在阿里云上只需 10 分钟即可将您的微信公众号（订阅号）变成 AI 智能客服，以便全天候（7x24）回应客户咨询，提升用户体验、增强业务竞争力。
方案概览
将微信公众号（订阅号）变成 AI 智能客服，只需 4 步：
- 创建大模型问答应用：我们将先通过阿里云百炼创建一个大模型应用，并获取调用大模型应用 API 的相关凭证。
- 搭建回复微信公众号消息的服务：然后我们将通过函数计算，来快速部署一个可接收和回复微信公众号消息的服务。
- 引入 AI 智能客服：接着我们将在微信公众号修改配置，实现在微信公众号中引入一个 AI 智能客服。
- 增加私有知识：最后可以通过准备一些私有知识，让 AI 助理能回答原本无法准确回答的问题，帮助您更好地应对客户咨询。
实现效果展示：
1. 创建大模型问答应用
首先我们可以通过创建一个阿里云百炼应用，来获取大模型的推理 API 服务，用于实现 AI 助手。
阿里云百炼提供的 新用户免费额度 可以完全覆盖本教程所需资源消耗。额度消耗完后按 token 计费，相比自行部署大模型可以显著降低初期投入成本。
1.1 创建应用
您也可以选择输入一些 Prompt，比如设置一些人设以引导大模型更好的应对客户咨询。
3.在页面右侧可以提问验证模型效果。不过您会发现，目前它还无法准确回答你们公司的商品信息。点击右上角的发布，我们将在后面的步骤中去解决这一问题。
1.2 获取调用 API 所需的凭证
为了在后续通过 API 调用大模型应用的能力，我们需要获取一个阿里云百炼应用的API-KEY 和应用 ID：
- 返回我的应用页面，点击查看我的API-KEY，在弹出窗口中创建一个新API-KEY。
2.在应用列表中可以查看所有阿里云百炼应用 ID。
2. 搭建回复微信公众号消息的服务
在让 AI 智能客服能准确回答问题之前，我们可以先尝试快速将 AI 智能客服集成到微信公众号中。
您可以通过我们提前准备好的应用模板，快速搭建一个可回复微信公众号消息的服务。详细步骤如下：
函数计算提供的 免费试用额度 可以完全覆盖本教程所需资源消耗。额度消耗完后按量计费，对于本教程所涉及的函数，只在有访问的情况下会产生费用。
2.1 创建应用
通过我们准备好的应用模板，参考下图选择直接部署、并填写前面获取到的阿里云百炼应用 ID 以及 API-KEY，自定义配置一个 Token 用于微信公众号接收消息验证。
然后其他表单项保持默认，点击页面左下角的创建并部署默认环境，等待项目部署完成即可（预计耗时 1 分钟）。
这里需要填写阿里云百炼应用 ID 和 API-KEY，是因为我们预置的应用模板中包含了通过阿里云百炼应用调用大模型的代码，以便您在后续快速完成体验。
2.2 复制公网访问地址
应用部署完成后，您可以在应用详情的资源信息中找到函数资源，单击访问函数详情页面，在配置页签下查看触发器，复制 HTTP 触发器的公网访问地址，用于下一步配置。
3. 引入 AI 智能客服
3.1 在微信公众号后台开启服务器配置
访问微信公众号后台，在左侧菜单选择设置与开发 > 基本配置。在服务器配置单击启用。在表单中输入如下内容：
配置项 |
描述 |
示例值 |
服务器地址（URL） |
填入函数HTTP触发器的公网访问地址。 |
|
令牌（Token） |
自定义令牌信息，用于验证消息来源是否是微信公众号。 |
airobot |
消息加解密密钥（EncodingAESKey） |
代码示例使用明文，不会真实使用。 |
随机生成 |
消息加解密方式 |
演示示例选择明文模式 |
明文模式 |
3.2 验证公众号上的 AI 智能客服
现在，您可以访问公众号并发送消息，即可收到 AI 智能客服的回复。
4. 为 AI 客服增加私有知识
通过前面的步骤，您已经拥有了一个可以和客户对话的 AI 智能客服。但是，如果想让 AI 智能客服像公司员工一样，更加精准且专业地回答与商品相关的问题，我们还需要为大模型应用配置知识库。
假设您是一家售卖智能手机的公司。您的网站上会有很多与智能手机相关的信息，如支持双卡双待、屏幕、电池容量、内存等信息。不同机型的详细配置清单参考：阿里云百炼系列手机产品介绍.docx。
4.1 配置知识库
接下来，我们可以尝试让大模型在面对客户问题时参考这份文档，以产出一个更准确的回答和建议。
2.建立索引：进入知识索引，根据引导创建一个新的知识库，并选择刚才上传的文件，其他参数保持默认即可。知识库将为上一步骤中准备的文档建立索引，以便后续大模型回答时检索参考。
选择向量存储类型时，如果您希望集中存储、灵活管理多个应用的向量数据，可选择ADB-PG。
3.引用知识：完成知识库的创建后，可以返回我的应用进入到刚才创建的应用设置界面，打开知识检索增强开关、选择知识库，测试验证符合预期后点击发布。Prompt 中会被自动添加一段信息，以便大模型在后续回答时参考检索出来的信息。
4.2 检验效果
有了参考知识，AI 智能客服就能准确回答关于您公司的商品的问题了。
总结
通过前面的学习，您已经能搭建一个大模型 RAG 应用，并且将其以 AI 智能客服的形式添加到微信公众号中来应对客户咨询，整个过程仅需 0 元（免费试用额度内） 10 分钟。
应用于生产环境
在正式的将 AI 智能客服引入到您的生产环境之前，建议您了解如下信息：
服务端代码
前面创建的示例服务代码中，包含了一个调用大模型获取答案的函数，具体实现代码在文件index.js中。
函数计算应用在没有访问时不产生任何费用，您完全可以保留此函数应用，在后续用作调用大模型的转发服务。
当前实现消息回复能力是基于微信公众号的被动回复消息功能，此功能限制了消息最大响应时长为 5 秒。如果 AI 应用回复超出5秒代码会自动截断回复并返回给用户。如果您的微信公众号完成了企业认证，您可以开通并使用客服消息功能来解决这个问题。在示例代码中做如下修改，即可使用客服消息。您也可以直接使用阿里云AppFlow 0 代码创建一个使用客服消息的应用。
应用评测
建议在正式上线 AI 智能客服前，组织业务人员一起参与应用评测，确保大模型应用的回答效果符合预期。如果不符合预期，可以通过优化提示词、完善补充私有知识、调整文档切分策略等方法来改进回答效果。
持续改进
大模型课程
系统体验的改进优化永远没有终点，您可以考虑学习并通过阿里云大模型 ACA 认证，该认证配套的免费课程能帮助您进一步了解大模型的能力和应用场景，以及如何优化通过大模型的应用效果。
