepSeek ，Qwen ，Anthropic Claude、Cohere、Hugging Face 等。

  • 支持私有化部署的 Llama 2、ChatGLM、通義千問 等開源模型。

• 靈活的提示詞工程

  • 提供 Prompt 模板、變量插值、上下文管理等功能，優化 AI 輸出效果。

  • 支持 RAG（檢索增強生成），可結合外部知識庫提升回答準確性。

• 數據管理與持續優化

  • 記錄用戶與 AI 的交互日志，用于分析和迭代改進模型效果。

  • 支持 A/B 測試，對比不同提示詞或模型版本的表現。

• 企業級功能支持

  • 支持 多租戶、權限管理，適合團隊協作開發。

  • 可私有化部署，保障數據安全。

三、AI智能體構建智能客服系統介紹

相比傳統的應用開發過程，使用AI智能體平臺搭建一個智能客服系統速度更快，效率更高，成本更低，這也是為什么AI智能體誕生很短的時間內得到那么多的企業和個人學習者的青睞。下面做簡單的介紹。

3.1 基于AI智能體平臺搭建智能客服系統流程

基于AI智能體平臺搭建智能客服系統的操作步驟可分為以下幾個關鍵環節，結合不同平臺（如訊飛星火、扣子Coze、Dify等）的特性，其基本的操作步驟如下：

3.1.1 需求分析與場景設計

1）明確功能需求

• 確定客服系統需覆蓋的場景（如知識問答、訂單查詢、故障申報等）。

• 劃分意圖類型（如產品咨詢、資訊檢索、閑聊兜底），并設計對應的對話流程。

2）知識庫準備

• 整理企業私有知識文檔（如FAQ、產品手冊），支持多種格式（PDF、Excel、網頁鏈接等）。

• 若需聯網檢索，配置搜索工具節點（如聚合搜索）。

3.1.2 選擇合適的AI智能體平臺

目前市面上有多家主流的AI智能體平臺可供選擇

1. 平臺注冊與初始化

   1. 以訊飛星火為例：注冊賬號后進入「智能體創作中心」，創建智能體并命名（如“AI客服助手”），生成圖標或上傳自定義圖片。

   2. 以扣子Coze為例：從模板庫復制「智能客服助手」模板，或自定義創建。

2. 配置核心功能節點

   1. 意圖分類：使用決策節點區分用戶問題類型（如知識庫問答、資訊檢索、閑聊）。

   2. 知識庫問答：上傳知識庫文件，通過知識庫節點檢索答案，大模型節點規整輸出。

   3. 資訊檢索：集成搜索工具（如聚合搜索），大模型總結搜索結果。

   4. 閑聊兜底：設置大模型節點，配置友好提示詞（如幽默語氣）。

3.1.3 工作流編排與調試

在一些復雜的業務場景下，往往需要結合智能體平臺提供的工作流進行使用

1. 可視化流程設計

   1. 在平臺工作流畫布中連接節點（開始→決策→知識庫/搜索→大模型→結束）。

   2. 示例流程：

      • 用戶輸入 → 決策節點分類 → 知識庫檢索 → 大模型生成答案 → 輸出。

2. 提示詞優化

   1. 為大模型節點配置角色設定（如“專業客服助手”）、回答限制（如禁止編造信息）。

   2. 示例提示詞：

      • "你是一個客服助手，僅根據知識庫內容回答，若無法解答需提示用戶。"

3. 測試與迭代

   1. 輸入測試用例（如“如何退換貨？”），檢查各節點執行結果。

   2. 調整知識庫分段策略或提示詞以提高準確性

3.1.4 系統集成與發布

智能體平臺一般會提供在線的調試，全部的功能調試驗證完成后，就需要發布出去使用了，像Coze，可以發布到自己的商店，也可以發布到小程序等，具體來說：

1. 多渠道部署

   1. 網頁嵌入：通過Chat SDK生成JS代碼，添加到網站HTML中（扣子Coze支持懸浮窗式集成）。

   2. 微信/企微對接：通過第三方工具（如芝麻小客服）綁定智能體API，配置轉人工觸發詞（如“轉人工”）。

2. 權限與安全配置

   1. 獲取API Key或OAuth令牌，確保鑒權安全（線上環境避免使用個人令牌）。

   2. 設置會話隔離，保障用戶數據隱私。

3. 發布與監控

   1. 在平臺提交審核并發布智能體。

   2. 通過日志分析優化回答準確率。

3.2 使用AI智能體構建智能客服系統優勢

基于AI智能體平臺搭建智能客服系統具有顯著優勢，能夠大幅提升企業客戶服務效率、降低成本并優化用戶體驗。以下是核心優勢分析：

3.2.1 大幅降低人力成本

• 自動化處理重復咨詢：

  • AI客服可7×24小時處理高頻、標準化問題（如訂單查詢、密碼重置），覆蓋60%-80%的常見咨詢，減少人工坐席需求。

• 減少培訓與流失成本：

  • AI輔助新員工快速上崗，降低培訓周期；同時減少重復性工作，提高員工滿意度，降低流失率。

• 優化排班與資源分配：

  • AI預測咨詢高峰，動態調整人力，避免資源浪費。

3.2.2 提升服務效率與響應速度

• 毫秒級響應：

  • AI客服可同時處理數千并發咨詢，遠超人工客服的響應速度。

• 智能預處理與轉接：

  • AI可預先解析用戶問題，提取關鍵信息再轉人工，減少人工坐席處理時間。

• 多任務并行處理：

  • AI可同時處理多個渠道（網站、APP、社交媒體）的咨詢，提升整體服務效率。

3.2.3 增強客戶使用體驗

• 24/7全天候服務：

  • 滿足用戶隨時咨詢的需求，避免因等待時間過長導致的客戶流失。

• 個性化交互：

  • 基于用戶歷史數據，提供定制化推薦（如優惠券、產品建議），提升轉化率。

• 情感識別與優化：

  • AI可分析用戶情緒，調整話術策略（如憤怒時啟動安撫模式），提升滿意度。

3.2.4 部署靈活，擴展性好

• 支持多渠道集成：

  • 可對接網站、微信、APP、電話等多個入口，統一管理客戶咨詢。

• 模塊化擴展：

  • 企業可根據需求逐步增加功能（如多語言支持、智能工單系統）8。

• 混合部署模式：

  • 支持云端和本地化部署，滿足不同行業的數據安全需求。

3.2.5 行業適配性好，多領域應用

• 金融行業：

  • 高合規性AI客服可自動攔截敏感詞（如“收益率承諾”），降低法律風險。

• 電商行業：

  • AI可結合商品屬性精準推薦，提升轉化率30%以上。

• 醫療行業：

  • 支持專業術語理解，減少誤診風險，提高咨詢效率。

AI智能客服系統不僅能降低60%以上人力成本，還能提升客戶滿意度、優化業務流程，并通過數據分析驅動商業決策。隨著大模型和多模態技術的發展，其能力將進一步增強，成為企業數字化轉型的核心工具。

四、基于Dify 搭建智能客服系統操作過程

接下來通過實際操作演示下如何基于Dify 搭建一個智能客服系統，參考下面的操作步驟。

4.1 創建知識庫

4.1.1 創建一個新的知識庫

如下，點擊創建知識庫

4.1.2 導入數據

上一步知識庫創建完成后，來到下面的數據源導入界面，這里提供了3種導入知識庫數據的方式

這里我選擇幾個本地的文檔文件進行導入

導入完成后點擊下一步，來到下面這個關于文檔分段配置的頁面，當個文檔文件太長，所以存儲在知識庫里面不方便檢索，需要對原始的文檔進行分段處理。可以通過右側的預覽效果檢查Dify對文檔分段處理之后的效果，基本上是拆分成一小塊一小塊的片段，每一段包含的字符也展示在段落上方。

在分段設置這里，如果你RAG相關的知識不夠清楚，可以適當學習了解，或者這里選擇默認即可，一般分段采用換行符即可。

接下來就是文本的向量模型選擇，向量模型需要對文檔數據向量化，這里選擇通義千問的向量大模型

在檢索設置這里，提供了多種檢索的方式，每一種檢索方式都有不同的特點，可以根據實際需要酌情選擇

• 向量檢索：

  • 通過生成查詢嵌入并查詢與其向量表示最相似的文本分段

• 全文檢索：

  • 索引文檔中的所有詞匯，從而允許用戶查詢任意詞匯，并返回包含這些詞匯的文本片段

• 混合檢索：

  • 同時執行全文檢索和向量檢索，并應用重排序步驟，從兩類查詢結果中選擇匹配用戶問題的最佳結果，用戶可以選擇設置權重或配置重新排序模型。

點擊保存之后，進入下面的頁面對文檔進行處理，等待處理完成

前往文檔可以看到上述上傳完成并處理之后的文檔列表

4.1.3 效果測試

知識庫是否能夠正常進行檢索呢，在左側有一個召回測試的菜單，可以在這里輸入內容進行測試，比如在我們上傳的文檔中，有下面的一段文本

將這段文本復制到文本框中點擊測試

可以看到，在檢索到的內容中，將最匹配的那個文檔放在最前面了

進一步點擊詳情查看，可以清楚定位到原文檔的詳細內容

4.2 創建新應用

知識庫創建完成后，就可以在自己的應用或工作流進行集成使用了，集成進去之后，當應用發布后，用戶提問的時候，大模型在檢索的時候就可以優先參考并使用知識庫里面的內容進行回答。下面看具體的操作過程。

4.2.1 創建一個新應用

如下，創建一個ChatFlow類型的應用

創建完成后，默認來到下面的工作流配置頁面

4.2.2 增加知識庫檢索節點

在開始節點之后增加一個知識庫檢索節點

在知識庫檢索節點上面配置引用上一步創建的知識庫，點擊右側的添加

選擇上面創建的這個AI知識庫點擊添加即可

4.2.3 配置大模型節點

在大模型節點中，配置系統提示詞

4.2.4 效果預覽

發布更新之后，點擊左上角預覽，在下面的對話框中輸入之前原始的文檔中的那句話 “有效提問的五個??法則”，通過最后的執行結果以及執行過程中的日志追蹤不難發現，檢索之前是參考了知識庫的內容并且定位到了知識庫中具體是哪個文檔，最后通過大模型的整合輸出結果

4.3 應用發布

當時效果測試滿足要求之后，就可以點擊運行，發布到網頁端進行使用了

效果如下

五、寫在文末

本文通過案例操作詳細介紹并演示了基于Dify構建一個智能客服應用的完整流程，有興趣的同學可以繼續在此基礎上進行深入的探究和完善，本篇到此結束，感謝觀看。