我要投稿

浅谈大模型时代客户服务行业管理与技术创新

发布日期：2024-04-06 08:57:05 浏览次数： 2016 来源：客户世界机构

1、客服中心系统技术创新重大事件回顾

呼叫中心最早起源于美国，泛美航空公司在1956年建立了世界上第一个呼叫中心。呼叫中心的发展经历了不同的阶段，包括人工热线电话、自动呼叫分配、交互式语音应答、呼叫管理系统等。随着技术的不断进步，呼叫中心也在不断升级和完善，成为企业客户服务的重要支撑。

呼叫中心的概念在20世纪90年代中后期被引入中国。中国的呼叫中心产业经历了快速的发展，逐渐成为各企业建立客户服务体系的首选方式。呼叫中心在中国的发展得益于技术的不断进步和市场的不断扩大，如今已经成为了企业提升服务质量和效率的重要手段。

还记得在2000年的时候，一套呼叫中心系统由交换机、板卡、话机、耳麦、CTI、IVR、录音、CSR、报表系统、传真系统等中间件系统组成，每个系统都由一个厂家来做，当时甲方客户如果想建一套呼叫中心系统，需要找一家系统集成商，系统集成商负责联系这些厂家，把各个中间件通过接口对接，形成一个完整的呼叫中心系统。实施这样一个项目需要几十号甚至上百号人，实施周期最少需要几个月的时间，这还只是电话呼叫中心。

到了2004年左右的时间，出现了在线客服系统，在线文字客服是通过在线聊天工具或网站页面上的聊天窗口，为客户提供咨询、解答、售后服务等服务的职位。这种服务方式随着互联网的普及和电子商务的发展，逐渐成为客户服务的标配，许多企业和机构都设立了专门的在线客服岗位，提供在线文字客服服务，所以就慢慢出现了提供在线文字客服的厂家，在线文字客服的蓬勃发展大约在2010年前后。

随着在线客服的出现，渐渐出现了文本机器人客服，早期的文本机器人还谈不上真正的智能，其实是通过关键词的自动检索和匹配技术，通过预置在系统里的常见问答实现对客户的快捷回复，但这可以说是文本机器人的雏形。

在2014年，亚马逊推出了全球首款智能音箱Echo，从而拉开了智能音箱的时代大幕。之后，谷歌、苹果、Facebook等科技巨头开始布局这一领域。2015年5月，京东与科大讯飞推出了国内第一款智能音箱——叮咚音箱。之后，阿里巴巴、小米、百度、华为等企业也先后进入智能音箱行业，共同推动了智能音箱产业的发展。

智能音箱的出现，给长期以来客服行业不愠不火的ASR技术带来了爆发的活力，ASR技术的突破使得智能客服这个名词被一次次的提起，从而涌现出ASR 、TTS、智能质检，智能IVR导航等一批智能语音厂商的出现，ASR语音识别准率、识别速率的提升使得语音转写文字成为现实，有了ASR技术的助力，传统语音呼叫中心的大量录音可以实时转写成文本，也正因为此，大量文本的出现给自然语言处理带来了机会，出现了一批专注于NLP自然语言处理的厂商，这些厂家大多是互联网、BAT、微软等早期从事NLP相关工作的岗位转向创业而来的。

也就是2014年以后，客服行业迎来了新的发展机遇，行业里涌现一大批创业者，这个行业也被资本所青睐，大大小小的融资有数百起，这个行业也真正的卷了起来。智能助手、智能陪练、知识图谱、知识中台、RPA机器人、智能工单等等智能化产品层出不穷，一时间智能化产品比传统产品价格还便宜。直到2019年左右，可以说这个行业发展遇到了瓶颈，智能化产品的能力达到了天花板，大部分客户或多或少都购买了智能化的产品，虽然智能化确实带来一定成本的降低，但是智能化产品对客户的体验并不好，同时购买产品后的运营成本过高，所以智能化产品的市场推广遇到了挑战，而经历四五年时间的发展，资本市场对于智能化产品爆发式增长并没有达到理想的预期。在2019到2023年期间，客服行业市场相对进入平稳发展期，市场对于智能化产品的认智和预期趋于理智。

到了2023年的1月份，ChatGPT爆发彻底点燃了大众对智能化技术的认可，市场一下子被教育了，百行千业开始做大模型，AIGC应用创新，大模型、ChatGPT，一时间这些新鲜的词汇成了大家茶余饭后的必然话题。智能客服、智能写作、智能设计也被合称为大模型技术最佳落地的三大应用场景。智能客服行业再一次被推上风口浪尖。各厂商又一次卷了起来，基于AIGC的智能客服系统又一次迎来了新的机遇。

回想起来，这个行业从最开始的简单的电话接听开始，发展到现在技术是越来越复杂，系统越来越庞大，对从事该行业的人的要求也越来越高。以前多个厂商做的工作现在是一个厂商在做，以前多个售前做的工作现在一个售前在做，以前多个销售做的工作现在一个销售在做，以前客服主管只需要用好一个系统，现在要用到5个以上的子系统。这样的变化带给我们的挑战是产品越来越难卖，一般的销售根本卖不了，而这样的系统也越来越难用，没有一定的技术背景，这样庞大的系统还真用不好。

技术创新一直在进行，但是技术创新的最终目标其实一直不变，那就是为客户提供优质的服务。相信未来还会有更多新的技术涌现，我们也相信这个行业的技术厂家一定研发出更加强大的系统，为客户提供更加便利，更好体验的智能化产品。我们也期待智能化产品真正成为客户服务的好助手。

2、技术创新的大潮下，对客服中心管理创新的思考

客服中心技术创新与管理创新可以说是相辅相成、相互驱动，技术的创新为管理者提供了更好的工具，使得管理者可以更好的落实自己的管理理念，实现管理价值。管理的创新对技术提出了更高的要求，是技术创新的目标和方向。

在智能客服行业有名的大咖有许乃威老师、袁道唯老师、张艳老师等，也有如客户世界这样的专业服务机构、行业媒体，服务行业20多年，这个行业的从业者对这个行业都有一种情怀、热爱和执着。

客户服务的管理理念是以客户为中心，将客户的需求和满意度放在首要位置，通过提供优质的服务来满足客户的需求，并不断提升客户体验和忠诚度。以下是我从一些行业书籍里提取的客户服务的管理理念：

客户至上：将客户的需求和满意度放在首要位置，以客户为中心，始终关注客户的需求和反馈，并积极响应和解决客户的问题和投诉。

服务质量：提供高质量的服务，确保服务质量和客户满意度达到最高水平。不断改进服务流程和质量，提升服务水平，以满足客户的需求和期望。

团队合作：建立高效的团队合作机制，加强团队成员之间的沟通、协作和配合，以提供更优质的服务。

激励创新：鼓励员工提出新的想法和建议，以不断改进服务和管理。建立创新激励机制，激发员工的创造力和积极性。

持续改进：不断反思和改进服务和管理，以提升客户满意度和忠诚度。收集客户的反馈和建议，及时调整服务策略和管理措施，以更好地满足客户的需求。

建立长期关系：与客户建立长期、稳定的关系，提供个性化的服务，以满足客户的个性化需求。通过优质的服务和良好的关系，提高客户的忠诚度和口碑传播。

总之，客户服务的管理理念是以客户为中心，关注客户需求和满意度，通过提供高质量的服务和管理，不断提升客户体验和忠诚度，以实现企业的长期稳定发展。

这样的理念可以说是老生常谈，也可以说是人人皆知，就像大多数公司都明白客户至上这个道理，但是又有几个可以真正做到客户至上呢？现在又重新提起，是我对这个行业的亲身体会，感觉到随着技术的创新，我们很多管理者的思路渐渐偏离了这个方向，从以前客户至上的重心转向了对技术对工具的偏爱，很多的企业的信息科技部门本来是为业务部门服务的，但是现在转变成技术创新部门，一味追求技术的高大上。当技术部门、业务部门都重视技术创新的时候，管理创新自然就会丧失。

个人认为，管理的创新不应该是技术创新的追随者，应该是技术创新的引领者，在客户服务这个行业，应该是业务需求驱动技术创新，这就对管理创新提出了更高的要求。

3、技术过度创新带给我们的反思

近30年来，客服行业在中国得到了蓬勃发展，行业也涌现了一大批的优秀从业者、管理者。不断的技术创新带给我们更多的便利，不断的管理创新带给企业更多成本的降低，利润的增长。在这个行业也成就了一大批人，大多数都是成功者、受益者，但是技术的过度创新也带给这个行业一些负面的东西，比如：

有些企业希望客服中心从成本中心向利润中心转变；

希望客服中心工作全部由机器人来完成；

希望能让机器人服务决不要转到人工，为了让客户不要找到人工，由机器人来设置各种拦截，IVR流程的转人工永远是最后一个语音播报。

结果过度的智能导致企业离客户越来越远。这也间接导致了这个行业的衰弱，兴极而衰也许就是这个道理吧。

这个行业里不再有大咖，不再有意见领袖，不断的技术革新，不断的产品迭代使得这个行业从业者不断推陈出新，不再需要深入积淀，大家可以不需要懂呼叫中心、智能客服，只要有学历，只要能给公司带来收入，就可以管理几百人甚至上千人的队伍。对于厂商的选择也不再是技术、方案、案例、服务等综合评价，而唯价格论、或者资本论（这家公司融了多少轮，这家公司是不是够，这家公司创始人的背景等等），为什么会这样呢？这会带给这个行业不健康的发展，这是我们从事了二十多年的行业，我们从不懂事的毛头小子逐步走到现在，站在行业的顶端，我也希望我们可以深思，也期待更多的人思考，我认为我们有义务为这个行业做点事情，表达我们的观点，推动这个行业健康良性发展。如果大家认为我在危言耸听，那请大家思考一下下面的问题:

作为客户视角，请问：

你现在每年打几次银行的客服电话？

你现在每年打几次保险公司的客服电话?

你现在每年打几次电脑、手机、家电、电商、快递、打车、物业等等售后服务的电话。

你认为还有多少人愿意拨打客服中心的电话？

你认为还有多少人愿意使用在线文本与企业联系？

现在的人使用线上的服务越来越多，越来越减少线下消费与出行，对服务的要求越来越高，但是却很少再去拨打这些客服中心的电话了，为什么？是不需要还是不想打？

作为甲方视角，请问：

你们公司近5年来客户人均拨打客服中心的电话频次是什么样的曲线？

客服中心的总呼叫频次是一个什么样的曲线？近年来客户人均联系企业的次数在增长还是下降？

管理的创新本应该是设计客户如何更方便的找到我们，联系我们？还是想办法让他们难以找到我们，能用机器人的坚决不要让他们找到人工？

我记得曾有人给我讲过，这么设计的目的就是让客户找不到人，这样他们就慢慢会习惯通过自助服务去解决问题了。客户习惯是可以培养的，慢慢都会习惯的。

大家试一试，哪家公司客服中心的转人工语音播报是放在第一位的？是放在第一层的？

所以当企业管理者绞尽脑汁去设计复杂的IVR流程，在研究机器人如何降低成本的时候，却不知道你的客户因为这些繁琐的流程放弃了与你联系。

当联系企业的客户越来越少，这个行业也就会走向衰落，因为我们不再被需要，我们变得可有可无。所以这些年来这个行业慢慢的变成了存量市场，不但没有扩容的机会，而是系统需求随着业务量的下降而逐年下降。

4、亲身体验带给我们对技术和管理的创新思考

客户服务的本质是什么？这个行业存在的价值和意义是什么？我们的初心又是什么？

当客户拨打电话时一遍一遍赔礼道歉，除了客气和虚情假义的表面尊重以外，就是不解决问题。以前还可以有真人接待，如果通过发泄还可以缓和一下心情的话，现在如果都是机器人的话，剩下的可能只有挂断电话了。这样的话客服行业能好吗？我相信这也不是管理者的初衷，但在不知不觉中就变成这个样子了。

大家想一想，客户不愿意联系是需求没有了吗？不是，而是打客服电话的体验不好、解决时效性差，客户通过拨打客服电话解决问题的成本小于重新购买的成本，所以更多客户选择了放弃申诉，所以现在客户越来越注重品牌，为什么？品牌意味着问题少，品牌意味着没有故障，也就不用再去拨打客服电话。

我记得今年9月份我曾经拨打了某湖物业管家的客服电话，作为全国有名的房企，主打品质和服务，但是问题的解决速度慢的出奇，而且这家公司最有意思的是物业维修服务都是工作日进行，跟我们一样上下班的时间，他上班的时候你也上班，你下班的时候他也下班，所以一个维修服务两个月都做不好，当你给他们客服中心打电话的时候，他们的态度很好，第一先是道歉，第二就是答应给你安排，然后就没有然后了。

试想，你会有心情一而再，再而三给给他们打电话吗？你有时间听他们道歉吗？有一次在国庆假日期间，我正好休息，就给他们讲了讲客服理念，我想他们这么大的公司，并且强调说我是在投诉，要按投诉电话来处理，我想他们应该会有投诉处理机制，应该会有录音调听机制，会关注到我的谈话内容。但是当我10月8号上班的时候才等来了电话，那边工人打来电话的第一句话就是：“你好，听客服反应说你家东西坏了，是有什么问题呢？”我听完直接就挂了电话，一是不想跟他废话了，二是上班第一天，我有很多事情需要处理。然后把他们X湖管家的企微也删除了,因为我发现加了他们企微以后，问题解决不了，每周都会收到他们的社区营销广告。

有了这个经历以后，我一直思考，也在反思过往，人们做错一些事情后，往往不能直面错误、快速解决问题，却是习惯一遍遍道谦，给别人解释，希望得到别人的原谅。但其实别人并不想听这些，别人想要的是你怎么做，你能不能快速解决他的问题。

通过这样的一个案例，我们管理创新也好，技术创新也罢，如果说对于这样的一个客户投诉，他们的智能质检系统没有质检出来，工单系统故障处理流程没有超时预警，没有关单提醒，没有关单确认，企微对于客户的反馈问题没有一些关键问题的自动监控，对于客户的情绪没有自动识别预警，对于客户的诉求长时间没有满足也没有自动升级，花再多的钱建系统，搞创新，上再多的机器人，企微添加再多的客户，对客户服务有什么帮助呢？几年前，我明明知道这家公司花了上千万搞了智能客服系统，行业里有多家厂家都参与了竞标，结果我这样的一个电话竞然没有发现？问题出在了哪里？出在系统上？还是管理上？也许有人会说，一个客服中心那么多电话，漏掉你一个算什么，说明你不重要不是大客户。但是我之所以举这个例子，就是因为现在的智能化系统不再像以前需要人工抽检，只能抽很少的一个比例，现在的智能质检都是全量质检，不会漏掉任何一个电话的，现有的智能质检不仅有关键词，还有语义，有情绪识别，工单系统也会有闭环管理，这些技术手段足以让一个客户中心管理者发现问题了。

这个案例告诉我们，其实也反应出一个行业现象，那就是技术上创新的人才越来越多，公司投入成本越来越高，但是投入到业务管理上的成本却是越来越少，之所以上面会出现这样的问题，我在想应该是购买系统花了比较多的钱，但是对于运营管理人员的要求和投入不够，所以有系统并不会使用。

所以我们所谓的管理创新、技术创新如果变成了“军备”竞赛，就会在技术上的创新越来越强，但是客户却会离我们越来越远，我们的“客户至上”也就变成了一个口号。

这些年来，随着系统越来越复杂，我发现客服中心的主管、一线人员大部分还没有IT基础、不懂智能化，还是10多年前电话客服的招聘要求，这就导致这么复杂的系统真的用不好。这也不仅仅企业的问题，就连行业内研发智能化产品的公司，也缺乏可以把系统用好的人，因为研发产品的人并不懂客户业务，也不会专注去研究客户业务，所以智能化产品的实施交付就成为了一个难题，而我认为这也是当下行业的一个发展契机，我们专门建立了这样的AI智能交付团队，而我亲自也会参与到智能化产品的交付实施中去，因为我认为一个产品只有被客户用的好，产生真正的价值，才是好产品，并不是获得了什么奖项，得了多少分。

我也欢迎对智能化产品实施交付方面有研究、有兴趣的朋友与我一起，共同帮助客户把智能化产品应用好，共同推动行业的进步发展。

5、大模型带给客服行业的意义和价值是什么？

现在很多人都在讲LLM、GPT、ChatGPT、AIGC、大模型，这都是什么意思呢？

LLM是Large Language Model的缩写，即大语言模型，LLM是一种基于深度学习技术的语言模型，具有巨大的模型规模和强大的计算资源。这种模型通常用于自然语言处理任务，如文本分类、情感分析、问答系统等。行业里常说的大模型其实就是大语言模型LLM。

GPT是Generative Pre-trained Transformer的缩写，它是一种基于Transformer架构的预训练语言模型。GPT是由OpenAI团队开发的一种大型语言模型，可以用于自然语言处理任务，如文本生成、文本分类、问答系统等。与传统的基于规则或模板的方法相比，GPT可以通过大量的语料库进行训练，从而自动地学习和生成自然语言文本。GPT模型具有强大的生成能力和泛化能力，可以适应不同的自然语言处理任务和应用场景。

ChatGPT（全名：Chat Generative Pre-trained Transformer），美国OpenAI研发的聊天机器人程序，于2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码，写论文等任务。

AIGC是Artificial Intelligence Generated Content的英文缩写，即人工智能生成内容。它是一种利用人工智能技术生成文本、图像、音频等多媒体内容的技术，通过自然语言处理和计算机视觉等技术，使机器能够像人类一样进行创作和生成内容。

我们对于LLM、GPT、ChatGPT、AIGC等名词有了一个认识了解以后，就可以思考这些技术对于智能客服系统有什么样的价值和意义了。

图一：是AI1.0时代机器人系统架构

图二：是AI2.0，即大模型时代机器人系统架构

从以上两图我们能看出，对于智能客服机器人系统来讲，系统架构并没有大的区别，是在AI1.0 NLP 自然语言处理引擎之上又增加了一个引擎，即大模型引擎。大模型引擎的加入，使得机器人系统更加的智能，使用更加的便捷，运营成本会大大降低。

大模型技术是一种生成式的AI技术，他的特性是意图理解、内容生成、情绪识别，所以大模型与智能客服系统结合，可以说是对智能客服系统的智能化水平是一个质的提升。大模型对智能客服系统的结合与赋能，我认为可以从以下几个方面进行探索：

在知识库构建方面，可以大大降低0时代知识构建的成本，提升知识构建的效率；

LLM强大的意图识别能力可以解决0时代需要人工编写相似问的大量工作；

LLM的情绪识别可以提升智能质检的智检准确率，检出更多无法通过语言描述检出的业务规则；

LLM的高情商可以辅助坐席技巧性的回答一些比较有挑战性的问题；

LLM强大知识抽取能力可以帮助我们处理很多非结构化的文档；

LLM强大的生成能力，可以帮助企业构建企业知识中台，盘活企业的数字资产。

LLM可以帮助文本机器人对话更加智能，更加流畅，不再需要推荐问；

LLM可以帮助自动填单能力更加的精准，等等。

大模型在智能客服系统的应用还有很多，欢迎社会各界朋友一同探讨，共同探索大模型在智能客服行业的应用实践。

作者乔素林,华云天下（南京）科技有限公司，创始人兼CEO。

本文刊载于《客户世界》文集2023第四辑•数据与智能。

53AI，企业落地应用大模型首选服务商

产品：大模型应用平台+智能体定制开发+落地咨询服务

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

160+中大型企业正在使用53AI

立即咨询预约演示

百度智能云邀53AI：共创AI新纪元，启航智能新时代

2024-05-27

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

2024-05-22

热点资讯

万字长文解析：大模型需要怎样的硬件算力

2024-03-30

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

2024-04-26

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

2024-05-10

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

2024-04-12

一文带你了解大模型——智能体（Agent）

2024-05-28

最强 GPT 免费使用！GPT4O 开启多模态新时代！

2024-05-14

更改ollama模型存储路径

2024-04-25

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

2024-07-18

全面对比dify、coze、streamlit、chainlit

2024-04-26

本地部署大模型？看这篇就够了，Ollama 部署和实战

2024-08-13

大家都在问

如何从头建立一个通用AI智能体应用？

2024-12-22

构建行业RAG应用系统：金融、财务、保险、医疗等行业该怎么做？

2024-12-21

o3比o1强在哪里？

2024-12-21

OpenAI 铺垫了12天发布的 o3 到底咋样？

2024-12-21

Gemini 2.0重磅来袭！AI实力再进化，你准备好了吗？

2024-12-21

微软开源的 Markitdown 可将任意文件转换为 Markdown 格式，PDF 解析咋样？

2024-12-20

Nvidia 的 CUDA 护城河到底有多深？

2024-12-20

开源！轻量！AI 代码助手插件 Continue 使用体验如何？

2024-12-19

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

万字长文解析：大模型需要怎样的硬件算力

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示

一文带你了解大模型——智能体（Agent）

最强 GPT 免费使用！GPT4O 开启多模态新时代！

更改ollama模型存储路径

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

全面对比dify、coze、streamlit、chainlit

本地部署大模型？看这篇就够了，Ollama 部署和实战

大家都在问

如何从头建立一个通用AI智能体应用？

构建行业RAG应用系统：金融、财务、保险、医疗等行业该怎么做？

o3比o1强在哪里？

OpenAI 铺垫了12天发布的 o3 到底咋样？

Gemini 2.0重磅来袭！AI实力再进化，你准备好了吗？

微软开源的 Markitdown 可将任意文件转换为 Markdown 格式，PDF 解析咋样？

Nvidia 的 CUDA 护城河到底有多深？

开源！轻量！AI 代码助手插件 Continue 使用体验如何？

热门标签

开箱即用的企业大模型应用平台

工作+AI

业务+AI

AIx业务

大模型咨询

大模型定制

相关资讯

160+中大型企业正在使用53AI

百度智能云邀53AI：共创AI新纪元，启航智能新时代

钉钉恒星计划：53AI与百余位企业家及钉钉生态伙伴，共议“AI 浪潮下的新机遇”

热点资讯

万字长文解析：大模型需要怎样的硬件算力

全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

微调神器LLaMA-Factory官方保姆级教程来了，从环境搭建到模型训练评估全覆盖

OLLama详细的 api 介绍 不完全指南 python 直接调用 OLLama api 翻译助手演示

一文带你了解大模型——智能体（Agent）

最强 GPT 免费使用！GPT4O 开启多模态新时代！

更改ollama模型存储路径

GraphRAG+Ollama 本地部署，保姆教程，踩坑无数，闭坑大法

全面对比dify、coze、streamlit、chainlit

本地部署大模型？看这篇就够了，Ollama 部署和实战

大家都在问

如何从头建立一个通用AI智能体应用？

构建行业RAG应用系统：金融、财务、保险、医疗等行业该怎么做？

o3比o1强在哪里？

OpenAI 铺垫了12天发布的 o3 到底咋样？

Gemini 2.0重磅来袭！AI实力再进化，你准备好了吗？

微软开源的 Markitdown 可将任意文件转换为 Markdown 格式，PDF 解析咋样？

Nvidia 的 CUDA 护城河到底有多深？

开源！轻量！AI 代码助手插件 Continue 使用体验如何？

热门标签

OLLama详细的 api 介绍不完全指南 python 直接调用 OLLama api 翻译助手演示