文章把AI客服从『能回答』到『能干活』拆成了七层：① 知识问答（RAG+兜底）→ ② 意图识别（三类+二级分类）→ ③ 指代消解与上下文管理 → ④ 混合检索（向量+BM25+重排）→ ⑤ 完整SOP执行（查订单、改状态、发起售后）→ ⑥ 影子系统验证与放权 → ⑦ 场景地图驱动的持续迭代。每一层都有真实踩坑：知识整理最费人力、双重成本最危险、场景地图是走出迷茫期的关键工具。相比纯技术文章讲『架构先进』，这篇更贴近做产品的人真正要面对的选择——什么时候用规则、什么时候用Workflow、什么时候才值得上Agent。

文章采用了向量检索+BM25+RRF融合+重排器的经典混合检索架构，这是2024-2025年生产级RAG的标准配置。但2025年下半年起，业界已演进到多跳RAG（复杂问题拆解分步检索）和Agentic RAG（自主决定检索策略）。2026年微软GraphRAG和校正型RAG（Corrective RAG）开始在一线落地——前者利用知识图谱发现文档间隐含关联，后者引入『自我评分』机制，低分结果触发重新检索或联网搜索。文章的经验依然有效：在客服这种高频稳定场景中，『够用』比『最新』重要；但在知识库持续优化的环节，多跳和校正机制可能是解决『复杂问题漏检』的下一个突破口。

当文章作者专心打磨AI客服的技术栈时，消费者正经历另一种现实：中消协2026年上半年数据显示，AI客服相关投诉已成为新热点，集中于『转人工层层设卡』和『AI承诺事后不认账』。充电宝已归还却持续扣费99元、AI承诺包含过户费后人工要求另付——这类案例揭示了一个深层矛盾：企业将AI视为降低成本的『减人工具』，故意抬高转人工门槛；消费者则因AI的『幻觉承诺』付出真金白银。9月1日实施的首个AI客服国标（GB/T47746—2026）强制要求平台提供清晰转人工通道，且AI输出视为经营者服务组成部分，企业不得推诿。技术能做对时，产品策略却让AI变成了维权路障。

文章算清了一笔账：AI客服综合成本高于人工。这个矛盾在2026年愈发尖锐——DeepSeek、智谱等模型厂商因Agent类应用爆发而全面调价，部分接口涨幅达463%；Agent单任务消耗是传统对话的十倍至百倍。文章提到的『双重成本』（AI和人工同时工作）现象，在算力涨价的叠加下只会让ROI更难算。关键变量在于两个方向：一是『峰谷计费』和『轻量模型』分层策略能否被客服系统有效利用；二是2026年下半年起，模型端开始降价的中低档API是否能拆解客服场景中70%的标准问答。拐点不在『AI比人便宜』那天，而在『AI只做它擅长的标准化部分』的成本模型真正跑通时。

文章给出了一个反直觉的经验：ReAct类Agent在高频稳定客服场景中『实际使用场景不多』，团队最终选择Workflow+模型理解复杂表达的组合。这触及一个根本问题——Agent的动态规划能力，在路径高度确定的业务流中反而是『增加调用、延迟和不确定性』的负担。真正值得追问的不是『Agent能不能做客服』，而是『稳定场景和开放场景的边界在哪里』。已有生产实践给出参考：路径明确的前80%走Workflow兜底，真遇到处理路径无法预判的边界Case再引入有边界的Agent。这条经验对要上AI客服的团队意味着：先在『确定性』上把成本结构算清，再考虑『自主性』的额外溢价。