今天给大家讲一个汽配行业真实在用的AI落地案例。
我们做了一款浏览器插件，专门适配抖音小店的飞鸽客服，能借助AI自动回复买家的各种咨询。汽配行业的痛点很明显，车型繁杂、零配件种类多，每个配件还对应专属商品链接，人工挨个回复效率太低。
整套流程是这样的：浏览器插件抓取到买家发来的咨询消息后，直接把消息导入扣子工作流。工作流第一步先调用知识库检索，匹配店铺里对应的配件、车型和商品链接；检索出来的资料会同步给到大模型，大模型结合买家提问、检索到的商品信息，再加上提前设置好的专属提示词，自动生成标准回复。
举个例子，买家问“25年迈腾用哪款机油”，这条咨询会先进知识库筛选店铺里适配这款车的机油商品链接，大模型拿到链接和用户问题，再按照预设话术自动作答。
这里重点说下知识库的搭建，很多汽配商家一开始不懂AI，以为直接把店铺链接表格丢给AI就能用，其实完全不行，原始Excel表格AI识别效果很差，必须先做数据整理，转换成Markdown格式。
我们配套了表格转Markdown的工具，店铺的车型、配件参数、商品链接这些信息都在Excel里，导入工具后按行拆分，保留表头，转换成带竖线分割的标准Markdown文本。这种格式大模型能清晰看懂表格里每条数据的对应关系，纯Excel表格AI很难区分各项参数。转换完成后下载文件，上传到AI知识库就能投入使用。
知识库配置还有两个关键参数要调：召回数量和匹配度。召回数设置太低，检索出来的参考商品少，AI就容易出现找不到对应配件的情况；匹配度适当调低，能检索到更多相关资料给大模型做参考，最终回答效果全靠提前写好的提示词规范。
很多人觉得AI回答死板、不贴合需求，其实是没搞懂两种AI工具的区别。大家平时用的AI Agent，是在对话框里临时提要求，系统会临时记住指令；但这种对接电商的线上知识库工作流不能这么操作，对外开放的渠道如果靠对话框临时提要求，很容易被外部消息打乱逻辑。
所有回复规则、店铺特殊说明，必须提前写进系统固定提示词里。举个例子，店铺不卖雨刮，要求买家咨询雨刮去直播间下单，这条规则就要提前录入提示词，只要有人问雨刮相关问题，AI就会自动引导对方去直播间。
整套工作流配置、调试完毕发布后，搭配浏览器插件，就能在抖店飞鸽网页端自动回复买家消息，直播间评论区的咨询也能同步处理。直播时观众在评论区提问，插件抓取评论内容对接工作流，AI自动生成回复，不用客服手动盯着。
之所以必须用浏览器插件实现，核心原因是抖音电商、直播平台没有开放对外接口，没法直接对接我们搭建好的AI工作流，平台本身也不支持自定义AI对接，只能靠外部浏览器扩展抓取页面消息、打通工作流。
顺带对比一下其他场景：如果是自家官网、自有APP的咨询入口，对接会简单很多，页面和后台都由自己掌控，可以直接开发接口对接AI工作流；但第三方电商、直播平台不受我们管控，只能依靠浏览器插件这种外部工具实现自动化智能接待。
整体这套方案不是空泛的AI概念，是汽配商家真实落地在用的工具，专门解决汽配类目车型配件多、客服回复量大、直播咨询无人及时回应的实际难题。
