Eyun 企业微信 API 平台把消息收发、联系人管理、群管理、客户标签这些原子能力都标准化了，AI 机器人要做的是把它们编排成"业务语言"——理解客户意图、选择合适工具、自主驱动执行、把结果反馈给客户。这不是简单的"加个 LLM"，是从"问答型机器人"到"执行型机器人"的范式升级。把意图理解、工具描述、风险分级、人机协同、度量闭环这套体系做扎实，AI 才能真正替客户把事办了，而不只是给客户讲讲怎

Eyun 企业微信 API 平台把平台到后端的实时性做好了，但后端到客服工作台这一段的实时性要自己搭。用 WebSocket 替代轮询是这一段的标准解法，难点不在协议本身，在连接管理、跨机路由、心跳保活、断线补偿、慢消费者保护、AI 流式推送这些工程细节。把这套做扎实，客服的实时体验才能真正立起来——客户发消息的瞬间，对面就能动起来，这才是"实时智能客服"四个字该有的样子。

Eyun 企业微信 API 平台把消息收发的链路都标准化了，从回调到发送每一步都有清晰的接口。AI 自动回复系统就是把这条链路中间加上意图判断、上下文管理、模型生成、回复治理四个环节。每一个环节都做扎实，机器人才像真人；任何一个环节偷懒，客户立马能感觉出来"对面是个机器"。智能不智能，不在模型多强，在工程多细。

接入 AI Agent 不是把对话机器人换个大模型就完事。本质上是用大模型当决策大脑，把Eyun 企业微信 API 平台的原子能力包装成它能理解、能选择、能组合的工具，再设计感知-决策-执行-观察的工作循环、约束边界、工具网关、安全审计。这套东西搭好，Agent 才是真的"会做事"，而不是只会说人话。技术细节每一个都不深奥，但少了任何一环，Agent 上线就翻车。

消息分流最容易被简化成"看这一句话说了什么就分给谁"。但真实场景里客户发"在吗"可能是想问售后、可能是续费咨询、也可能是投诉先确认有人在。只看当前消息的分流必然误判，真正智能的分流要拉通上下文、预测复杂度、并形成效果闭环。

微信机器人查询订单状态看似简单（调ERP接口拿数据），真正的工程难点在两个系统对接的边界上——状态语义不一致、数据时序错乱、异常无法对账。一个防腐层设计能解决大部分对接问题。

售前知识库最常见的错误结构是"一个产品一段介绍文本"。用户问具体规格时机器人答不准，根因是知识没有按商品属性结构化。这篇讲商品知识库该怎么设计才能支撑精准售前问答。

导购机器人和客服机器人的本质区别：客服是"用户问什么答什么"的被动模式，导购是"主动挖掘求并推进购买"的主动模式。这个区别决定了导购机器人的核心不是问答能力，而是一条完整的推荐链路。

懂业务的客服机器人，核心不在模型多强大，在"产品知识扎实、客户画像准确、业务流程清晰"。这三样做到位，普通模型也能给出专业回复；做不到位，再强的模型也是"正确的废话"。把功夫花在数据和流程上，比花在换模型上回报高得多。

自动化任务要结构化定义，别写成硬编码的 if-else。name: str # 任务名称trigger: Trigger # 触发条件actions: list[Action] # 执行动作列表condition: Condition # 前置条件（可选）触发条件事件触发：企微侧回调事件驱动。比如好友通过触发欢迎语、资料变更触发同步时间触发：定时任务驱动。比如每周一更新群公告、每天 9 点发跟进提