本文将带你零基础体验,用 AI + Cursor 搭建一个智能客服助手:
- 不写代码?可以!AI 和你一起对话搭建
- 什么是 RAG、LangChain、Memory Bank?通俗解释
- 每一步都教你怎么跟 AI 对话,让它动手你动嘴
- 最后还能部署成网页,一键体验效果
Hi,我是小石。
上一篇我们横着评测了各种智能体平台,看起来功能是一个比一个炫,但真要落地做个客服,发现坑还真不少:流程复杂、调试繁琐、不好改不说,动不动就卡壳。于是我当时尝试了:不用平台,改用 Cursor 和 AI 助手从零搭建一个客服智能助手。
今天这篇就是还原这个场景,挑战一件事:“跟 AI 聊聊天,就能把客服智能体做出来”
简单说就是让 Cursor 帮你写代码,你只负责说清楚你想干嘛,它负责把项目一步步搭起来,你也一起来看看成本和效率到底如何。
🌟 开篇要先说明,此次的示例需要使用到的工具需要用到科学翻墙的能力,跟着尝试前请留意
几个关键词解释
Cursor 是什么?
结合 ChatGPT 和 Claude 等AI大模型的代码编辑器,能帮你想,写、查、改、测代码,像 AI 编程助理。
Cursor Rules 是什么?
Cursor规则,就像你给它下达“开发规范”命令,比如只用 Python,必须写带注释的代码。这种规则非常灵活,支持用户,项目,文件夹多种维度,本期我们只关注项目内
Memory Bank 是什么?
顾名思义,记忆库,就像一个项目备忘录,把你的需求、计划、规则记住,后续引用,防止AI忘记。
LangChain 是什么?
是一个构建 AI 应用的开发框架,就像“拼乐高积木”的底座,我们用它来处理问答逻辑。
RAG 是什么?
Retrieval-Augmented Generation(检索增强生成),简单说:先从知识库找信息,再由 AI 来回答。
实战流程一览
我把整个构建过程拆成了 8 个步骤,整个过程我全程“用嘴写项目”,下面是完整复盘,你也可以边看边试。
Step 1:告诉Cursor我要做什么
先打开 Cursor 创建一个空的项目目录,名字建议英文
进入界面后可以点击右上角「齿轮」左侧的分割按钮,打开AI聊天会话框
好了接下面这里就是我们的主战场了。
开始我们要先说明我们的需求,像下面这样
🟢 你:
我想创建一个智能客服AI智能体,它可以:1. 接收问题,并具有记忆功能2. 能够将我提供的文档转化成知识库,从里面找到和提问内容语义接近的结果3. 如果找到,让大模型结合知识库内容回复客户问题4. 如果找不到,让大模型告知用户“这个问题暂时无法提供帮助” 把这个项目目标保存成文件,命名为「客服项目目标」。
✅ Cursor:
你的项目目标已保存为「客服项目目标.md」文件。
小Tips:记得每次cursor执行文件操作后,点击小对号或者「Apply xxx」按钮确认执行,如图所示
Step 2:请Cursor告诉我怎么做(让AI先设计方案)
接下来让AI帮我们规划项目如何开发:
🟢 你:
根据项目目标,给我一份简单的实现方案,满足所有目标要求。 请用普通人能看懂的语言告诉我,每一步要做什么。
✅ Cursor:
看,AI分析的有模有样的,还不错,接下来别忘了让它帮我们把方案存下来
🟢 你:
请把这个方案保存为“项目步骤”。
✅ Cursor:
Step 3:请Cursor自动选技术工具
下面也是比较重要的一部,让AI帮助我们分析项目实现的技术方案
🟢 你:
在这些步骤里,用哪些工具或技术最适合我这个零基础用户? 请先推荐,再解释原因。
✅ Cursor:
当然因为Cursor 默认使用的是 Claude,所以默认推荐的都是国外的技术栈,开篇我们也提到了,这个示例需要科学翻墙的帮助,所以不会有什么影响,但是如果你想尝试可以提醒它重新修改,或者某项技术使用你熟悉的,比如:
我在国内,有些技术无法使用,寻找国内的一些替代方案,如果可以本地使用的可以不更换,大模型使用openRouter
如果大模型给你的结果你看不太懂,也没关系,我将我这边的结论贴一下,有需要的同学自取,当然你也可以让大模型一步步给你解释,这也是学习的好机会,记得提醒它你是个小白哦,你不需要懂原理,知道技术能做什么更重要:
## 智能客服AI国内可用技术方案(大模型用OpenRouter)### 1. **对话系统界面**- **推荐:Streamlit 或 Gradio**- **原因**:这两个都是纯Python工具,安装简单,国内可用,适合零基础用户快速搭建聊天界面。### 2. **知识库建设与语义检索**- **推荐:ChromaDB(本地)、Milvus(国产开源)、Weaviate(本地)**- **原因**:ChromaDB和Weaviate都可以本地部署,Milvus是国产开源项目,文档齐全,国内社区活跃。它们都支持向量检索,适合做知识库。### 3. **文本向量化(Embedding)**- **推荐:OpenRouter支持的Embedding模型,或百度千帆Embedding API**- **原因**:如果OpenRouter支持Embedding模型,可以直接用;否则可以用百度千帆的Embedding服务,国内可用,注册方便。### 4. **大模型回复**- **推荐:OpenRouter API**- **原因**:OpenRouter聚合了多家大模型,国内可访问,支持多种模型(如GPT-3.5/4、Claude、GLM等),调用方式与OpenAI类似,文档完善。### 5. **记忆功能(对话历史存储)**- **推荐:SQLite**- **原因**:轻量级数据库,Python内置支持,适合本地存储对话历史,零基础用户易上手。---## 方案…