本文将带你零基础体验，用 AI + Cursor 搭建一个智能客服助手：
Hi，我是小石。
上一篇我们横着评测了各种智能体平台，看起来功能是一个比一个炫，但真要落地做个客服，发现坑还真不少：流程复杂、调试繁琐、不好改不说，动不动就卡壳。于是我当时尝试了：不用平台，改用 Cursor 和 AI 助手从零搭建一个客服智能助手。
今天这篇就是还原这个场景，挑战一件事：“跟 AI 聊聊天，就能把客服智能体做出来”
简单说就是让 Cursor 帮你写代码，你只负责说清楚你想干嘛，它负责把项目一步步搭起来，你也一起来看看成本和效率到底如何。
🌟 开篇要先说明，此次的示例需要使用到的工具需要用到科学翻墙的能力，跟着尝试前请留意
几个关键词解释
Cursor 是什么？
结合 ChatGPT 和 Claude 等AI大模型的代码编辑器，能帮你想，写、查、改、测代码，像 AI 编程助理。
Cursor Rules 是什么？
Cursor规则，就像你给它下达“开发规范”命令，比如只用 Python，必须写带注释的代码。这种规则非常灵活，支持用户，项目，文件夹多种维度，本期我们只关注项目内
Memory Bank 是什么？
顾名思义，记忆库，就像一个项目备忘录，把你的需求、计划、规则记住，后续引用，防止AI忘记。
LangChain 是什么？
是一个构建 AI 应用的开发框架，就像“拼乐高积木”的底座，我们用它来处理问答逻辑。
RAG 是什么？
Retrieval-Augmented Generation（检索增强生成），简单说：先从知识库找信息，再由 AI 来回答。
实战流程一览
我把整个构建过程拆成了 8 个步骤，整个过程我全程“用嘴写项目”，下面是完整复盘，你也可以边看边试。
Step 1：告诉Cursor我要做什么
先打开 Cursor 创建一个空的项目目录，名字建议英文
进入界面后可以点击右上角「齿轮」左侧的分割按钮，打开AI聊天会话框好了接下面这里就是我们的主战场了。
开始我们要先说明我们的需求，像下面这样
🟢 你：
2. 能够将我提供的文档转化成知识库，从里面找到和提问内容语义接近的结果3. 如果找到，让大模型结合知识库内容回复客户问题
4. 如果找不到，让大模型告知用户“这个问题暂时无法提供帮助” 把这个项目目标保存成文件，命名为「客服项目目标」。
✅ Cursor：
你的项目目标已保存为「客服项目目标.md」文件。
小Tips：记得每次cursor执行文件操作后，点击小对号或者「Apply xxx」按钮确认执行，如图所示
Step 2：请Cursor告诉我怎么做（让AI先设计方案）
接下来让AI帮我们规划项目如何开发：
🟢 你：
根据项目目标，给我一份简单的实现方案，满足所有目标要求。 请用普通人能看懂的语言告诉我，每一步要做什么。
✅ Cursor：
看，AI分析的有模有样的，还不错，接下来别忘了让它帮我们把方案存下来
🟢 你：
✅ Cursor：
Step 3：请Cursor自动选技术工具
下面也是比较重要的一部，让AI帮助我们分析项目实现的技术方案
🟢 你：
在这些步骤里，用哪些工具或技术最适合我这个零基础用户？ 请先推荐，再解释原因。
✅ Cursor：
当然因为Cursor 默认使用的是 Claude，所以默认推荐的都是国外的技术栈，开篇我们也提到了，这个示例需要科学翻墙的帮助，所以不会有什么影响，但是如果你想尝试可以提醒它重新修改，或者某项技术使用你熟悉的，比如：
我在国内，有些技术无法使用，寻找国内的一些替代方案，如果可以本地使用的可以不更换，大模型使用openRouter
如果大模型给你的结果你看不太懂，也没关系，我将我这边的结论贴一下，有需要的同学自取，当然你也可以让大模型一步步给你解释，这也是学习的好机会，记得提醒它你是个小白哦，你不需要懂原理，知道技术能做什么更重要：
## 智能客服AI国内可用技术方案（大模型用OpenRouter）### 1. **对话系统界面**- **推荐：Streamlit 或 Gradio**- **原因**：这两个都是纯Python工具，安装简单，国内可用，适合零基础用户快速搭建聊天界面。### 2. **知识库建设与语义检索**- **推荐：ChromaDB（本地）、Milvus（国产开源）、Weaviate（本地）**- **原因**：ChromaDB和Weaviate都可以本地部署，Milvus是国产开源项目，文档齐全，国内社区活跃。它们都支持向量检索，适合做知识库。### 3. **文本向量化（Embedding）**- **推荐：OpenRouter支持的Embedding模型，或百度千帆Embedding API**- **原因**：如果OpenRouter支持Embedding模型，可以直接用；否则可以用百度千帆的Embedding服务，国内可用，注册方便。### 4. **大模型回复**- **推荐：OpenRouter API**- **原因**：OpenRouter聚合了多家大模型，国内可访问，支持多种模型（如GPT-3.5/4、Claude、GLM等），调用方式与OpenAI类似，文档完善。### 5. **记忆功能（对话历史存储）**- **推荐：SQLite**- **原因**：轻量级数据库，Python内置支持，适合本地存储对话历史，零基础用户易上手。---## 方案总结- **界面**：Streamlit/Gradio（本地可用）- **知识库**：ChromaDB/Milvus/Weaviate（本地可用）- **向量化**：OpenRouter Embedding模型 或 百度千帆Embedding- **大模型**：OpenRouter API- **记忆**：SQLite---
最后，很关键的一步，技术方案是在我们实现功能的基本要求，要让AI记住，这边我们要求Cursor把这个技术方案写到Cursor Rules里面
创建.cursor/rules目录, 写入当前项目的项目规则，内容是上面的技术要求
记得对AI的改动点击接受/accept 和 小对号 哦！
之所以要写入数据到.cursor/rules目录这是Cursor的规则，每次执行都会将这部分内容给AI进行学习，当然你也可以主动要求AI每次在执行前先读读技术方案，结果是一样的。
那么现在，看看 Cursor 左侧的项目目录应该类似这样的
Step 4：让Cursor负责所有后续操作
项目目标，实现步骤，项目开发规则这些基础内容完成后，这一步我们就可以开始项目的开发了。
什么？有点慌？
别害怕，孩子！跟着我一步一步来，你也可以成为一个称职的程序员，体验体验互联网民工的一天是多么有趣。
这一步我希望降低一点难度，所以给AI提出2个要求
🟢 你：
从现在开始，根据项目步骤，我们开始这个项目的开发。 我希望你能主动告诉我下一步该做什么，一步一步指导我，每次先解释，再给出我需要做的操作。
✅ Cursor：
这里注意一下下面的卡片，这个是命令行工具卡片，点击「Run 」让AI替你执行并检查是否正确。
什么是命令行工具？
额…不重要，你只要理解命令行就像厨房的灶台，上面AI的回复大致意思就是在灶台上备菜呢，要不等会怎么「炒」。
如果你遇到他没有执行，只是记录执行步骤到项目执行文档的情况，别着急，直接指挥它干活就好。比如：
OK，经过AI的不懈努力(30s)，它给我打开一个网站
很好，第一步完成了，给自己鼓鼓掌吧。
我们进入下一步
Step 5：实现知识库
前端的界面完成后还记得下一步干嘛么？不记得可以去项目步骤的文件看看，这也是我们为什么要让AI记录项目执行情况的原因，所以什么时候进度都不会丢。
如果你没看懂，别着急，直接问问AI「下一步该干嘛了？」 或者直接命令它 「继续下一步」，时刻记着，AI是记得之前我们聊过什么
🟢 你：
✅ Cursor：
如果你发现AI还是在写文档，可以继续补一句，「替我执行上述操作」，最终经过你的一系列确认后AI会告知你他完成哪些内容，并且按照我们之前的要求，告知你下一步是什么任务。
如果你已经有需要切片的知识库内容，你可以直接放到上个步骤的docs目录下
或者你也可以让AI帮你生成一个简单的文档，直接让AI生成到docs下
🟢 你：
请帮我生成一份示例的常见问题和答案，并新建一个“faq.txt”文件存放这些内容，我只想要最简单的问答格式。
✅ Cursor：
答：请在订单页面点击“申请退货”，填写退货表单，我们将在3个工作日内审核。
你看，完成不需要人类动手操作，AI是不是很腻害！
完成这些后可以按照AI的建议，让它执行脚本，试试看是否正常进行知识库构建：
🧯小Tips：遇到问题别慌！
AI 可能犯些低级错误（比如路径写错、忘了装库），你可以直接说：“你刚刚写的路径不对，帮我修一下”。它会道歉并改正的，别怕多说几句。
Step 6：让Cursor帮我进行RAG技术实现
到这一步应该轻车熟路了，很简单，继续让AI进入下一步即可。
这里我的AI犯了一个低级错误，因为前期在数据方案里面我推荐了OpenRouter，导致在矢量模型的方面AI直接使用的OpenRouter的接口，但是事实上OpenRouter只支持多模型的大语言模型，矢量模型是不支持的，所以在后续测试的阶段发现了问题。
这边需要挖个坑，我们其实上次只聊了RAG的基础知识，事实上 RAG 技术细节还没聊，这里知识库，矢量模型，矢量数据库可能大家看的有点晕，后面我们有机会再聊。
遇到这个问题，别着急，有很多替代的方案可以用，比如接入智谱，百度，阿里的大模型api，你可以让AI去帮你完成修改，但是其实最简单的还是本地部署，因为AI选择的ChromaDB就是本地矢量数据库，也正好匹配。
这边我引导2次，让AI自主完成了这部分内容的修改
测试还有可能会遇到知识库内容没有被正确分割的问题，直接让AI修复即可，比如「知识库内容没有正确分片」
最后记得让AI执行测试，需要你自己输入内容简单测试一下
好了，最复杂和核心的部分已经完成了，可以松一口气了
Step 7：让Cursor写理解文档的程序
下一步就是Agent相关的内容了，还记得我们智能体的四要素么，回忆一下：策略、大脑、记忆和工具。
这里我们用代码执行的方式替代Agent使用工具的动作，然后类似工作流的步骤，完成和大模型的对接。所以这一步的目标：
当用户提问时，系统先用本地知识库检索出最相关的内容，然后把“用户问题+检索到的知识片段”一起发给大语言模型（如OpenRouter、智谱、通义千问等）。
大模型会根据知识库内容，生成一段更自然、专业的回复。
如果知识库没有相关内容，则直接回复“这个问题暂时无法提供帮助”
还老样子，直接引导AI执行下一步动作，如果他忘记了就引导它阅读项目步骤的文档记录
✅ Cursor：
简单总结AI在这一步帮我做了：
新建 generate_reply.py 文件，输入代码。
把 "你的OpenRouter API密钥" 替换为你的密钥。
运行 python generate_reply.py，输入问题，体验AI结合知识库自动回复。
这里很重要的一点是需要解决openRouter的apikey的问题，详细的教程可以参考知乎的介绍，这边就不赘述了：undefined。
记得openRouter要使用非免费的模型是需要按流量收费的，可以选择充值一点钱到账户内。免费的模型可以在模型的界面搜索「free」关键字，最近kimi2很火，openRouter已经有了免费的api支持，可以试试看
当拿到API key 的时候，可以按照如下方式让AI帮助你完成之前生成的文件中缺失的秘钥部分，并不需要自己动手。
Step 8：整合程序和聊天界面
还记得我们刚才开发的聊天界面么，没错，我们现在要把他们整合起来
代码内容就不截图了，大致的流程如下
新建 web_chat.py 文件，填入代码。
在终端运行：sh
Apply to web_chat.py
streamlit run web_chat.py
浏览器会自动打开本地网页，体验完整的智能客服对话。
下面是对话的截图，注意langChain初始化矢量库需要一点时间，别着急
成功了！！！
是的，为我们自己鼓个掌吧，你完成了你的第一个 Cursor 项目，体验了一下程序员的快乐，现在你也可以自豪的对着我说，程序员那点事，洒洒水啦！
体验感受
Cursor + AI 对话是不是比你想象中还丝滑，只要你表达清楚想做什么，AI就能基本帮你搭起来。过程更像是你在指导一个“懂技术的创业搭子”。当你从“写代码”变成“讲需求”，那种控制感和创造力的提升，很爽！
对比像 Coze、dify、n8n 这类低代码平台，Cursor 更灵活自由、可控性强，更容易 Debug 和调试，非常适合半专业选手或“懂业务”的朋友。
如果你想 完全掌控一个智能体的构建过程，并且希望在过程中理解每一环的逻辑 —— 那 Cursor 是你的好搭子；如果你只是想要个能跑起来的 Demo 快速验证，平台类工具可以更省事一些，看你的认知和取舍了。
写在最后
好了，本文不只是一次技术尝试，更是想告诉大家一件事：
现在做一个 AI 项目，真的不需要你是程序员了。
会打字、能表达需求、愿意尝试——你就已经走在大多数人前面了。
粤ICP备14082021号
免费POC，
零成本试错
