官网智能客服上线：一份可当场看的 LLM Wiki 最佳实践

Barbot 官网的智能客服已经上线。任意页面打开右下角的 LLM Wiki 助手，问的是产品、选型和公司介绍；背后跑的，是同一套 LLM Wiki 工作方式。

这不是再接一个聊天插件。它是我们把 LLM Wiki 接到真实网站上的最佳实践：知识先编好，再让访客在官网当场追问，并且看得见结论是怎么来的。

为什么官网客服也要接知识底座

芯片官网最常见的客服，是「留下联系方式，我们回头找你」，或者接一个只读过网页文案的机器人。前者慢，后者一问到型号、参数、装车案例就空转。

客户真正想确认的，往往是：

• 这个应用场景该往哪类器件上看
• 两家原厂方案差在哪里
• 某个料号的关键参数以哪份资料为准
• 有没有真实装车或拆解依据

这些问题答不好，销售和 FAE 还是要晚上补位。官网客服要有用，前提不是话术更圆，而是后面有一份可追溯的知识。

这份最佳实践具体长什么样

打开 chatbarbot.com 右下角就能看到。当前助手接的是刚上线的 Barbot Selection Library，所以它能聊汽车与工业模拟选型，也能把访客带到完整工作台。

页面上我们刻意做成三件事，而不是只吐一段流利回答：

1. 流式输出：先看到思考，再看到正文，而不是等整篇生成完才跳出
2. 思考链可展开：模型在查什么、在权衡什么，不藏起来
3. 检索轨迹和出处：ROUND、工具调用、以及 wiki/overview.md:12 这类证据路径会留下来

访客要的是「这个结论站不站得住」。企业要建设自己的官网客服时，也应该按这个标准验收，而不是只看回复速度。

官网助手和完整 LLM Wiki 怎么分工

两者用同一份知识，入口不同：

• 官网智能客服：嵌在产品站里，适合快速体验、当场问一句、把 LLM Wiki 的工作方式展示给客户
• 完整工作台：ask.chatbarbot.com 上的 Selection Library，适合继续翻资料、看工具细节、做多轮选型追问

一个是网站上的最佳实践演示，一个是知识工作台。先在官网看懂它怎么答，再进工作台看知识是怎么被组织起来的。

企业可以照着做成什么

原厂、代理商和方案公司如果要把智能客服接到自己的官网，不该从「选一个聊天组件」开始，而该从知识底座开始：

1. 把手册、笔记、FAQ、项目结论编进 LLM Wiki
2. 规定回答必须带条件、出处和不确定时的升级路径
3. 再把助手嵌到官网、企业微信或支持工作台
4. 证据不足时交给 AI FAE 或人工，而不是硬答

Barbot 官网现在做的，就是第 3 步的公开样例：知识已经在 Selection Library 里，助手只负责把追问接到访客面前。

直接打开 官网 右下角试一句。要看完整库，去 Barbot Selection Library。要在自己的网站上复制这套做法，预约会议。