从 Intercom 的「$0.99 一次解决」，到 Chatwoot 把 AI 整个锁进 enterprise/，
再到 ChatGPT-On-CS 直接替你盯住 8 个后台窗口 —— 同一个需求，十一条完全不同的路。
这份报告把它们拆到定价页和代码行。
产品研究报告2026 年 10 月基于公开定价页、产品页与两个仓库的源码
01 全景
把这 11 个放在一起，会看到一条清晰的分界线：谁掌握渠道，谁掌握结果，谁掌握工作流。 定价方式比功能清单更能说明它们是谁。
4 个
共同点：客户为「解决问题」或「AI 的工作量」付费。
5 个
共同点：按坐席 + 模块询价，交付能力就是竞争力。
1 个
共同点：把「客服系统」变成基础设施，AI 是你自己的事。
1 个
共同点：卖「省人」，用稳定性换覆盖度。
决定架构的不是模型，是渠道；
决定价格的不是功能，是你按什么计量。
02 国际 SaaS
Intercom 收 $0.99 一次解决，BoldDesk 收 AI credits，Decagon 干脆不公开价。 这四家的共同动作是：把「人工坐席」从收入模型里挪出去。
把 helpdesk 和 AI Agent 做成同一个产品，让人工对话反向喂养 AI。
人工与 AI 共享会话、知识与记录。每条人工对话都在给 Fin 补知识——这是它宣称「每次对话都让下一次更好」的工程基础。
$0.99 / 每次解决（resolution），而不是按坐席或按消息。这是行业定价的分水岭：客户为「问题被解决」付费。
Simulations 用完整模拟对话压测 Fin，覆盖多步骤复杂请求，再放量。
接 Salesforce / HubSpot / Freshdesk 等现有 helpdesk，$0.99 一次。等于把 AI 单独卖给存量客服系统。
不做客服系统，做「每个客户一个礼宾」——把高端服务体验当成产品。
Agent Operating Procedures 让运营用自然语言定义 agent 该怎么做（含 @工具、条件分支），而不是画流程图。改行为像改文档。
把「构建 agent」这件事本身交给模型，形成自我改进闭环。
Simulations 大规模模拟、Experiments 做线上 A/B、Watchtower 做持续质检——把 agent 当产品迭代，而不是当项目交付。
检测个人助理类 agent 并开专用通道，等于提前占位「agent 与 agent 对话」的场景。
把「人工坐席」打包进套餐，只对 AI 的工作量收费——直接对冲 AI 省人却照付坐席费的矛盾。
低 1.5 / 中 4 / 高 10 credits，取决于需要多少上下文、要调几个系统——不取决于是否解决。和 Intercom 的按结果计价正好相反。
Support（接待）、Background（后台跑流程）、Assist（辅助坐席）、Builder（搭建），把「AI」拆成可采购的零件。
从 Zendesk / Freshdesk 迁过来，免费迁移 + 合同期内免费用，专打存量替换。
Syncfusion 25 年、41K+ 企业客户、80% 的 Fortune 500 用过其组件；SOC 2 / GDPR / HIPAA、99.9% SLA。
名字是 Voice of Customer——今天打开它，已经不做客服，改做亚马逊评论洞察。
输入一个 ASIN，60 秒产出评论分析：卖点、痛点、竞品对比。分析平台 $99 / $299 每月，API / MCP 订阅 $38 / $99。
这是「客服工具不好卖、经营洞察好卖」的活样本。卖家愿意为选品决策付费，但不愿为「回得更快」付费。
客服产品的资产是对话，它的资产是评论与商品数据——所以转型不需要重写产品，只需要换数据源。
如果你在做的 AI 客服，把「对话数据 → 经营决策」这条链路做出来，可能比把回复准确率从 80% 提到 85% 更值钱。
03 国内云厂商
国内这五家很少公开价格，因为卖的不是软件，是「帮你把系统跑起来」。 但产品形态已经分岔：两家的核心是 Agent 平台（瓴羊、火山），三家的核心是客服与联络中心。
它卖的不是机器人，是一套交付方法：知识底座 + Agent 平台 + 人机协同 + 质检闭环。
问题库精确匹配 → 相似匹配 → 都不中才走大模型。可干预、成本低、可回归。
Mind Studio 把清洗、结构化、关系整理放在离线阶段，多业务共用一份知识底座（层级 / 属性 / 关系型检索）。
确定流程走可视化工作流（可预审、调试、审计），探索任务才交给自主编排；配 TraceID、Benchmark 做评测闭环。
按售前 / 售中 / 售后自动转分流组，再做摘要、推荐答案、话术润色——AI 不是兜底，是主力。
它不是客服产品，是 Agent 工厂——客服只是四个场景里的一个。
营销、分析、客服、运营。电商客服 Agent 直接联动店小蜜，覆盖售前到售后。
资源广场汇模型、数据、行业资产；隐私计算 + 安全屋解决「数据要共用但不能出域」。
工作空间是「搭建 → 评测 → 分析 → 调优」的全周期管理——这是大客验收的硬要求。
天猫、高德、钉钉、夸克、店小蜜，链路从洞察到履约都在阿里体系内。
「数字员工派遣站」：卖的是 agent 的运行时、治理和工具接入层。
可派遣（部署）、可协同（多 agent）、可度量（观测）、可持续进化（迭代）——它把平台能力翻译成了管理语言。
企业内部系统的接入层。谁掌握网关，谁掌握 agent 能碰到的工具与数据。
提示词、插件 / MCP、知识库、工作流并列，不把「知识库」当唯一答案。
飞书、钉钉、微信、API、WebSDK；支持私有化与自有算力托管。
国内最早一批「用大模型重做客服」的产品，主打低延时、拟人、1 小时上线。
从「意图识别率」换成「自助解决率 90%、运营成本降 48%」——整个行业的度量标准都在从模型指标转向业务指标。
知识自动学习、预制技能与模板、LLM 辅助生成意图 / 实体 / FAQ / 话术，把实施周期压到 1 小时级。
由旧版智能对话平台升级而来，老客户的迁移路径是这类云产品的隐形负债。
公众号等主流服务渠道一键接入，低代码配置 + 场景级 API。
强项在「打电话」，文本机器人是它在补的课；渠道广、交付重、销售驱动。
外呼、智能质检、坐席助手是它的基本盘，文本机器人是顺着大模型补上的入口。
公众号、小程序、企微、钉钉、抖音、Web、H5、App 一个后台统一管理，路由 / 排队 / 访客识别齐全。
支持上传文档生成问答，减少人工枚举相似问——和七鱼、百度是同一套打法。
独立解决率 85%+、人力成本省 70%+，仍是厂商自述。
04 开源与外挂
一家把系统开源、把 AI 锁进收费目录；另一家干脆不接 API，直接模拟人。 它们代表了两种绕开「大厂标准答案」的方式：掌握代码，或者掌握窗口。
把客服系统白送你，AI 单独收钱——开源负责获客，Captain AI 负责变现。
全部 Captain 代码在 enterprise/ 目录，Community 版连 AI 入口都没有。MIT 只覆盖「无聊但必须」的接待层。
V1 是一大段 instructions，V2 改成 scenario + tools + guardrails；还写了 rake 任务把老客户的 prompt 自动迁移成草稿。
内置只有 7 个：备注、私密备注、优先级、标签、FAQ 检索、关单、转人工。业务动作走自定义 HTTP 工具。
按 episode 记录 handoff_at / resolved_at / CSAT，用 6 类原因归因转人工（客户要求 / 知识缺失 / 不支持 / 政策限制 / 工具失败 / 待澄清）。
新消息到达丢弃旧回复、检测工具调用被当文本吐出、超长回复改写、TraceID + Langfuse 观测。
不接 API，直接替你盯 8 个后台窗口——覆盖所有正规厂商进不去的渠道。
Windows 桌面端 + 受控浏览器，用 DOM 自动化读消息、填输入框、点发送。驱动闭源下发，离开服务端跑不起来。
随机延迟、按人设拆句、截断商品卡片噪声、违禁词替换、先关键词后 LLM 的成本顺序。
鼠标移入、按 ESC、快捷键暂停、N 秒内已有人回复——模拟人工操作反而能拿到 API 永远拿不到的「真人介入」信号。
平台改版即挂、一人一机、封号与 ToS 风险；插件用 Node vm 执行用户 JS，等于任意代码执行。
仓库共 6 段录屏，这里放 3 段（共 24 MB，点击才加载）。
05 横向对照
| 产品 | 形态 | 对接 | AI 形态 | 计价 | 私有化 | 适合 |
|---|---|---|---|---|---|---|
| Intercom | SaaS | 自有渠道 + API | Fin Agent（同一 record） | 坐席 + $0.99/解决 | 否 | 英文市场中大型 |
| Decagon | AI 原生 SaaS | 自有 + 连接器 | AOP 编排 + Duet | 企业定制 | 否 | 北美大型品牌 |
| BoldDesk | SaaS 套件 | 全渠道 + 迁移工具 | 4 类 agent | AI credits，坐席含 | 否 | Zendesk 存量替换 |
| VOC.ai | SaaS（已转型） | Amazon 数据 | 评论分析（非客服） | $38–299/月 | 否 | 跨境卖家用洞察 |
| 网易七鱼 | SaaS + 私有化 | 15+ 渠道 SDK | 大小模型融合 + Agent | 坐席 + 模块 | 支持 | 国内中大型、要交付 |
| 瓴羊 AgentOne | PaaS 平台 | 阿里生态 + API | 场景 Agent 工厂 | 需询价 | 支持 | 阿里生态内大客 |
| 火山 HiAgent | Agent 平台 | MCP Gateway + IM | 数字员工 + 治理 | 按套餐/资源 | 支持 | 要内部 agent 中台 |
| 百度客悦 | 云 SaaS | 公众号等渠道 | 大模型重构对话 | 需询价 | 支持 | 国内云上快速上线 |
| 中关村科金 | SaaS + 私有化 | 8+ 渠道统一 | 文本机器人 + 呼叫 | 需询价 | 支持 | 有呼叫中心需求 |
| Chatwoot | 开源自托管 | 自有 API/SDK | Captain（收费层） | $0 起 / credits | 支持 | 有工程团队 |
| ChatGPT-On-CS | 桌面外挂 | 模拟操作网页 | LLM + 插件 | 激活码 / 订阅 | 本质本地 | 无 API 的渠道 |
价格与能力取自 2026-10 的公开页面；国内五家均未公开报价，标注「需询价」。
06 计价模型
这是这份报告里最容易被忽略、但最影响选择的一层。同样叫「AI 客服」，四种计价对应的 其实是四种完全不同的商业假设。
坐席数 × 月费，AI 作为模块加价。
风险 AI 越强，商业模式越尴尬
$0.99 / 每次解决，未解决不收费。
前提 你得有可信的解决判定
AI credits，按复杂度 1.5 / 4 / 10 扣。
前提 解释清楚一个 credit 值多少
第四种是「开源自建」：Chatwoot 系统 $0，ChatGPT-On-CS 激活码几百块， 真正的成本转移到你的人力上 —— 这是最便宜也最贵的一条路。
07 渠道
看完 11 个产品会更清楚：它们的分歧几乎都来自「消息从哪来」。渠道决定了你能拿到什么信号、 承担什么风险、以及能不能自证效果。
有官方 API、有事件回调、有身份体系。这是唯一「怎么做都对」的战场。
做法 接 Chatwoot 那套模式，或直接自建；AI 走检索 + 工具调用，转人工按技能组路由。
自建 / 二开
开放平台有客服消息 API，只是接入麻烦、审核慢。外挂这些平台是纯亏损风险——省下的对接时间会以封号的形式还回去。
做法 走官方 API。先用一家平台跑通，再复制到第二家。
官方 API
没有对第三方开放的客服 API。这是 On-CS 存在的唯一理由，也是它唯一的护城河。
做法 只做「坐席辅助」：生成草稿、给建议、标风险，「发送」这个动作留给人。
辅助，不代发
把「发送」留给人，是这类渠道里唯一可持续的工程妥协。
08 落地
「独立解决 90%」在业内通常指「机器人独立会话占比」。要算真解决率，得像 Chatwoot 那样按 episode 记录 handoff 原因与 CSAT。
09 盲区与来源
develop @ v4.18.0：源码、docs/captain_v1_sunset.mdmain：源码、docs/ 截图与录屏所有产品图均来自上述页面或仓库的实拍截图，非示意图（Decagon 一张为其官方 AOP 示意）。
