官网友情链接 wechatapi.net
AI 微信机器人越来越常见。
很多团队把大模型接入以后，最初的流程非常直接：
客户发消息；
调用模型；
模型生成答案；
直接发送。
这个方式体验很快。
但进入真实客户服务以后，会发现一个问题：
模型生成出来的内容，不一定每次都适合直接发给客户。
可能涉及价格；
退款；
合同；
隐私；
账号安全；
复杂售后。
如果所有 AI 输出都自动发送，风险会很高。
所以更成熟的微信智能客服系统，往往会增加一层：
回复候选。
WechatApi 可以作为微信API 接入层，把客户消息送入业务系统。AI 生成内容以后，不一定立即发送，而是先形成候选，根据风险和场景决定自动发送还是人工审核。
一、回复候选是什么
回复候选可以理解为：
AI 已经生成了建议答案，但还没有真正发送。
它可以有：
原始消息；
上下文；
知识库来源；
AI 输出；
风险等级；
建议动作；
候选状态。
这样 AI 和"真正发送给客户"之间有一道控制层。
二、为什么需要候选层
因为不同问题风险不同。
比如：
"你们几点上班？"
可以自动发。
"我要退款。"
更适合人工确认。
"合同怎么改？"
不应该让 AI 自由回答。
所以不能所有消息用同一策略。
三、候选状态怎么设计
可以有：
待生成；
已生成；
待审核；
已批准；
已发送；
已驳回；
已改写；
已过期；
已转人工。
这样流程完整。
四、一个具体例子
客户问：
"这个套餐能不能退款？"
AI 根据知识库生成：
"可以，您可以申请退款。"
如果直接发送，但真实业务规则并不是无条件退款，就有风险。
候选层识别到：
退款关键词。
风险等级高。
自动进入人工审核。
客服看到 AI 建议以后，可以改成：
"退款需要根据当前套餐和使用情况确认，我帮您核实。"
然后发送。
这样更安全。
五、低风险问题仍然可以自动发送
候选层不是为了让所有回复都人工审核。
普通 FAQ 可以：
生成候选；
自动通过；
立即发送。
这样系统仍然高效。
六、风险评分可以怎么做
可以考虑：
关键词；
客户等级；
问题类型；
知识库命中率；
模型置信；
是否涉及金额；
是否涉及投诉；
是否有未关闭工单。
高风险转人工。
低风险自动发送。
七、知识库命中很重要
如果 AI 完全没有命中知识库，仅靠模型自由生成，风险可以提高。
例如：
知识库有明确答案 → 低风险。
知识库无结果 → 候选人工确认。
这比只看模型回答更合理。
八、上下文不完整时也不要直接发
客户只说：
"这个不行。"
信息太少。
AI 即使生成回答，也很可能不准确。
可以生成候选：
"请问具体是哪个操作出现问题？"
这种澄清型回复风险更低。
九、人工修改也要记录
AI 原始回答和人工最终回答都要保存。
这样后续可以分析：
哪些问题 AI 最容易被修改；
哪些知识库需要补充。
十、WechatApi 在回复链路中的位置
WechatApi 负责：
微信消息；
私聊；
群聊；
文件；
语音。
业务系统负责：
上下文；
知识库；
AI；
候选；
审核；
发送。
分层以后更清晰。
十一、微信群更适合候选模式
群聊机器人输出影响所有群成员。
所以高风险回答更应该先候选。
普通 FAQ 自动发。
复杂问题转人工。
十二、候选过期
如果候选长时间没人处理，不能一直存在。
可以：
提醒；
升级；
转人工接管；
过期关闭。
十三、候选和人工接管联动
候选被驳回后，可以自动进入人工接管。
这样不用重新创建流程。
十四、数据看板
可以统计：
自动发送率；
人工审核率；
AI 修改率；
候选过期率；
高风险问题类型。
这些数据对优化 AI 很有价值。
十五、权限
普通客服：
审核普通候选。
主管：
审核退款、投诉。
管理员：
修改风险规则。
不同级别不同权限。
十六、日志
每次候选要记录：
原始消息；
AI 输出；
风险判断；
审核人；
最终内容；
发送结果。
这保证可追溯。
十七、总结
AI 微信机器人真正进入业务以后，不能只追求"回复快"。
还要追求：
回复可控；
风险可判断；
人工可介入；
历史可复盘。
WechatApi 可以作为个人微信API 接入层，把微信消息接入 AI 系统。
回复候选层则让模型输出从"直接动作"变成"可审核建议"。
微信二次开发做到生产级以后，这种中间层非常重要。
它让低风险问题保持自动化，高风险问题保留人工控制。
这比所有 AI 内容直接发送更加稳定，也更适合长期客户服务。