在智能客服系统中，AI 回复能力一直是核心竞争力。市面上的大模型平台五花八门——OpenAI、Coze（扣子）、Dify、FastGPT……每个平台的协议各异，接入成本高。更麻烦的是，很多团队有自研的知识库或私有化部署的模型，无法直接对接。

我们最近在客服系统中上线了一个新能力：自定义 HTTP 智能体。你不需要在客服系统里改一行 Go 代码，只要自己写一个 HTTP 接口，返回规定的 JSON 格式，就能把你的私有大模型接入客服系统。

引用原文：客服系统接入自定义大模型：一行代码都不用改，写个 HTTP 接口就够了

四种模式分别是：

自定义 HTTP 模式详解

这是本文的重点。当 BigModelName 配置为 http 时，触发自定义 HTTP 智能体路径：

请求格式（系统 → 你的接口）

系统会以 POST 方式向你的接口发送 JSON，Content-Type: application/json，Body 包含以下字段：

json

{
  "visitor_id": "访客唯一ID",
  "visitor_name": "访客昵称",
  "avatar": "访客头像URL",
  "content": "用户发送的消息原文",
  "kefu_name": "当前客服名称"
}

响应格式（你的接口 → 系统）

你的接口只需要返回一个字段：

json

{
  "result": "你的智能体回复内容"
}

系统通过 gjson.GetBytes(respBody, "result") 解析，取到 result 的值后，会自动以客服身份发送给访客。

超时与错误处理

后端 HTTP Client 已配置 120 秒超时

这意味着：

• 你的接口有 2 分钟 的完整处理时间
• 超时或网络错误会打印日志 "http智能体调用失败"，不影响系统其他功能

实践：写一个最简示例

用 Python（Flask）举例，仅需 20 行代码：

python

from flask import Flask, request, jsonify

app = Flask(__name__)

@app.route('/my-agent', methods=['POST'])
def my_agent():
    data = request.get_json()
    user_message = data.get("content", "")
    visitor_name = data.get("visitor_name", "用户")

    # 这里接入你自己的逻辑：
    # - 调用 OpenAI / Claude / 文心一言 / 通义千问
    # - 查询知识库 RAG
    # - 基于规则的自动回复
    reply = f"你好 {visitor_name}，你问的是：{user_message}。我是自定义智能体！"

    return jsonify({"result": reply})

if __name__ == '__main__':
    app.run(port=5000)

然后在客服系统后台：

• 选择智能体知识库平台 → http
• 接口地址 → xxxxxx
• 接口密钥 → 可留空（或你自行在接口中校验）

完成！

对比其他模式

总结

http 模式的核心优势在于 解耦——客服系统不需要知道你的模型是什么、部署在哪里、用了什么协议。它只管把用户消息和访客信息传给你，你返回一个字符串，它帮你投递给用户。

这种设计让你可以：

• 接入私有化部署的大模型（如公司内网的 Llama、ChatGLM）
• 实现基于规则的自动回复（查数据库、调内部 API）
• 组合多个模型做一个路由层（简单问题用规则，复杂问题走大模型）
• 在返回结果前做后处理（敏感词过滤、格式美化）

可以说，客服系统变成了一个纯粹的”消息管道”，智能对话的全部逻辑都由你掌控。