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。
9 个
共同点：客户为「解决问题」或「AI 的工作量」付费，而不是为坐席数付费。
9 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。 这九家的共同动作是：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。
不卖系统，卖「有品牌人格、能动手办事」的 agent；按结果收费，且没有自助注册。
不替换 helpdesk，通过 API 连接 CRM、订单、数仓，在 chat / email / voice / SMS / WhatsApp 上完成授权动作。这是标准的 standalone agent 形态。
结果制定价 + 无自助试用 + 托管交付，意味着它卖的是「品牌体验」，不是软件许可。
agent 的语气、边界、品牌一致性被当成可交付物；多渠道多语言是默认能力。
提出 Personal Agent Protocol：当客户带着自己的 AI 助理来咨询时，怎么授权、怎么对话。这是下一个入口之争。
把「一个智能层跑通所有渠道」卖给大企业：不按渠道拆 bot，按结果收费。
自动解决率 77%（称从 32% 提升）、CSAT 高 50%+、平均处理时长降 42%、4 个月 943% ROI —— 全部自述，无第三方审计。
350+ 全球企业，G2 2026 同时拿了领导者与最快实施奖。对企业客户，实施速度比模型分数更重要。
无公开价格、无试用，标准企业直销 + 定制 demo。和 Sierra、Decagon 同一套卖法。
Conversation Hub 把 Email / WhatsApp / Voice / Chat / SMS 收进同一个智能层，语言与渠道一起处理。
Discover / Solve / Triage / QA 四个 agent 分工，2026 年被 Zendesk 收购——独立 AI 原生的一种结局。
官网首屏写着「Forethought is now part of Zendesk」。helpdesk 巨头选择用收购补齐 AI，而不是自研——这是今年最重要的格局变化。
Discover 挖知识缺口、Solve 做全渠道解决、Triage 分类路由、QA 给 100% 人工工单打分、Copilot 辅助坐席。
定价页标题就是 Outcome-Based：Team / Professional / Enterprise 三档，按解决的问题付费。
15x ROI、首次响应时间降 55%、最高 98% 解决率；同样没有第三方验证。
老牌 helpdesk 的答案：把自动化拆成两种计量单位——解决（AR）和执行动作（actions）。
自动化解决 $1.50（承诺量）/ $2.00（按量）；动作按 $200 / 10 万次买 pack。等于承认：会答只是基础，会做才值钱。
每个坐席每月含 5–10 次自动化解决，超出再买——把试用门槛降到零，账单复杂度拉满。
工单、知识、渠道、权限都已经在系统里，接 AI 的边际成本最低。这是 helpdesk 原生路线的全部意义。
价格结构复杂到客户很难预估账单；AI 能力被套餐切碎，反而不好对比。
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。
电商版 AI 客服：按「工单量」而不是「坐席数」收费，AI 按「自动处理次数」计费。
$10 / 50 工单 到 $900 / 5,000 工单，完全不看坐席数；超量 $0.40 / 工单。小团队不用为「多一个人登录」付钱。
automated interaction $1.00 → $0.85 递减，和 Zendesk、Intercom 的「按解决」是同一族逻辑。
官方称 40% 的 Shopify 品牌在用；订单、物流、退换、推荐都长在 Shopify 上。
它的 AI 不只解决售后，还要在对话里转化——把营销写进客服的考核，是电商独有的形态。
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
国内这九家里只有阿里云公开标价，其余都靠询价——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：三家是 Agent 平台（瓴羊、火山、腾讯云 ADP），六家是客服与联络中心。
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。
官方产品录屏（b.163.com AIGC 页）：知识库文档解析 → 会话与工单侧栏 → 实时推荐 SOP。已转码为 720p，点击才加载。
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。
官方产品录屏（volcengine.com/product/hiagent）：智能体管理台 → 一句话创建 Agent → 工作空间画布。已转码为 720p。
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。
腾讯的客服牌：靠 QQ / 微信生态的渠道独占性，加上机器人 + 呼叫中心 + 工单的全家桶。
QQ、QQ 群、微信公众号、小程序、网页、H5、App、企微全覆盖，还有别家没有的「加 QQ 好友持续沟通」——这是腾讯系产品最难复制的一块。
官方称解决 85% 简单咨询，主动下发自助导航解决 80% 重复问题；支持表格图谱问答与主动询问式多轮对话。
主动会话邀请、按标签/画像群发、千人千面引导语——它把客服当成转化入口，而不是成本中心。
呼叫中心、工单、客户库、质检打包在一起，功能全但重；小团队会觉得「用不上的一半在付费」。
腾讯的 Agent 底座：四种开发范式（Claw / 标准 / 工作流 / 多智能体），按业务复杂度选型。
给 Agent 一个独立云端工作空间，支持自主编码、工具调用与长时任务——把「能干活的 agent」和「会聊天的 bot」分开。
标准（单体问答）、工作流（稳定执行工单/审批）、多智能体（分工协作）、Claw（长时任务），按复杂度选，不是全塞进一个。
设计 → 编排 → 迭代 → 运营的全生命周期管理，和火山 HiAgent、瓴羊 AgentOne 打的是同一张牌。
体验版 0 元直领、套餐体系、FDE 工程师认证——用培训和额度换开发者心智。
阿里云的客服机器人：通义千问 + 五种知识源，还是国内少见的公开标价。
文档（PDF / docx / txt）、网页爬取（含同域名超链接）、高频问答、表格、多轮对话流——五种都能直接进同一个机器人。
连数据库或导入表格即可问答，支持复杂推理、多表查询、多轮交互，这类「问数」是纯 FAQ 机器人做不到的。
官网标价：体验版 ¥0 / 30 天、敏捷版 ¥880 / 月、标准版 ¥5,999 / 月。国内大厂里极少见。
阿里云卖云上 SaaS 与 API；瓴羊卖数据 + Agent 平台。同一个集团，两种交付，客户群不一样。
京东把十年客服实践打包成平台：九个产品 + 双中台，再加一个面向商家的京小智。
言犀是面向政企的智能人机交互平台；JoyAI 智能客服是对外统一产品线；京小智是京东商家版（5.0 已用 JoyAI 大模型 + 多 Agent）。
语义与对话中台 + 语音中台，机器人、外呼、质检、知识库共用一套引擎——这是「平台」和「一堆功能」的区别。
在线咨询机器人、智能外呼/应答、质检、坐席辅助、知识库、培训、多模态数字人、CRM、AI 开发平台，九件套都可单买或定制。
零售、金融、政务、教育的落地样本大多来自京东自身场景，但对外交付仍偏定制，标准化程度不如 SaaS 厂商。
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）。
| 项目 | Star | 许可 | 它适合做什么 | 不适合 |
|---|---|---|---|---|
| chatwoot/chatwoot | 37.9k | MIT + 商业 | 接待层底座：多渠道、工单、报表、团队 | AI 要自己写 |
| langgenius/dify | 158.9k | 开源 + 商业 | RAG / Agent 工作流编排，最快搭出第一版 | 不含客服接待与工单 |
| RasaHQ/rasa | 21.4k | Apache-2.0 | 私有化意图/流程控制，CALM 可审计 | 重工程，中文语料要自己养 |
| zammad/zammad | 6.0k | AGPL-3.0 | 成熟 helpdesk，替代 Zendesk 的自托管 | AI 能力弱 |
| freescout-helpdesk | 4.6k | AGPL-3.0 | 轻量共享邮箱，PHP 栈易改 | 无 AI、无复杂路由 |
| cskefu/cskefu | 2.9k | 自定义 | 国内开源客服，中文场景与合规更贴近 | 社区小、更新慢 |
Star 与许可取自 2026-10-19 的 GitHub API。Dify 星数最高但不做客服接待——它和 Chatwoot 是互补关系，不是替代关系。
05 横向对照
| 产品 | 形态 | AI 形态 | 自动化 | 动作能力 | 计价 | 私有化 | 适合 |
|---|---|---|---|---|---|---|---|
| Intercom | SaaS | Fin（同 record） | L3 | 读 + 写 | 坐席 + $0.99/解决 | 否 | 英文市场中大型 |
| Decagon | AI 原生 | AOP + Duet | L3 | 读 + 写 + 编排 | 企业定制 | 否 | 北美大型品牌 |
| Sierra | Standalone | 品牌 agent | L3 | 读 + 写 | 按结果，不公开 | 否 | 大型品牌体验 |
| Ada | 企业 SaaS | Conversation Hub | L3 | 读 + 写（工具） | 按结果，需询价 | 否 | 多语言大型企业 |
| Forethought | 多 agent SaaS | Discover/Solve/QA | L3 | 读 + 写 + 编排 | 按结果（已被 Zendesk 收购） | 否 | 中大型，Zendesk 生态 |
| Zendesk | Helpdesk 原生 | AI agents | L2–L3 | 读 + 写（actions） | 坐席 + AR + actions | 否 | 存量 Zendesk 客户 |
| BoldDesk | SaaS 套件 | 4 类 agent | L2 | 读 + 写（有限） | AI credits，坐席含 | 否 | Zendesk 存量替换 |
| Gorgias | 电商垂直 | AI Agent | L2–L3 | 读 + 写（Shopify） | 工单量 + $0.85/次 | 否 | Shopify 品牌 |
| VOC.ai | SaaS（已转型） | 评论分析 | — | 只读 | $38–299/月 | 否 | 跨境卖家用洞察 |
| 网易七鱼 | SaaS + 私有化 | 大小模型 + Agent | L3 | 读 + 写（业务系统） | 坐席 + 模块 | 支持 | 国内中大型 |
| 瓴羊 AgentOne | PaaS 平台 | 场景 Agent 工厂 | L3 | 读 + 写 + 编排 | 需询价 | 支持 | 阿里生态大客 |
| 火山 HiAgent | Agent 平台 | 数字员工 + 治理 | L3 | 编排（MCP） | 按套餐/资源 | 支持 | 企业 agent 中台 |
| 腾讯企点 | SaaS（腾讯云） | 机器人 + 呼叫中心 | L2–L3 | 读 + 写（工单/订单） | 按版本/坐席，需询价 | 支持 | QQ/微信生态企业 |
| 腾讯云智能体 | Agent 平台（ADP） | Claw/标准/工作流/多智能体 | L3 | 读 + 写 + 编排 | 套餐 + PU 额度 | 支持 | 要自建 agent 中台 |
| 阿里云智话 | 云 SaaS | 通义 + 五种知识源 | L2–L3 | 读 + 写（数据问答） | ¥0 / ¥880 / ¥5,999 每月 | 支持 | 要公开标价与云生态 |
| 京东言犀 | 平台 + SaaS | 九件套 + 双中台 | L2–L3 | 读 + 写 + 编排 | 需询价 | 支持 | 零售/政务，京东生态 |
| 百度客悦 | 云 SaaS | 大模型对话 | L2 | 读 + 写（有限） | 需询价 | 支持 | 国内快速上线 |
| 中关村科金 | SaaS + 私有化 | 文本机器人 | L2 | 读（+ 转人工） | 需询价 | 支持 | 有呼叫中心需求 |
| Chatwoot | 开源自托管 | Captain（收费层） | L2–L3 | 读 + 写（自定义工具） | $0 起 / credits | 支持 | 有工程团队 |
| ChatGPT-On-CS | 桌面外挂 | LLM + 插件 | L1–L2 | 模拟点击 | 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 自动化分级
14 家产品其实分布在这条梯子的不同位置，但它们的官网都写成「AI 客服」。 你要先确定自己做到哪一级——级别决定了团队配置、工具投入和验收标准。
| 级别 | 能做什么 | 你必须先有 | 失败代价 |
|---|---|---|---|
| L1 | 答标准问题、查政策、给链接 | 结构化 FAQ + 向量检索 | 低：答错可纠正 |
| L2 | 多轮收集信息、查订单、改地址 | 会话状态机 + 只读/轻写工具 | 中：改错地址要人兜底 |
| L3 | 跨系统编排：退款、补发、改约 | 工具网关 + 权限 + 幂等 + 审计 | 高：涉及资金与承诺 |
| L4 | 自主判断例外、给补偿方案 | 策略引擎 + 可解释 + 人工复核 | 极高：合规与品牌风险 |
大多数号称「AI 客服」的产品停在 L1–L2。L3 才是分水岭：它要求工具有写权限，而写权限要求幂等、回滚和审计——这也是本报告建议你最先投入的地方。
07 工具层
自动化的 80% 工作量不在模型，在「怎么安全地碰客户的订单」。Zendesk 把这件事单独定价（actions）， 说明它值钱；但 14 家里真正把「写动作」做完整的，不超过 6 家。
订单状态、物流轨迹、余额、会员等级。
改地址、改约时间、补发、开票信息。
退款、退差价、赔付、优惠券补发。
Chatwoot 的自定义工具已经把这套做成了配置项（参数 schema、请求/响应模板、SSRF 校验、每助手上限 50 个），是开源里最好的参考实现。
08 成本与评测
一边是 $0.99 一次解决，一边是几厘钱的 token。这个差价不是模型，是集成、评测和交付。 先算清成本结构，再谈定价。
单会话成本 = 输入 token × 输入单价 + 输出 token × 输出单价 + 检索 + 工具调用 + 人工兜底占比 × 人工成本
| 模型档位 | 假设单价（输入 / 输出） | 单会话模型成本 | 1,000 会话 / 天 |
|---|---|---|---|
| 小模型 | ¥1 / ¥2 每百万 token | ≈ ¥0.005 | ≈ ¥5 |
| 中档模型 | ¥4 / ¥16 每百万 token | ≈ ¥0.022 | ≈ ¥22 |
| 旗舰模型 | ¥30 / ¥120 每百万 token | ≈ ¥0.17 | ≈ ¥170 |
假设：单次会话 3 轮、上下文 4,000 token、输出 400 token，不含检索与工具调用。数字只用来量级对比，务必用你自己的真实日志重算。
对照一下：Zendesk 一次自动解决 $1.50（≈ ¥11），Intercom $0.99（≈ ¥7），Gorgias $0.85–1.00。 厂商的定价是模型成本的 40–2000 倍——你付的钱买的是「它被验证过能用」，不是 token。
09 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。
10 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。
11 落地
Chatwootepisode 归因表：把转人工原因分成 6 类，解决率才算得出来。
BoldDeskcredit 计价：按动作复杂度定价，和 token 成本对齐。
DecagonAOP：把流程写成自然语言，运营改得动，工程师不用发版。
Zendesk把「解决」和「动作」分开计量——动作本身就该单独定价。
ChatGPT-On-CS四重人工接管信号：鼠标、ESC、快捷键、N 秒有人回。
七鱼知识分层：离线清洗 + 关系型检索，别把原始文档直接塞进向量库。
「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。
12 失败案例
这不是推演。以下六种情况在 AI 客服里反复出现，前三种几乎每个项目都会遇到。 每条给出症状、根因、早期信号、怎么防——早期信号比事后复盘有用得多。
上线三个月后，回答开始"听起来对但不对"。
机器人答不上就转，人工被打爆，排队时长翻倍。
会话量没涨多少，账单每月翻倍。
机器人答应了退款、赔付或到货时间，公司不认。
外挂式方案跑两周，账号开始要验证码、被限流。
报表写着 90% 解决率，业务方却觉得服务更差了。
13 选型器
上面的比较是「横向的」，这一节是「纵向的」：先想清楚渠道、工程能力和数据边界， 再决定自建、采购还是混合。
14 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）。
