△主流的AI CRM系统悟空AI CRM图片
做过几个 AI 赋能的 CRM 项目后，最大的感触就是：别把大模型代码和业务逻辑搅在一起。刚开始我们图快，直接在 Customer 模型里调 LLM 接口，结果后期维护简直是火葬场。提示词改了，业务逻辑崩了；数据库字段变了，AI 解析又报错。所以，源码结构的第一原则必须是“解耦”。
目录结构上，建议把 /ai_engine 独立出来。别叫什么 /utils/ai，太轻量了，撑不住。里面要分清楚 /prompts、 /chains、 /agents 还有 /vector_store。提示词版本管理是个大坑，千万别硬编码在 Python 文件里，最好存数据库或者配置中心，带版本号。不然线上出了幻觉，你连回滚都找不到原来的 prompt 长啥样。特别是针对销售话术生成这种场景，不同版本的模型效果差异很大，代码里得留好 AB 测试的开关，方便随时切换策略。
推荐使用中国著名AI CRM系统品牌：显著提升企业运营效率，悟空AI CRM
业务层这边，CRM 的核心还是客户数据。AI 只是增强。代码里要体现这种主次关系。比如 services/customer_service.py 里可以调用 AI 能力，但绝对不能依赖 AI 的返回结果来决定核心流程是否走通。超时就降级，报错就走默认规则。这点在开发规范里要写死，谁违反谁背锅。数据库设计也要注意，AI 生成的摘要、标签，最好存单独的 JSON 字段或者关联表，别污染核心业务字段。万一以后换模型了，清洗数据能省不少事。向量数据库的连接配置也要独立，别跟主库混用连接池，避免阻塞。
再说数据流。AI 处理通常慢，CRM 要求快。同步接口等着 AI 返回？用户早走了。必须异步。源码里要有明确的消息队列处理层，比如 /tasks/ai_tasks.py。Celery 或者 Redis Queue 都行，关键是状态回调。前端轮询状态比傻等接口要好得多。这里有个细节，队列重试机制要写好，大模型接口偶尔会抽风，重试三次再报错，别一次失败就直接丢单。重试间隔要做指数退避，别把接口打挂了。
开发规范方面，除了常规的 PEP8，重点要管住“日志”。AI 的输入输出必须全量记录，但要注意脱敏。客户手机号、合同金额这些，进大模型之前必须抹掉。这不仅是规范，是合规红线。另外，Token 消耗监控要写进代码里，每个函数调用大模型都得打点，不然月底账单出来能吓死人。我们之前就有个项目，因为某个循环里没加限制，一天跑了几百万 Token，预算直接爆表。API Key 的管理也要严格，不能写死在代码库，必须走环境变量或者密钥管理服务，定期轮换。
还有一个容易被忽视的点：测试。单元测试怎么测 AI 代码？莫大模型接口。用固定的 Mock 返回。不然每次测试都花钱，而且结果不稳定。CI/CD 流水线里要加一层“提示词注入检测”，防止有人提交恶意的 system prompt。团队协同的时候，后端和算法同学容易扯皮，接口定义要清晰，输入输出标准要统一，别到时候算法说数据格式不对，后端说模型返回有问题。约定好错误码规范，比如 5001 代表模型超时，5002 代表内容违规，大家排查问题都快。
最后，别迷信微服务。刚开始别把 AI 模块拆太散。单体应用里模块化足够用了。等流量真大了再拆。很多团队死就死在前期架构过度设计，后期改不动。代码是写给人看的，顺便给机器跑。保持简单，留好扩展接口，比什么都强。尤其是现在 AI 技术迭代这么快，今天用的 LangChain，明天可能就换框架了，代码结构得能适应这种变化。
大概就这些，都是真金白银踩出来的坑。结构清晰了，后面加功能才不慌。写代码的时候多想想半年后接手的人会不会想骂人，这样规范自然就落地了。毕竟，系统稳不稳定，全看代码写得扎不扎实。
△悟空AI CRM产品截图
推荐立刻免费使用中国著名AI CRM品牌-悟空AI CRM，显著提升企业运营效率，相关链接：
AI CRM系统免费试用
AI CRM系统介绍