为「在乎答案对不对」的客服团队而造。
大多数所谓「AI 客服」要么是规则树（客户一脱稿就崩），要么是把通用 LLM 直接对客户开口（结果胡编价格、政策、产品规格）。Sam 两个都不是。他读你的知识库、你的产品目录、你的退款规则、你的实时订单数据。如果答案不在里面，他直说，并把对话连同完整上下文交给人类。
三件事，做到位。
有根有据
答案只从你的知识库和产品目录里来。拒绝胡编规格、价格或政策。如果答案不在文件里，他会告诉你，然后交接。
已接通
通过你现有的工具实时查询订单、物流、客户历史。在你设定的规则内处理退款和退货。是实时数据，不是「基于最近训练数据」。
有边界
知道什么时候答案超出范围。把完整对话记录、他尝试过的工具、他停下的理由一起交给你的团队。你的客服从 Sam 停下的地方接上，不是从第一条消息从头开始。
Sam 读你的政策，像你最好的客服那样。
每一条回复都经过一次「检索增强」回路。智能体先在你的知识库里搜索最相关的政策，再从目录里取出对应的产品条目，当客户提到订单时去查实时订单数据，然后才动笔起草回复。每一条事实都带有内部引用，你的客服可以审计。如果两条政策冲突或查询超出目录范围，Sam 会停下不写，转而交接，而不是猜。
知识库检索
基于 pgvector 的语义搜索，覆盖你上传的所有政策、FAQ 和 SOP
产品目录查询
实时库存、定价、SKU 规格和媒体素材
订单和物流查询
实时读取你的店铺、快递 API 和 CRM
退款和退货自动化
只在你设定的规则内执行，绝不越界
品牌口吻控制
语气、正式度、签名行按租户设置；少样本范例来自你自己的真实回复
语言匹配
按客户的语言和语体回复，包括英语、马来语、普通话、新加坡英语、混合语
不到 90 秒解决一个真实案例。
一位吉隆坡的电商客户在 23:14 留言询问还没发出的包裹。Sam 在你早上醒来之前就处理掉了。下面是完整对话。
23:14
Sam · 23:14
Sam · 23:14
23:15
Sam · 23:15
Sam · 23:15
23:16
解决用时：91 秒。第二天早上客服复核：30 秒（批准那笔已经触发的积分操作）。这位客户被当成熟客对待，不是一张工单。
大多数「AI 客服」是三种东西之一。Sam 是第四种。
| Feature | 规则树式聊天机器人 | 通用 LLM 聊天机器人 | 企业级 help desk 机器人 | Sam |
|---|---|---|---|---|
| 脱稿回复处理 | 崩溃 | 胡编 | 转给人类 | 推理后回复 |
| 政策落地 | 关键词匹配 | 预训练猜测 | 附加模块 | 原生，按租户 |
| 实时订单查询 | 不支持 | 不支持 | 有限 | 每条回复都实时 |
| 规则内退款执行 | 不支持 | 不支持 | 工作流节点 | 一级操作 |
| 马来语 / 新式英语 | 有限 | 英语优先 | 附加模块 | 原生 |
| 定价模式 | 友好的 RM 定价 | 美元按席位 | 企业合约 | 友好的 RM 定价 |
Sam 在没人盯着就开始发消息之前，先赢得你的信任。
Sam 不会上线第一天就自动发消息。每条回复都从草稿模式开始，先送给客服审批。你的团队越是把他的草稿原样通过，他在该渠道、该话题上的信心轨道就越高。当通过率越过你设定的门槛后，他升级到「监督模式」，再到「自治模式」。合规重的行业（诊所、金融服务、教育）可以让他一直停在审批模式，这是设计如此。
草稿
每条回复都经你的客服审阅。Sam 从每次编辑中学习。
监督
高信心回复 Sam 自动发，低信心交接。门槛按渠道设。
自治
在已升级的渠道，Sam 直接发，不再审阅。客服抽样审计。