简短回答：聊天机器人按规则和关键词回应，适合固定、单一的问题；AI Agent 理解意图和上下文，能处理多轮对话、多语言和边界情况。两者的差别在理解方式、答不上来时的表现、语言覆盖、转人工方式和成本结构上。判断标准看三件事：月会话量、需要几种语言、客单价高低。
“聊天机器人”这个词被用得太平了。同一个词既指网站上那个只会回答营业时间的小窗口，也指能查订单、能多轮沟通、能转人工的 AI 客服。两者价格差好几倍，能力也差好几倍，混在一起谈很容易买错。
下面按五个维度把两者拆开对比，再给一套按业务规模判断的标准。目标不是让你选贵的，而是让你知道自己在为哪种能力付钱。
一、先看一张对比表
表里最后一列是判断建议，可以直接对照自己的情况看。四列读完，基本能定位自己该用哪一类。
| 维度 | 聊天机器人 | AI Agent | 你该怎么判断 |
|---|---|---|---|
| 理解方式 | 关键词与规则匹配，命中才回应 | 理解意图与上下文，多种问法都能接 | 客户提问方式是否固定？不固定就该选 AI Agent |
| 处理边界 | 答不上来就套固定话术，容易答非所问 | 识别超出范围，按规则收集信息并转人工 | 你的业务里”答错”代价大不大 |
| 多语言 | 每种语言单独建规则，成本成倍增加 | 同一份知识库服务多语言 | 服务两个以上语言市场，AI Agent 几乎是必选 |
| 转人工 | 通常只给一个联系方式，客户要重讲 | 带完整上下文转接，客户不用重复 | 有没有人工坐席？有就该要求上下文交接 |
| 成本结构 | 多为固定订阅，按机器人数量计费 | 按坐席、会话或 AI 用量组合计费 | 先算清月会话量和坐席数，再比总价 |
注意最后一行。成本结构不同，意味着”哪个便宜”这个问题没有统一答案。会话量小的团队，聊天机器人的固定订阅可能更省；会话量大、语言多的团队，按用量计费的 AI Agent 反而更划算。
二、理解方式：关键词匹配 vs 意图与上下文
关键词机器人收到一句话，做的事是查表：这句话里有没有我预设的词。有就返回对应答案，没有就返回兜底话术。这个方法在问题高度固定的场景里很有效，比如”营业时间””地址在哪””怎么联系”。
AI Agent 做的事是理解：客户这句话想解决什么问题，结合前面几轮聊了什么，从知识库里找出对应的答案。所以”能便宜点吗””有没有折扣””价格可以谈吗”这三种问法，它都能指向同一个答案，而关键词机器人需要三条规则。
差别在客户身上体现得很直接。用关键词机器人的客户，会不自觉地去”猜”该怎么问，问不对就放弃；用 AI Agent 的客户，按自己习惯说话就行。这个差别在转化率上的体现，通常比功能清单上的差别更明显。
还有一点：上下文。客户先问 A 产品，再问”那 B 呢”，AI Agent 知道”B”指的是什么，关键词机器人不知道。查订单、比型号、算运费，都是多步任务。
三、边界处理：答不上来时各自会怎样
这是最容易被忽视、也最影响体验的一环。客户真正生气的时刻，往往不是机器人答错了，而是它答非所问还一直绕。
关键词机器人遇到没匹配上的问题，只有两个选择：返回兜底话术，或者错误匹配到某个关键词。第二种更糟——客户问”能不能开票”，系统匹配到”能不能”，答了一堆退换货政策。
AI Agent 遇到超出知识库范围的问题，应该做三件事：承认这个问题需要同事处理、收集必要的信息（订单号、问题描述、联系方式）、明确告知什么时候会有人回复。这三步做完，客户不会觉得被敷衍，反而会觉得流程清楚。
要让这套边界生效，需要在配置里明确写出转人工规则：涉及金额承诺的、涉及合同与账期的、客户明确要求人工的、连续两次表示不满的。规则越清楚，AI 越不会越界。
四、多语言：为什么东南亚市场这点是硬需求
如果你的业务只服务一个语言市场，多语言能力可以放在次要位置。但如果做东南亚，它基本是硬需求。
原因在于市场的语言结构。印尼的客户可能用印尼语提问、用英语追问、中间夹着本地缩写；马来西亚的沟通常常英语和马来语混用；泰国、越南、菲律宾各有各的语言和口语习惯。同一个团队要接住这些对话，靠人补语言能力成本很高。
关键词机器人在多语言上的成本是乘法：三种语言 × 每种语言的多种问法 × 每种问法的口语变体。词表规模会迅速失控，而且很难有人同时维护三套。
AI Agent 的成本是加法：一份知识库，多语言表达由模型处理。你只需要保证知识库内容准确，不用为每种语言单独建规则。这也是为什么在东南亚市场，AI Agent 和聊天机器人的总成本差距，会随着语言数量增加而迅速拉开。
五、转人工：谁决定，带不带上下文
两种方案的转人工体验差别很大。
聊天机器人的转人工通常是”留下邮箱，我们会联系你”，或者给一个 WhatsApp 链接。客户在这之前已经打了一堆字，转到人工后要从头讲一遍。很多客户就是在这一步流失的。
AI Agent 的转人工应该满足三个条件：触发明确——客户要求人工、命中敏感话题、或连续两轮没被解决，都可以触发；带上下文——把已聊的内容、订单号、客户身份一起交给人工；有响应承诺——告诉客户大概多久会有人回复。
第三点常被忽略。转人工之后如果没有人接手，前面的自动化等于白做。所以设计转人工流程时，第一个要回答的问题不是”怎么转”，而是”转给谁、多久内回复”。
六、成本结构差异
三种常见的计费方式，逻辑完全不同。
按坐席计费。适合人工介入比例高的团队。人数稳定时预算好预测，缺点是坐席数波动大的团队容易浪费。
按会话计费。适合咨询量波动大的团队，尤其是大促期间。缺点是需要预估会话量，估低了会超支。
按 AI 用量计费。按实际消耗的 AI 处理量算，通常和知识库规模、对话轮数相关。适合想精细控制成本的团队，但需要有人看用量趋势。
实际方案往往是组合。对比价格时，先把月会话量、坐席数、语言数三个数写下来，再让每家按这三个数报价，否则拿到的数字没有可比性。
七、判断标准：三个数字定位自己
不用纠结术语，回答三个问题就能定位。
- 月会话量。低于 500 条，且问题类型集中，聊天机器人可能够用。500 到 3,000 条，AI Agent 的收益开始明显。超过 3,000 条，人工成本已经是主要项，AI Agent 基本是必选。
- 语言数。一种语言，可以缓一缓。两种以上，尤其涉及本地语言和口语变体，优先选 AI Agent。
- 客单价。客单价低、决策快，客户耐心也低，首响速度比答案深度更重要。客单价高、决策慢，客户会问很多细节，需要能多轮对话、能准确引用政策的 AI Agent。
三个数字里有两个落在 AI Agent 一侧，就值得认真评估。只有会话量高、语言少、问题也固定，才可能是聊天机器人更划算——但这种组合在东南亚并不多见。
还有一个隐性判断项：你有没有一份能用的知识库。AI Agent 的效果取决于知识库质量，如果现在连常见问题的标准答案都没有，无论选哪种方案，第一步都是先把内容整理出来。
有一个现成的例子可以参考。Sparks Sports Academy 做体育培训，销售团队需要面对大量家长咨询——课程安排、收费、试课、教练资质。他们把 AI 用在辅助坐席上：AI 处理第一轮咨询和常见问题，坐席专注在需要判断和成交的对话上。
客户报告值：在 AI 辅助下坐席转化达到 20%–30%，新人上手快 30%–50%，培训质量约 80%–90%。这些数字由客户统计，不是行业均值，也不代表你的团队能拿到同样结果。看 Sparks Sports Academy 案例全文。它说明的是 AI Agent 的一个常见用法：不是替代人，而是把人从重复问题里解放出来，去做真正需要判断的部分。
八、常见问题
AI Agent 是不是就是升级版的聊天机器人？
不完全是。聊天机器人是规则匹配，AI Agent 是理解意图并从知识库取答案，信息组织方式不同，维护方式也不同。
小团队用得起 AI Agent 吗？
用得起，而且小团队往往收益更明显——人少的时候，AI 兜底是唯一能覆盖夜间和多语言的方式。
能不能先用聊天机器人，以后再换？
可以，但要注意两点：知识库内容是可以复用的，词表基本带不过去；越晚换，客户流失的代价越高。
AI Agent 会不会乱承诺？
取决于你把边界规则设得清不清楚。涉及金额、合同、纠纷的问题应该明确转人工，不要让 AI 自己决定。
多语言支持到什么程度？
常见的东南亚语言和英语都能处理，包括口语化的问法。建议上线前用真实问法抽样测试，而不是只看功能说明。
怎么估算 AI 用量成本？
先用一个月的真实会话量和平均对话轮数估一遍，跑两周后按实际数据校准。
回到最初的问题：你需要哪个？如果客户的问题高度固定、只有一种语言、每月咨询量不大，聊天机器人确实够用，没必要多花钱。但只要你同时面对多种语言、问题类型分散、或者客户会在不同渠道反复来问，AI Agent 带来的差别就不是”好一点”，而是能不能接得住的问题。
Cekat.AI 属于后者：知识库驱动、理解意图与上下文、支持多语言、转人工带完整记录，并且和 WhatsApp、Instagram、网站客服、邮件在同一个收件箱里工作。它也按用量调整，不用为用不到的能力提前付费。
想先看具体能力再决定，可以对照功能介绍；底层是官方 API 还是其他方案，服务商选型讲得比较细；面向印尼本地客户的沟通习惯，这篇可以一起看。按自己的会话量和坐席数估算成本，直接看套餐与价格。
