← → 翻页 · ESC 索引
AI 数字分身 · 技术方案
v1.0 · 2026
Hermes + OpenClaw · 私有化部署

AI 销冠

让 AI 成为你的最强销售

基于 OpenClaw + Hermes 的微信 AI 客服完整解决方案
场景：问答 / 导流 / 意向分级 / 人工交接

前端：微信·后端：Hermes / OpenClaw·完全私有化
AI 数字分身 · AI 销冠 技术方案
01 / 23
Contents · 目录
02 / 23
Table of Contents

目录

01
需求定义
痛点分析 · 目标指标 · 产品定位
02
系统架构
整体架构 · 微信接入方案对比
03
核心模块
OpenClaw+Hermes · 对话引擎 · RAG · 交接
04
数据与部署
数据持久化 · Docker Compose 部署
05
开发路线图
三阶段交付 · Sprint 任务分解
06
风险与总结
风险合规 · 技术优势 · 开源项目评估
AI 数字分身 · AI 销冠 技术方案
02 / 23
需求定义 · Act I
03 / 23
Pain Points · 六大结构性痛点

为什么需要 AI 销冠？

传统销售模式面临六大结构性痛点，AI 销冠可系统性解决，释放人力效能

Response Time
5分钟+
人工首响慢，高峰期排队，客户流失率高
Coverage
0夜间
7×24 覆盖难，非工作时段线索大量流失
Intent Detection
凭感觉
意向识别弱，优质线索未被及时跟进
Training Period
3~6月
话术不统一，新人培训周期长，口径参差
Lead Loss
无分级
线索流失多，缺乏系统化线索分级管理
Capacity
3~5人
人力成本高，单客服同时服务 3-5 人上限
AI 销冠价值：7×24 自动首响 + 结构化意向分级 + 无缝人工交接
Act I · Pain
需求定义 · 目标指标
04 / 23
KPI Targets · 系统上线后 3 个月内预期

目标指标

首响时间
<3秒
7×24 全天候自动响应
vs 人工平均 >5 分钟
意向识别准确率
>85%
A/B/C 三级意向分级
结构化信息自动收集
人工交接准确率
>90%
规则引擎 + 飞书卡片推送
高意向客户零遗漏
服务容量提升
10x
单客服并发处理能力
人力成本大幅降低
基于同类项目实测数据估算
Act I · KPI
需求定义 · 产品定位
05 / 23
Positioning · 私有化 AI 销冠

私有化部署
深度定制

数据自主，是区别于 SaaS 产品的核心差异

适用场景
  • 微信私域问答 · 自动回复产品咨询
  • 线索导流 · 收集结构化信息
  • 意向分级 · A/B/C 自动打标
  • 人工交接 · 飞书实时推送
  • 数据沉淀 · 全量对话记录
自建 vs SaaS 对比
维度
自建（本方案）
SaaS
部署
私有化，数据不出域
云端 SaaS
定制
深度定制，适配业务
模板化，空间有限
成本
一次性开发，长期可控
按月订阅，持续付费
数据安全
本地存储，合规可控
数据在第三方
上线周期
约 12 周（三阶段）
1-2 周快速接入
适用：中大型团队，长期运营，数据安全要求高
Act I · Positioning
系统架构 · Act II
06 / 23
Architecture · 三层架构

系统整体架构

接入层 → 核心层 → 数据层
消息从微信流入，经 AI 处理后回复并沉淀数据

接入层
企业微信 / 个人微信 / 公众号
官方 API · iLink 协议 · Webhook
核心层
OpenClaw Gateway + Hermes Agent
消息路由 · 六阶段流水线 · LLM 推理
数据层
ChromaDB · SQLite · 飞书 Webhook
向量知识库 · 对话记录 · 人工交接通知
AI 数字分身 · AI 销冠 技术方案
Act II · Architecture
系统架构 · 微信接入
07 / 23
WeChat Integration · 三种接入方案

微信接入层

企业微信官方 API
✓ 合规首选
  • 官方接口，SLA 保障
  • 腾讯官方授权，零封号风险
  • 消息/媒体/群管理完整
  • 需企业主体认证
封号风险：无
HermesClaw
⭐ 个人微信推荐
  • Hermes+OpenClaw 共用一个微信号
  • iLink 官方 SDK，非 Web 协议
  • /hermes · /openclaw · /both 路由
  • MIT · ⭐540 · curl | bash 一键安装
封号风险：低（iLink 官方协议）
wechatbot-webhook
MVP 快速验证
  • 轻量 HTTP Webhook，Docker 一键部署
  • 支持文字/图片/语音/视频/文件
  • MIT · ⭐2171
  • ⚠ Web 协议，约 2 天掉线一次
正式上线前需切换 HermesClaw
优先企业微信官方 API；个人微信用 HermesClaw；MVP 验证用 wechatbot-webhook
Act II · WeChat
核心模块 · Act III
08 / 23
Backend Core · 后端核心

OpenClaw
+ Hermes

Hermes 作为 Pi 接入 OpenClaw Gateway，天然适配，无需额外开发框架

消息流转路径
微信消息
→ OpenClaw Gateway（消息路由 / Pi 注册 / 工具调用）
→ Hermes Agent Pi（六阶段流水线）
→ LLM 推理（本地 API → 9router fallback）
→ 回复 + 数据持久化
Hermes Pi 六阶段流水线
P1
意图识别
分类用户意图 · 情绪检测
P2
RAG 检索
向量语义搜索 · Top-K 片段注入
P3
话术生成
LLM 生成 · 话术库匹配 · Guardrail 过滤
P4
意向评分
多维度打分 · A/B/C 分级
P5
行动决策
继续对话 or 触发人工交接
P6
记忆更新
三级记忆同步 · 写入对话记录
三级记忆：会话短期 / 用户中期 / 知识长期
Act III · Backend
核心模块 · 能力矩阵
09 / 23
Core Capabilities · 六大核心能力

AI 销冠六大核心能力

六大能力协同运作，覆盖从首次接触到成交转化的全链路销售场景

7×24
自动首响
3 秒内完成首次响应，永不疲倦，节假日线索零流失
A/B/C
意向分级
实时评估购买意向，A 级立即交接人工，准确率 >85%
RAG
知识库检索
产品手册/FAQ/话术库，语义向量精准检索，杜绝幻觉
📋
信息收集
自动采集姓名/需求/预算，动态追问，沉淀用户画像
🔀
无缝交接
规则引擎触发，飞书卡片实时推送，交接准确率 >90%
📊
数据看板
全量对话记录，意向分布/转化率可视化，话术持续优化
AI 数字分身 · AI 销冠 技术方案
Act III · Capabilities
核心模块 · 对话引擎
10 / 23
Pipeline · 六阶段流水线

销冠对话引擎

每条消息经过六个阶段处理，形成完整的销售对话闭环 · 平均延迟 <3 秒

消息处理流水线
P1
意图识别
分类用户意图
咨询/投诉/闲聊
情绪检测
P2
RAG 检索
向量语义搜索
Top-K 相关片段
注入上下文
P3
话术生成
LLM 生成回复
话术库匹配
Guardrail 过滤
P4
意向评分
多维度打分
A/B/C 分级
动态更新画像
P5
行动决策
继续对话 or
触发人工交接
飞书推送通知
P6
记忆更新
更新用户画像
写入对话记录
三级记忆同步
按 → 逐步展示各阶段
Act III · Pipeline
核心模块 · 状态机
11 / 23
State Machine · 销售对话状态机

五阶段销售状态机

AI 根据对话内容自动判断当前阶段并切换策略，状态可双向跳转

Stage 01
初始接触
  • 欢迎语
  • 自我介绍
  • 引导提问
触发：首次消息
Stage 02
需求探索
  • 收集姓名
  • 了解需求/预算
  • 判断购买时机
触发：意图=咨询
Stage 03
产品介绍
  • RAG 精准匹配
  • 话术库推荐
  • 价值点突出
触发：需求明确
Stage 04
异议处理
  • 价格异议
  • 竞品对比
  • 信任建立
触发：负面情绪
Stage 05
转化 / 交接
  • 意向 A → 人工接管
  • 飞书卡片推送
  • 对话记录随附
触发：意向A / 用户要求
任意阶段检测到高意向或负面情绪均可直接触发交接
Act III · State Machine
核心模块 · RAG 知识库
12 / 23
RAG · 检索增强生成

知识库
是 AI 的大脑

确保回答准确、有据可查，杜绝 LLM 幻觉

知识库内容
📄 产品手册（PDF/DOCX）
❓ 常见问题 FAQ
💬 销售话术库
💰 价格政策 / 竞品对比
构建流程
1
文档入库
产品手册 / FAQ / 话术库 / 价格表
2
向量化
文本分块 → Embedding → ChromaDB 存储
3
语义检索
用户问题 → 向量化 → Top-K 相关片段
4
注入生成
片段 + 对话历史 → LLM → 准确回答
关键参数
分块大小：512 tokens，重叠 50
检索 Top-K：K=5，阈值 0.7
Embedding：text-embedding-3-small
更新：增量更新，无需重建
ChromaDB · 轻量级向量数据库，本地持久化，数据不出域
Act III · RAG
核心模块 · 人工交接
13 / 23
Handoff · 规则引擎 + 飞书通知

无缝人工交接

高意向客户零遗漏，交接准确率目标 >90%

触发条件（规则引擎）
A
意向 A 级
意向评分 >80 分，立即触发 · 高优先
💬
用户主动要求
检测到"转人工""找客服"等关键词 · 即时
😤
情绪负面
连续 2 次检测到投诉/愤怒情绪 · 紧急
⏱
超时未解决
同一问题 AI 回复 3 次仍未解决 · 兜底
交接流程
1
冻结 AI 回复
标记会话状态为 HANDOFF_PENDING，停止 AI 自动回复
2
飞书卡片推送
含客户信息 / 意向等级 / 对话摘要 / 一键接管按钮
3
人工接管
销售点击接管，状态切换为 HUMAN_ACTIVE
4
恢复 AI（可选）
人工处理完毕后，可手动恢复 AI 辅助模式
SLA 目标
触发到飞书推送 <5 秒 · 销售响应 <3 分钟（工作时间）
AI 数字分身 · AI 销冠 技术方案
Act III · Handoff
数据与部署 · Act IV
14 / 23
Data Layer · 数据持久化

数据与管理后台

全量对话数据沉淀，FastAPI 后台提供可视化看板与数据导出能力

Table
conversations
id · user_id · channel
status · intent_level
handoff_at · assigned_to
Table
messages
id · conv_id · role
content · intent_tag
score · created_at
Table
leads
id · user_id · name
phone · budget
intent_level · source
Table
handoffs
id · conv_id · trigger
sales_id · triggered_at
accepted_at · resolved_at
存储方案：开发 SQLite（零配置）· 生产 PostgreSQL（高并发）
FastAPI 管理后台：会话列表 / 线索导出 / 意向统计 / 交接分析
Act IV · Data
数据与部署 · Docker
15 / 23
Deployment · Docker Compose 一键启动

私有化部署
单台服务器

支持水平扩展，快速启动

git clone https://github.com/your-org/ai-sales-agent
cp .env.example .env # 填写 API Key 和飞书配置
docker compose up -d # 一键启动所有服务
快速启动 · 3 步完成
服务架构
反向代理层
Nginx — SSL 终止 / 路由转发
:443 → OpenClaw :8080
:443/api → FastAPI :8000
OpenClaw Gateway
port: 8080
Hermes Agent
port: 7860
FastAPI 后台
port: 8000
ChromaDB + PostgreSQL
向量库 + 业务库
外部依赖
飞书 Webhook · LLM API 网关 · 企微 API
最低配置：4核8G 云服务器，月费约 ¥300
Act IV · Deploy
竞品对比 · Competitive
16 / 23
Competitive Analysis · 竞品对比

我们的核心优势

产品
微信接入
私有化
月费用
备注
艾小管 aixiaoguan.net
✓ 企微+个微
✗ SaaS 托管
¥3,000+
参考标的，OpenClaw 深度二开
微伴助手
✓ 企微
✗ SaaS 托管
¥2,000+
企微 SaaS，定制空间有限
智齿客服
✓ 多渠道
✓ 支持
¥5,000+
传统客服平台，AI 能力弱
我们的方案
Hermes + OpenClaw
✓ 企微+公众号
+个微（可选）
✓ 完全私有化
数据不出域
¥500~1,500
服务器+API
完全可定制，长期成本最低
适用：数据安全要求高 · 需深度定制 · 中小企业降本增效
Competitive
开发路线图 · Act V
17 / 23
Roadmap · 阶段一 MVP

第 1-4 周：MVP 上线

跑通核心链路，上线第一个真实场景

Sprint 任务分解
Week 1
环境搭建
服务器采购/配置
Docker 环境部署
OpenClaw 安装
Hermes Agent 接入
LLM API 连通测试
企微 Webhook 配置
Week 2
知识库 + 对话
收集产品文档
FAQ 整理入库
ChromaDB 向量化
检索效果调优
Prompt 工程调优
端到端对话测试
Week 3
销售功能
评分模型设计
A/B/C 分级逻辑
用户画像存储
规则引擎开发
飞书卡片推送
接管/恢复流程
Week 4
灰度上线
内部测试验收
10% 流量灰度
问题修复迭代
数据看板基础版
MVP 正式上线
🚀 交付物验收
按 → 逐步展示各 Sprint
Act V · Roadmap Phase 1
开发路线图 · 阶段二三
18 / 23
Phase 2 · 第 5-8 周

能力增强

数据看板
意向分布 / 转化漏斗 / 线索导出 CSV
多轮对话优化
长对话记忆压缩 / 跨会话用户识别 / 话术 A/B 测试
主动触达
定时跟进提醒 / 沉默用户唤醒 / 节日推送
CRM 集成
线索自动同步 / 销售漏斗对接 / Webhook 推送
目标：转化率提升 20%，销售人效提升 50%
Phase 3 · 第 9-12 周

规模化

本地模型
私有 LLM 部署 / 行业数据微调 / 成本降低 80%
数字分身
销售风格克隆 / 个性化话术生成 / 多账号并行
智能优化
对话数据回流训练 / 话术自动优化 / 意向模型迭代
多渠道扩展
抖音私信 / 小红书评论 / 官网 Web Chat
目标：AI 处理率 >80%，月均线索成本降低 60%
整体里程碑：W4 MVP 上线 → W8 能力增强 → W12 规模化
Act V · Roadmap Phase 2-3
风险与总结 · Act VI
19 / 23
Risk & Compliance · 风险识别与合规要点

提前识别风险，建立应对预案

技术风险
LLM 幻觉
RAG 接地 + Guardrail 过滤
微信封号
优先企微官方 API
API 限流/中断
多节点 fallback + 本地模型
高并发压力
消息队列 + 水平扩展
合规风险
个人信息保护
明示告知 + 数据最小化（PIPL）
AI 身份披露
首次对话明确告知 AI 身份
虚假宣传
知识库严格审核 + 人工复核
数据跨境
私有化部署，数据不出域
运营风险
用户体验下降
话术人性化 + 快速交接
知识库过时
定期审核 + 增量更新流程
销售抵触
培训 + 数据证明价值
恶意攻击
Prompt 注入防护 + 频率限制
AI 数字分身 · AI 销冠 技术方案
Act VI · Risk
风险与总结 · 成本 ROI
20 / 23
Cost & ROI · 10 坐席 · 月均 5,000 对话

成本估算
与 ROI

月度运营成本
服务器（4核8G云服务器）
¥ 300
LLM API（5,000 对话 × 2K tokens）
¥ 600
Embedding API（向量化）
¥ 100
企微 API（官方接口费用）
¥ 300
运维人力（0.5 人天/月）
¥ 200
月度总成本
¥ 1,500
对比传统客服坐席：¥8,000~15,000/人/月
ROI 测算
人力成本节省
80%
AI 替代 4 个坐席
销售人效提升
3x
人工专注高意向客户
转化率提升
+20%
7×24 不漏单
投资回收期
2月
含开发成本
年度对比（10 坐席规模）
传统方案年成本
¥ 960,000+
AI 方案年成本（含开发）
¥ 118,000
年节省
¥ 842,000
AI 数字分身 · AI 销冠 技术方案
Act VI · ROI
风险与总结 · 行动计划
21 / 23
Next Steps · 从调研到落地

下一步行动计划

我们建议的启动路径

启动路径
Step 1
需求确认
确定目标场景
微信渠道选型
KPI 指标对齐

本周
Step 2
资源准备
服务器采购
企微应用申请
产品文档收集

第 1 周
Step 3
MVP 开发
环境搭建
知识库建设
对话引擎调优

第 2-3 周
Step 4
灰度测试
内部测试
10% 流量灰度
问题修复

第 4 周
Step 5
全量上线
全量流量切换
数据看板上线
持续迭代优化

🚀 上线
建议先选定一个产品线做 2 周 POC，验证核心链路后再全面铺开
Act VI · Next Steps
风险与总结 · 开源评估
22 / 23
Open Source · 调研时间 2026-05-25 · 按推荐优先级排序

开源项目评估

⭐ 强烈推荐
HermesClaw
github.com/AaronWong1999/hermesclaw · ⭐540 · MIT · 2026-04-29
直接复用 生产可用 MIT 协议
Hermes + OpenClaw 共用同一微信号的多路复用层，解决 iLink 连接冲突。一键安装，82+ 测试，NousResearch 官方收录。
MVP 验证用
wechatbot-webhook
github.com/danni-cool/wechatbot-webhook · ⭐2171 · MIT · 2024-12-01
快速验证 ⚠ 不建议生产
轻量 HTTP Webhook，Docker 一键部署，支持文字/图片/语音/视频。⚠ Web 协议约 2 天掉线，正式上线前切换 HermesClaw。
参考设计
ChatGPT-On-CS
github.com/cs-lazy-tools/ChatGPT-On-CS · ⭐3999 · AGPL-3.0 · 2025-08-25
借鉴设计 AGPL 商业受限
最完整的开源 AI 客服平台，支持微信/抖音/小红书/拼多多。参考其客户分级（A/B/C）和多平台架构，不直接集成代码。
wechat-openclaw-channel：无 License ⚠ 商业法律风险，HermesClaw 已覆盖其功能，跳过
Act VI · Open Source
AI 数字分身 · AI 销冠
23 / 23
Closing · 让 AI 成为你的最强销售

AI 数字分身 AI 客服 · AI 销冠

基于 Hermes + OpenClaw 的微信 AI 销冠完整解决方案

4
周 MVP 上线
100%
完全私有化部署
¥1,500
月成本
立即启动 POC 验证· 完整技术文档：lcnhumm340er.feishu.cn/docx/SrHfd8j9hosfd6xgAnXcZ6hDn8n
AI 数字分身 · AI 销冠 技术方案
— 2026 —