那种电商客服智能体，设计师智能体，是如何实现的

我也想知道

客服智能体现在已经很成熟了。
使用 LangGraph 做状态管理，识别用户到底是问产品，还是订单，还是售后，还是干嘛。
把相应的 RAG 和 MCP 构建好。关键是意图识别要准确。

@hoky 能生产可用的多不,我弄了两月了,还在搞权限系统,和上下文工程.头疼的很..

自己内部用的是不是可以简单点, 知识库配上提炼好的 SKILL/WorkFlow, 直接搭上 Codex 用, 或者其他的通用 Agent 工具

@zuokanyunqishi 我也做了一段时间客服 agent ，客服还要兼具着产品推荐角色，对话要遵循一定的营销策略，还要结合用户画像进行产品推荐

这个不算复杂， 首先确定你们的 agent harness 部分（比如是用现有的框架，opencode ，claude-code sdk ）都可以，这个是整个 agent 的核心。agent harness 部分就会解决很多基础的问题：比如你说的 context engineer ，这个有很多细节 比如 api 的 cache 控制（省钱），structured context （比如 system prompt, compacted section, running messages ），自动 compaction ，以及多模态的支持， 渐进式发现 skills ，等等 第二部分是 agent loop 的部分 包括 llm 的集成 已经 tool call 的处理，这里主要是 error handling 的部分，各种容错机制，retry 等等， 第三部分就是 扩展 比如 mcp 的集成， 当然这里很多细节。
简单来说就是选择一个 agent harness ，

第二部分就是应用层面了， 一般来说 不同的智能体他们的核心差别就是 skill + toolset 不同，因为 agent harness 是固定的， 你们要做的就是 提供不同的 tool （其实就是去对接你们需要的业务 比如你要投流，那么你们就要把投流封装成 tool ，然后用 skill 提供给 agent 即可）

如果感兴趣可以看看我写的： https://github.com/hoobean1996/wombat-go

可以用 AI 分析一下 基本还是够用的 我自己测试了不少，

既然都用 AI 了，其实你可以问问 AI ，怎么手搓一个 Agent

其实可以找一个现成 agent 来二开，比如 pi agent code 就不错。

@1wlinesperday 这个完全不接三方 agent sdk 包,纯自己实现的,值得学习关注了..

@1wlinesperday 看了之后，大受震撼。
原本以为就是一个知识库+一个 agent 的调用就行了，从大佬的说法来看，好像还有很多东西要去做

@hoky 我的想法和你很相近，有没有推荐的开源项目