AI智能客服搭建：从零部署到对接网页的实操流程

AI智能客服搭建的核心是把开源客服系统跑在服务器上，再接入一个大模型API来生成回复。
零基础用户按本文步骤操作，大约1-2小时可以完成一个能对话的网页客服原型。
下面以Linux云服务器+Docker+开源客服系统为例，给出完整流程和验证方法。

先确认你的场景和环境条件

这套方案适合个人站长、小团队或运维人员，想在自己的网站上挂一个能自动回答常见问题的客服窗口。
不适合需要电话客服、工单流转或复杂CRM对接的企业场景。

准备条件：

• 一台Linux云服务器（Ubuntu 22.04或Debian 12均可），建议2核4G起步，因为大模型API调用本身不占本地算力，但客服系统和数据库需要内存。
• 一个已备案的域名（国内服务器必须），并解析到服务器IP。
• 一个大模型API Key，例如DeepSeek、通义千问或OpenAI兼容接口，具体以你选的服务商控制台为准。
• 服务器安全组放行80、443端口，SSH端口按需放行。

先登录服务器更新系统：

ssh root@你的服务器IP
apt update && apt upgrade -y

安装Docker和Docker Compose

用官方脚本安装Docker，避免手动添加源出错：

curl -fsSL https://get.docker.com | bash
systemctl enable docker
systemctl start docker
docker --version

安装Compose插件：

apt install docker-compose-plugin -y
docker compose version

看到版本号输出即表示安装成功。
如果docker compose version报错，检查是否装成了旧版docker-compose，两者命令不同。

部署开源客服系统并配置模型接口

这里以开源项目Chatwoot为例，它提供网页聊天窗口和API对接能力。
创建目录并编写docker-compose.yml：

mkdir -p /opt/ai-kefu && cd /opt/ai-kefu
nano docker-compose.yml

写入以下配置（密码和密钥改成你自己的）：

services:
  postgres:
    image: postgres:15
    environment:
      POSTGRES_DB: chatwoot
      POSTGRES_USER: chatwoot
      POSTGRES_PASSWORD: 换成强密码
    volumes:
      - pgdata:/var/lib/postgresql/data
  redis:
    image: redis:7
    volumes:
      - redisdata:/data
  chatwoot:
    image: chatwoot/chatwoot:latest
    ports:
      - "3000:3000"
    environment:
      RAILS_ENV: production
      SECRET_KEY_BASE: 用openssl rand -hex 64生成
      FRONTEND_URL: https://你的域名
      POSTGRES_HOST: postgres
      POSTGRES_PASSWORD: 换成强密码
      REDIS_URL: redis://redis:6379
    depends_on:
      - postgres
      - redis
volumes:
  pgdata:
  redisdata:

启动容器并初始化数据库：

docker compose up -d
docker compose exec chatwoot rails db:chatwoot_prepare

初始化完成后访问http://服务器IP:3000，按页面提示创建管理员账号。

随后配置AI回复。
Chatwoot本身不内置大模型，需要通过Webhook或API把用户消息转发给你的模型服务。
简单做法是在客服后台创建“自动化规则”，把新消息POST到你的中转接口。
这里给出一个最小可用的Python中转示例，部署在同一台服务器上：

apt install python3-pip -y
pip3 install flask requests
nano /opt/ai-kefu/ai_bridge.py

写入：

from flask import Flask, request, jsonify
import requests

app = Flask(__name__)
API_KEY = "你的模型API Key"
API_URL = "https://api.deepseek.com/chat/completions"

@app.route('/webhook', methods=['POST'])
def webhook():
    data = request.json
    user_msg = data.get('content', '')
    resp = requests.post(API_URL, headers={
        'Authorization': f'Bearer {API_KEY}',
        'Content-Type': 'application/json'
    }, json={
        'model': 'deepseek-chat',
        'messages': [{'role': 'user', 'content': user_msg}]
    })
    reply = resp.json()['choices'][0]['message']['content']
    return jsonify({'reply': reply})

if __name__ == '__main__':
    app.run(host='0.0.0.0', port=5000)

启动中转服务：

nohup python3 /opt/ai-kefu/ai_bridge.py > /tmp/ai_bridge.log 2>&1 &

然后在Chatwoot后台的“集成”或“Webhook”设置中填入http:
//服务器内网IP:
5000/webhook，
保存后发一条测试消息，
观察/tmp/ai_bridge.log是否有请求记录。

对接网页渠道和配置域名访问

Chatwoot支持生成一段JS代码嵌入网站。
在后台进入“收件箱”创建网站渠道，复制生成的脚本放到你网站页面的前。
这样访客打开网页就能看到聊天窗口。

为了用域名访问而不是IP:3000，建议在前面加一层Nginx反向代理：

apt install nginx -y
nano /etc/nginx/sites-available/chatwoot

写入：

server {
    listen 80;
    server_name 你的域名;
    location / {
        proxy_pass http://127.0.0.1:3000;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
    }
}

启用配置并重载：

ln -s /etc/nginx/sites-available/chatwoot /etc/nginx/sites-enabled/
nginx -t && systemctl reload nginx

之后用certbot申请免费HTTPS证书，避免浏览器提示不安全。
如果使用宝塔面板，也可以在“网站”中新建站点，反向代理到127.0.0.1:3000，并在SSL页签一键申请Let's Encrypt证书。

验证效果与常见报错排查

验证分三层：

1. 访问https://你的域名能看到客服登录页，说明Nginx和容器正常。
2. 在网站页面打开聊天窗口，发送“你好”，看是否收到AI回复。
3. 查看/tmp/ai_bridge.log和docker compose logs chatwoot，确认没有报错。

常见问题：

• 页面打不开或502：先docker compose ps看容器是否在运行，再curl -I http://127.0.0.1:3000确认应用本身是否响应。
• AI不回复：检查中转服务是否启动（ps aux | grep ai_bridge），以及模型API Key是否有效、余额是否充足。
• Webhook请求超时：确认Chatwoot容器能访问到中转服务的IP和端口，同一台服务器可用172.17.0.1或宿主机内网IP。

避坑提醒：不要把API Key直接写在前端JS里，否则会被访客看到；
中转服务只监听内网或加简单鉴权。
生产环境建议把docker-compose.yml中的密码改为随机强密码，并定期备份PostgreSQL数据卷。

完成以上步骤后，你得到的是一个能自动应答的网页客服原型。
后续可以根据业务补充知识库、设置人工转接规则，并观察模型回复质量做提示词微调。