业务问题
医美行业的获客链路是：广告投放 → 网络咨询 → 客服跟进 → 到店咨询 → 成交。客服是整条链路的咽喉，但客服团队面对大量重复咨询（项目价格、案例、地址），响应速度和话术质量直接影响到店率。企业想用 AI，但没有人能把「想用」变成「能用」。
方案：AI + 人工分层，而不是替代人工
我把客服需求拆成了明确的分层结构：
- 静态知识（项目介绍、地址、资质）—— AI 直接回答
- 动态数据（价格、活动）—— 接结构化数据源，AI 组织话术
- 案例发送、价格查询 —— 自动化动作，AI 触发
- 复杂咨询、意向客户 —— 转人工接管，AI 退出不添乱
定位是「AI 辅助客服工作台」，不是「全自动客服」。医美咨询涉及医疗判断和成交话术，AI 的正确角色是把客服从重复劳动里解放出来，帮客服多赚钱，而不是替代客服。
最硬的技术仗：UI 自动化的坐标地狱
方案基于微信桌面端自动化。微信没有开放 API，Hook 类方案（注入、协议）全部有封号风险，被我们排除。剩下的路线是屏幕识别 + 模拟操作——而它有一个天然噩梦：微信 UI 一更新，所有硬编码坐标全部失效，而且不同设备分辨率各不相同。
我最终放弃了硬编码坐标，改成双视觉模型交叉校准：用两个不同的视觉模型分别识别界面元素位置，结果互相校验，不一致时重试或降级。这让系统可以在微信更新、更换设备后自动适应，不再需要每次人工重标坐标。
生产加固
原型能跑和生产能用之间隔着一整套工程：
- 进程守护 + 健康检查，客服机无人值守也能自恢复
- 消息去重、会话状态管理，避免重复回复和串话
- 转人工的边界规则，确保 AI 不在敏感对话里逞强
- 多门店设备适配与部署流程
结果与反思
系统已在真实门店投入使用。这个项目教会我的最重要一课：AI 落地难在人和流程，不只在技术——客服激励、话术规范、跟进节奏，每一个都比模型选型更能决定成败。
UI 自动化方案天然脆弱，需要持续适配维护。这是这条技术路线的真实成本，我不回避它。