本文介绍了开源的 AI Agent 客服系统 AgentDesk，它支持知识库问答、人工接管、工单闭环和私有化部署。AgentDesk 专为处理在线咨询、知识库问答和人工协同设计的 AI Helpdesk 基础系统。文章详细展示了系统的界面和功能，包括客户侧在线咨询、客服工作台、知识库、模型配置和 AI Agent 编排。此外，还介绍了系统的核心能力和适用场景，如官网在线客服、SaaS 产品支持、AI + 人工混合接待等。AgentDesk 使用 Apache-2.0 开源协议，技术栈包括 Golang、Next.js、SQLite/MySQL 和 Qdrant 等。项目地址：https://github.com/huabeitech/agent-desk。
一、开源项目简介
AgentDesk
开源的 AI Agent 客服系统，支持知识库问答、人工接管、工单闭环和私有化部署。
面向需要同时处理在线咨询、知识库问答、人工协同和服务跟踪的团队。它不是把 LLM 接进聊天框，而是一套围绕客服场景设计的 AI Helpdesk 基础系统。
二、开源协议
使用Apache-2.0开源协议
三、界面展示
产品预览
客户侧在线咨询、客服工作台、知识库、模型配置和 AI Agent 编排都在同一套系统中完成。
客户侧在线咨询
客户可以在 Web 聊天页中直接发起咨询。AI Agent 会先接待，基于知识库回答问题；当用户明确要求人工介入时，会触发转人工确认流程。
客服工作台
客服工作台支持会话列表、消息处理、AI 转人工、客服回复、会话标签、关联客户和工单信息查看，适合客服日常接待使用。
知识库与 AI 配置
| 知识库 FAQ | AI Agent 配置 |
 |  |
知识库用于沉淀 FAQ、文档和可检索内容；AI Agent 可以绑定模型配置、知识库、Skills 和工具能力，形成面向具体客服场景的智能客服实例。
模型配置
模型配置支持 OpenAI-compatible 接入方式，可分别配置大语言模型、向量模型和重排模型，并管理上下文、输出、超时、重试和启用状态。
四、功能概述
为什么选择它
- AI 先接待
让 AI Agent 优先处理常见问题、标准流程和知识库问答。
- 知识约束回答
通过 RAG 和 Answerability Gate 判断知识片段是否足以回答，减少超出知识库范围的乱答。
- 自然转人工
当知识库不足、用户明确要求或流程需要人工确认时，进入人工接管。
- 会话到工单闭环
在线会话、客服接待、工单创建、状态流转和处理记录在同一套系统里完成。
- 适合二次开发
后端使用 Go，前端使用 Next.js，支持 Skills、MCP 和 OpenAI-compatible 模型接入。
- 可私有化部署
支持 SQLite / MySQL 和 Qdrant，适合本地体验、内网部署和企业自托管。
核心能力
- AI Agent 客服
AI 优先回复，支持兜底、确认、工具调用和人工协同。
- 在线会话系统
支持访客会话、消息收发、未读状态、会话分配、转接和关闭。
- 客服工作台
客服可接管会话、回复用户、转接同事、关联客户和创建工单。
- 知识库 RAG
支持知识库、文档、FAQ、切片、向量检索、检索日志和质量分析。
- Answerability Gate
判断检索内容是否足以支撑回答，不足时返回兜底提示并建议联系人工。
- 工单系统
支持从会话创建工单、分类、指派、状态流转、进展记录和闭环处理。
- 客服组织管理
支持客服档案、客服组、排班和自动分配能力。
- AI 扩展能力
支持 Skills、MCP 调试和外部工具接入。
- 多入口接入
提供管理后台、客服工作台、客户侧 Web 页面和嵌入式 SDK。
适用场景
- 官网在线客服
- SaaS 产品支持
- AI + 人工混合接待
- 企业内部服务台
- 售后、报障、投诉和运营支持
- 需要知识库问答与人工协同的客服团队
五、技术选型
技术栈
- Backend：Golang + Gin + GORM + github.com/mlogclub/simple
- Frontend：Next.js 16 + React 19 + shadcn/ui + Tailwind CSS
- Database：SQLite / MySQL
- Vector DB：Qdrant
- AI：OpenAI-compatible LLM / Embedding + RAG + Skills + MCP
项目结构
.├── cmd/ # server / migration / generator / testdata├── internal/│ ├── bootstrap/ # 启动、路由、数据库和迁移初始化│ ├── builders/ # model / 聚合结果到 response DTO 的映射│ ├── handlers/ # dashboard / api / third HTTP handlers│ ├── middleware/ # Gin middleware│ ├── migration/ # 幂等数据迁移│ ├── models/ # GORM models│ ├── repositories/ # 数据访问层│ ├── services/ # 业务编排和事务边界│ ├── ai/ # LLM / RAG / Runtime / Skills / MCP│ └── pkg/ # config / dto / enums / httpx / utils 等基础包├── web/ # Next.js 前端工程│ ├── app/dashboard/ # 管理后台与客服工作台│ ├── app/support/ # 客户侧接入和聊天页面│ ├── components/ # React 组件│ ├── lib/ # API client、SDK 源码和工具函数│ └── public/sdk/ # 构建后的嵌入式 SDK├── config/ # 配置文件├── docker/ # Docker 配置└── docs/ # 项目文档
常用命令
make dev # 同时启动后端和前端开发服务make run # 构建前端 SPA 后启动后端make run-go # 启动后端，自动确保 SPA 已构建make web-dev # 启动前端开发服务make build # 构建前端 SPA 和当前平台 Go 二进制make build-linux # 构建 linux/amd64 二进制make release # 构建常用平台二进制make web-build-spa # 构建 web 静态 SPA 和嵌入式 SDKmake test # 运行 Go 测试，自动确保 SPA 已构建make check # 运行 Go 测试、前端 typecheck 和 lintmake generator # 执行代码生成make enums # 生成前端枚举make migration # 执行 migrationmake testdata # 初始化中文演示/测试数据make testdata TESTDATA_LANG=en # 初始化英文演示/测试数据
六、源码地址
开源项目地址：
https://github.com/huabeitech/agent-desk
最后
如果说程序员已经是高薪职业，那么干AI的程序员，就是高薪中的高薪。
现在的市场，已经用数据给程序员指明了方向：学AI大模型，就是冲刺高薪的最优解！
看着身边越来越多的同行转型大模型、拿到高薪offer，很多人心里都动了心，但真正的难题来了：零基础小白不知道从哪入门？有基础的程序员找不到系统学习路径？实战项目练手无门？面试不知道考什么？
别慌！今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包，覆盖从入门到实战、从理论到面试、从基础到进阶的全流程，所有资料均已整理归档，无冗余、无套路，免费分享给每一位想抓住AI风口的程序员和小白！
👇👇扫码免费领取全部内容👇👇
1、大模型系统化学习路线
2、大模型学习书籍&文档
3、AI大模型最新行业报告
4、大模型项目实战&配套源码
5、大模型大厂面试真题
四阶段精细化学习规划（附时间节点，可直接照做）
结合上述资源，给大家整理了一份可直接落地的四阶段学习规划，总时长约2个月，小白可循序渐进，程序员可根据自身基础调整节奏，高效掌握大模型核心能力，快速实现从“入门”到“能落地、能面试”的跨越。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
👇👇扫码免费领取全部内容👇👇
6、这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
这份完整版的大模型 AI 学习资料已经上传优快云，朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
77
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
