企业官网建设流程全解析

"把 AI 放进微信"不是只有"接大模型"一条路。不同团队、不同业务场景，对 AI 能力的需求强度完全不一样。

Eyun 作为微信侧的标准化接口层，给了我们灵活选择 AI 嵌入方式的空间。本文整理出 3 种常见技术方案，按复杂度从低到高排列。

方案 1：规则增强方案——零成本快速起步

不接大模型，只在 Eyun 的 Webhook → sendText 链路中加一层规则引擎。Eyun API 的 Webhook 回调是规则引擎的输入——content字段拿到消息内容，规则引擎按关键词或条件分支处理。

大白话：靠规则引擎做条件判断——"用户说价格 → 回复价格表"、"用户说退款 → 发送退款文档"，其他走默认回复。

• ✅ 简单，零额外成本，响应稳定

• ❌ 覆盖场景有限，规则维护随业务增长上升

方案 2：大模型直接方案——补足 AI 理解能力

Eyun 的 Webhook 回调直接送大模型处理，大模型生成回复后调sendText发回去。按照 Eyun 开发文档 的规范，sendText需要wId（实例 ID）、toUser（接收人）、content（内容）三个必填参数，鉴权方式是 HTTP Header 带Token。

大白话：用户发消息 → 直接丢给大模型 → 大模型回什么就发什么，中间不做业务拦截。

• ✅ AI 能力全开，能理解任意表达，无需编写规则

• ❌ 无业务逻辑层，大模型可能答偏，每次调用有 token 成本

方案 3：AI Agent 方案——让 AI 真正"能干活"

Eyun API 作为 Agent 的工具，大模型作为决策中枢。大模型先理解意图、规划步骤，每一步可能调 Eyun 的sendText，也可能调业务系统 API，一步步执行完再给用户最终回复。

Eyun 提供的是标准化 RESTful 接口——Webhook 回调（4 类事件：消息/好友/群/状态）是输入通道，sendText、sendImage、sendFile是主动动作接口。

大白话：大模型不光能理解消息，还能调工具干活——"查订单物流 → 调订单 API → 调 sendText 把结果发回去"。

• ✅ 完整业务能力，可跨系统干活，扩展性强

• ❌ 实现复杂，需要 Agent 框架支撑，延迟更高

3 种方案对比表

落地建议

3 种方案按复杂度递增排列，选型不要贪多——能跑的方案比完美的方案重要。

如果团队刚起步，建议从 Eyun 开发文档 入手，先把规则增强方案跑通，再根据业务增长逐步升级。Eyun 平台的wId和Token对 3 种方案通用，Webhook 5 秒超时 3 次重试机制也帮你省了不少兜底工作。

实际落地可以这样判断：能覆盖 80% FAQ → 用方案 1；需要 AI 理解能力但无复杂业务 → 用方案 2；需要 AI 跨系统干活 → 才值得上方案 3。