目录

一、前言

二、Dify 介绍

2.1 Dify 核心特点

三、AI智能体构建智能客服系统介绍

3.1 基于AI智能体平台搭建智能客服系统流程

3.1.1 需求分析与场景设计

3.1.2 选择合适的AI智能体平台

3.1.3 工作流编排与调试

3.1.4 系统集成与发布

3.2 使用AI智能体构建智能客服系统优势

3.2.1 大幅降低人力成本

3.2.2 提升服务效率与响应速度

3.2.3 增强客户使用体验

3.2.4 部署灵活，扩展性好

3.2.5 行业适配性好，多领域应用

四、基于Dify 搭建智能客服系统操作过程

4.1 创建知识库

4.1.1 创建一个新的知识库

4.1.2 导入数据

4.1.3 效果测试

4.2 创建新应用

4.2.1 创建一个新应用

4.2.2 增加知识库检索节点

4.2.3 配置大模型节点

4.2.4 效果预览

4.3 应用发布

五、写在文末

---

一、前言

随着AI大模型的广泛使用，AI智能体强势崛起，整合了众多的大模型厂商能力，汇聚大模型的能力，可以让企业大大缩短构建一个智能体应用的开发周期，目前市面上比较火热的智能体平台Coze ， Dify等，可以基于此类智能体平台快速搭建出各种应用，比如电商客服系统，心理咨询师系统，数据分析系统等，本篇以Dify为例，详细介绍如何基于Dify的知识库构建智能客服问答应用。

二、Dify 介绍

Dify 是一个开源大模型应用开发平台，旨在帮助开发者快速构建、部署和管理基于大型语言模型（LLM）AI 应用。它提供了一套完整工具链，支持从提示词工程（Prompt Engineering）到应用发布的全流程，适用于企业级 AI 解决方案和个人开发者项目。

官网入口：Dify: Leading Agentic AI Development Platform

中文站入口：Dify：企业级 Agentic AI 解决方案开发平台

Dify支持多种主流大语言模型，如GPT、Mistral、Llama3等，并通过低代码/无代码开发方式，降低了开发门槛。其核心特性包括多模型支持、丰富的功能组件和灵活的应用编排，适用于智能客服、内容生成、数据分析等多个应用场景。Dify通过可视化的界面和强大的RAG引擎，帮助开发者快速构建和优化AI应用，显著提高了开发效率和应用质量。与同类产品相比，Dify在API优先、灵活应用编排和插件生态方面具有显著优势，适合不同技术背景的开发者使用。未来，Dify有望在AI应用开发领域发挥更大的作用，推动AI技术的普及和创新。

2.1 Dify 核心特点

Dify 具备如下核心特点：

• 可视化编排工作流

  • 通过低代码界面设计 AI 应用流程，无需深入编程即可构建复杂的 LLM 应用。

  • 支持 对话型（Chat App） 和 文本生成型（Completion App） 应用。

• 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、通义千问 等开源模型。

• 灵活的提示词工程

  • 提供 Prompt 模板、变量插值、上下文管理等功能，优化 AI 输出效果。

  • 支持 RAG（检索增强生成），可结合外部知识库提升回答准确性。

• 数据管理与持续优化

  • 记录用户与 AI 的交互日志，用于分析和迭代改进模型效果。

  • 支持 A/B 测试，对比不同提示词或模型版本的表现。

• 企业级功能支持

  • 支持 多租户、权限管理，适合团队协作开发。

  • 可私有化部署，保障数据安全。

三、AI智能体构建智能客服系统介绍

相比传统的应用开发过程，使用AI智能体平台搭建一个智能客服系统速度更快，效率更高，成本更低，这也是为什么AI智能体诞生很短的时间内得到那么多的企业和个人学习者的青睐。下面做简单的介绍。

3.1 基于AI智能体平台搭建智能客服系统流程

基于AI智能体平台搭建智能客服系统的操作步骤可分为以下几个关键环节，结合不同平台（如讯飞星火、扣子Coze、Dify等）的特性，其基本的操作步骤如下：

3.1.1 需求分析与场景设计

1）明确功能需求

• 确定客服系统需覆盖的场景（如知识问答、订单查询、故障申报等）。

• 划分意图类型（如产品咨询、资讯检索、闲聊兜底），并设计对应的对话流程。

2）知识库准备

• 整理企业私有知识文档（如FAQ、产品手册），支持多种格式（PDF、Excel、网页链接等）。

• 若需联网检索，配置搜索工具节点（如聚合搜索）。

3.1.2 选择合适的AI智能体平台

目前市面上有多家主流的AI智能体平台可供选择

1. 平台注册与初始化

   1. 以讯飞星火为例：注册账号后进入「智能体创作中心」，创建智能体并命名（如“AI客服助手”），生成图标或上传自定义图片。

   2. 以扣子Coze为例：从模板库复制「智能客服助手」模板，或自定义创建。

2. 配置核心功能节点

   1. 意图分类：使用决策节点区分用户问题类型（如知识库问答、资讯检索、闲聊）。

   2. 知识库问答：上传知识库文件，通过知识库节点检索答案，大模型节点规整输出。

   3. 资讯检索：集成搜索工具（如聚合搜索），大模型总结搜索结果。

   4. 闲聊兜底：设置大模型节点，配置友好提示词（如幽默语气）。

3.1.3 工作流编排与调试

在一些复杂的业务场景下，往往需要结合智能体平台提供的工作流进行使用

1. 可视化流程设计

   1. 在平台工作流画布中连接节点（开始→决策→知识库/搜索→大模型→结束）。

   2. 示例流程：

      • 用户输入 → 决策节点分类 → 知识库检索 → 大模型生成答案 → 输出。

2. 提示词优化

   1. 为大模型节点配置角色设定（如“专业客服助手”）、回答限制（如禁止编造信息）。

   2. 示例提示词：

      • "你是一个客服助手，仅根据知识库内容回答，若无法解答需提示用户。"

3. 测试与迭代

   1. 输入测试用例（如“如何退换货？”），检查各节点执行结果。

   2. 调整知识库分段策略或提示词以提高准确性

3.1.4 系统集成与发布

智能体平台一般会提供在线的调试，全部的功能调试验证完成后，就需要发布出去使用了，像Coze，可以发布到自己的商店，也可以发布到小程序等，具体来说：

1. 多渠道部署

   1. 网页嵌入：通过Chat SDK生成JS代码，添加到网站HTML中（扣子Coze支持悬浮窗式集成）。

   2. 微信/企微对接：通过第三方工具（如芝麻小客服）绑定智能体API，配置转人工触发词（如“转人工”）。

2. 权限与安全配置

   1. 获取API Key或OAuth令牌，确保鉴权安全（线上环境避免使用个人令牌）。

   2. 设置会话隔离，保障用户数据隐私。

3. 发布与监控

   1. 在平台提交审核并发布智能体。

   2. 通过日志分析优化回答准确率。

3.2 使用AI智能体构建智能客服系统优势

基于AI智能体平台搭建智能客服系统具有显著优势，能够大幅提升企业客户服务效率、降低成本并优化用户体验。以下是核心优势分析：

3.2.1 大幅降低人力成本

• 自动化处理重复咨询：

  • AI客服可7×24小时处理高频、标准化问题（如订单查询、密码重置），覆盖60%-80%的常见咨询，减少人工坐席需求。

• 减少培训与流失成本：

  • AI辅助新员工快速上岗，降低培训周期；同时减少重复性工作，提高员工满意度，降低流失率。

• 优化排班与资源分配：

  • AI预测咨询高峰，动态调整人力，避免资源浪费。

3.2.2 提升服务效率与响应速度

• 毫秒级响应：

  • AI客服可同时处理数千并发咨询，远超人工客服的响应速度。

• 智能预处理与转接：

  • AI可预先解析用户问题，提取关键信息再转人工，减少人工坐席处理时间。

• 多任务并行处理：

  • AI可同时处理多个渠道（网站、APP、社交媒体）的咨询，提升整体服务效率。

3.2.3 增强客户使用体验

• 24/7全天候服务：

  • 满足用户随时咨询的需求，避免因等待时间过长导致的客户流失。

• 个性化交互：

  • 基于用户历史数据，提供定制化推荐（如优惠券、产品建议），提升转化率。

• 情感识别与优化：

  • AI可分析用户情绪，调整话术策略（如愤怒时启动安抚模式），提升满意度。

3.2.4 部署灵活，扩展性好

• 支持多渠道集成：

  • 可对接网站、微信、APP、电话等多个入口，统一管理客户咨询。

• 模块化扩展：

  • 企业可根据需求逐步增加功能（如多语言支持、智能工单系统）8。

• 混合部署模式：

  • 支持云端和本地化部署，满足不同行业的数据安全需求。

3.2.5 行业适配性好，多领域应用

• 金融行业：

  • 高合规性AI客服可自动拦截敏感词（如“收益率承诺”），降低法律风险。

• 电商行业：

  • AI可结合商品属性精准推荐，提升转化率30%以上。

• 医疗行业：

  • 支持专业术语理解，减少误诊风险，提高咨询效率。

AI智能客服系统不仅能降低60%以上人力成本，还能提升客户满意度、优化业务流程，并通过数据分析驱动商业决策。随着大模型和多模态技术的发展，其能力将进一步增强，成为企业数字化转型的核心工具。

四、基于Dify 搭建智能客服系统操作过程

接下来通过实际操作演示下如何基于Dify 搭建一个智能客服系统，参考下面的操作步骤。

4.1 创建知识库

4.1.1 创建一个新的知识库

如下，点击创建知识库

4.1.2 导入数据

上一步知识库创建完成后，来到下面的数据源导入界面，这里提供了3种导入知识库数据的方式

这里我选择几个本地的文档文件进行导入

导入完成后点击下一步，来到下面这个关于文档分段配置的页面，当个文档文件太长，所以存储在知识库里面不方便检索，需要对原始的文档进行分段处理。可以通过右侧的预览效果检查Dify对文档分段处理之后的效果，基本上是拆分成一小块一小块的片段，每一段包含的字符也展示在段落上方。

在分段设置这里，如果你RAG相关的知识不够清楚，可以适当学习了解，或者这里选择默认即可，一般分段采用换行符即可。

接下来就是文本的向量模型选择，向量模型需要对文档数据向量化，这里选择通义千问的向量大模型

在检索设置这里，提供了多种检索的方式，每一种检索方式都有不同的特点，可以根据实际需要酌情选择

• 向量检索：

  • 通过生成查询嵌入并查询与其向量表示最相似的文本分段

• 全文检索：

  • 索引文档中的所有词汇，从而允许用户查询任意词汇，并返回包含这些词汇的文本片段

• 混合检索：

  • 同时执行全文检索和向量检索，并应用重排序步骤，从两类查询结果中选择匹配用户问题的最佳结果，用户可以选择设置权重或配置重新排序模型。

点击保存之后，进入下面的页面对文档进行处理，等待处理完成

前往文档可以看到上述上传完成并处理之后的文档列表

4.1.3 效果测试

知识库是否能够正常进行检索呢，在左侧有一个召回测试的菜单，可以在这里输入内容进行测试，比如在我们上传的文档中，有下面的一段文本

将这段文本复制到文本框中点击测试

可以看到，在检索到的内容中，将最匹配的那个文档放在最前面了

进一步点击详情查看，可以清楚定位到原文档的详细内容

4.2 创建新应用

知识库创建完成后，就可以在自己的应用或工作流进行集成使用了，集成进去之后，当应用发布后，用户提问的时候，大模型在检索的时候就可以优先参考并使用知识库里面的内容进行回答。下面看具体的操作过程。

4.2.1 创建一个新应用

如下，创建一个ChatFlow类型的应用

创建完成后，默认来到下面的工作流配置页面

4.2.2 增加知识库检索节点

在开始节点之后增加一个知识库检索节点

在知识库检索节点上面配置引用上一步创建的知识库，点击右侧的添加

选择上面创建的这个AI知识库点击添加即可

4.2.3 配置大模型节点

在大模型节点中，配置系统提示词

4.2.4 效果预览

发布更新之后，点击左上角预览，在下面的对话框中输入之前原始的文档中的那句话 “有效提问的五个⻩⾦法则”，通过最后的执行结果以及执行过程中的日志追踪不难发现，检索之前是参考了知识库的内容并且定位到了知识库中具体是哪个文档，最后通过大模型的整合输出结果

4.3 应用发布

当时效果测试满足要求之后，就可以点击运行，发布到网页端进行使用了

效果如下

五、写在文末

本文通过案例操作详细介绍并演示了基于Dify构建一个智能客服应用的完整流程，有兴趣的同学可以继续在此基础上进行深入的探究和完善，本篇到此结束，感谢观看。