Tiledesk
Tiledesk 的核心参数与统计
Tiledesk 官方定位为"Agentic AI Operating System",是一个将 AI Agent 自动化、多渠道客服、知识库 RAG 与 MCP 工具集成整合到同一平台的开源解决方案。它不是传统的 SaaS 客服工具,而是一个以 AI Agent 为内核的客服与业务流程自动化基础设施。
| 项目 | 公开信息 |
|---|---|
| 官方定位 | Agentic AI Operating System |
| 产品形态 | 开源 AI Agent 平台 + 多渠道客服系统 |
| 核心能力 | AI Agent 编排、可视化 Prompt Chain、MCP 工具集成、知识库 RAG、自学习 AI、人工客服 HITL |
| 部署路径 | 云 SaaS、开源自托管(Docker Compose / Kubernetes Helm) |
| 渠道支持 | Web Widget、WhatsApp、Facebook Messenger、Voice、SMS、Email、Telegram |
| 开源许可 | MIT License |
| GitHub Stars | ~311 stars(主仓库) |
| GitHub Forks | ~109 forks |
| 归属地 | IT(意大利) |
| 最新版本 | Tiledesk 3(~2025-09) |
| 支持平台 | Web、API |
| GDPR 合规 | 是,官方标注 fully GDPR-compliant |
定位演变:Tiledesk 从最初的"开源 Live Chat 平台"(v1),到"AI 聊天机器人 + 多渠道客服"(v2),再到当前的"Agentic AI Operating System"(v3),完成了从客服工具到 AI 自动化平台的跨越。当前版本的核心差异在于引入了可视化 Prompt Chain 编排、多 Agent 协作和 MCP 工具集成,使其可以处理更复杂的业务流程自动化,而不仅仅是客服对话。
部署选择:云 SaaS 版本提供 14 天免费试用(无需信用卡),适合快速验证;社区版基于 Docker Compose 或 Helm Chart 部署,生产有境建议使用 Kubernetes 并外接 MongoDB Atlas,避免使用内置单节点 MongoDB。
Tiledesk 的用户与市场认可
Tiledesk 在开源客服领域与 Chatwoot、Rocket.Chat 等同属开源赛道,但其"AI Agent + 客服"的差异化定位使其在需要 AI 自动化但又不希望被商业闭源绑定的中小企业和教育机构中获得了关注。
社区与客户案例:官方客户案例页面公开了多个实际使用者。意大利 Premiata 电商实现 90% 的客户咨询 AI 自动解决;Wanderlog 每月节省约 30 小时人工客服时间;Trackting 将客服团队工作量降低 30%;阿根廷 Córdoba 大学借助 Tiledesk 每月处理超过 20,000 次 AI 自动查询。这些案例提供了可参考的落地效果,但需注意部分数据为自述性质。
行业认可:Tiledesk 获得了 Capterra Shortlist、Software Advice Front Runner、GetApp Customer Engagement 等第三方评奖标识,并被 Product Hunt 的 Design Studio 专题推荐。这些第三方徽标出现在官网,可作为市场验证的参考信号。
生态支持:项目由意大利 Tiledesk S.r.l. 公司主导开发,获得了 Techshop Capital、Zest 等投资机构的支持,并参与了 Invitalia 等意大利政府创新资助计划。公司运营团队在 GitHub 上有 11 位活跃贡献者,社区论坛和 Discord 提供用户互助渠道。
Tiledesk 的成本优势
Tiledesk 的成本结构围绕"开源自托管降低入场门槛,云 SaaS 降低运维负担"设计,可覆盖从个人开发者到大型企业的不同预算层级。
C 端/个人与小型团队:社区版基于 MIT 许可证完全开源免费,可通过 Docker Compose 在单台服务器上快速启动。真实隐性成本包括:至少一台云服务器(建议 4 核 8G 以上)、域名与 SSL 证书LLM API 费用(调用 OpenAI、Claude 或 Gemini 等按 Token 计费)。如果使用云版,14 天免费试用后需按坐席付费,具体价格以官方实时定价页为准。
API/开发者:Tiledesk 提供完整的 REST API 和 MQTT API,开发者可基于开源代码进行深度定制。API 调用本身的费用包含在云版订阅中;自托管版本则无 API 使用费,但需自行承担基础设施与 LLM 调用成本。Tiledesk 支持接入本地开源 LLM(如 Llama、Mistral),在自托管场景下可大幅降低 API 调用费用。
企业/私有化:企业版提供 On-Premise 部署SSO 集成、自定义 AI 训练与专属支持。定价需通过官网提交商务咨询。相比商业闭源方案(如 Zendesk、Intercom),自托管 Tiledesk 在长期运行中的总拥有成本(TCO)可能更低,但需要团队具备 Kubernetes 运维和 AI 模型调优能力。
隐性成本对比:以下为 Tiledesk 与传统商业客服方案的关键成本维度对比:
| 成本维度 | Tiledesk(自托管) | 商业闭源客服方案(如 Zendesk) |
|---|---|---|
| 许可证费用 | 零(MIT 开源) | 按坐席/月,中大型团队年费可达数万至数十万美元 |
| 基础设施 | 自备服务器(云主机或物理机) | 厂商承担 |
| LLM API 费用 | 自选模型,按 Token 计费 | 通常含在订阅中但有限额 |
| 运维人力 | 需内部运维或 DevOps 支持 | 厂商承担 |
| 定制自由度 | 完全可控,可修改源码 | 受限于 API 和平台能力边界 |
| 数据主权 | 数据完全自管 | 数据存储在厂商云上 |
| 合规责任 | 使用者自行承担 | 厂商提供合规认证 |
Tiledesk 的主要功能
Tiledesk 的能力体系覆盖"AI Agent 自动化 → 知识管理 → 多渠道触达 → 人工兜底"四个层次,形成一个完整的客服与自动化闭有。
- AI Agent 可视化编排:通过 Design Studio 的拖拽式 Flow Builder,将 Prompt Chain、条件分支API 调用、知识库查询等节点组合为自动化流程,无需编写代码。适用任务:客户意图识别FAQ 自动回复、工单自动分类与路由。
- 多 Agent 协作与替换:支持创建多个具有不同角色(售前、售后、内部 IT 支持)的 AI Agent,通过 Replace Bot 动作在对话中根据意图、语言或话题动态切换 Agent。适用任务:复杂业务流程中不同阶段由不同 Agent 接力处理。
- 知识库 RAG 与混合搜索:内置知识库引擎,支持文档上传URL 索引Sitemap 同步等多种导入方式。检索层采用"全文检索 + 语义向量检索"的混合搜索架构,并叠加 Re-ranking 机制提升命中精度。支持多知识库链式检索和 Guardrails 过滤。适用任务:基于企业私有文档的精准问答。
- 自学习 AI Agent:AI Agent 可主动监听已完成的人工客服对话,自动提取关键信息并更新到知识库,实现从人工处理经验到 AI 知识的闭有沉淀。适用任务:持续优化 AI 回复质量,减少人工介入。
- 多渠道统一接入:原生支持 Web Widget、WhatsApp Business、Facebook Messenger、Voice、SMS、Email、Telegram 等渠道,所有渠道共享同一 AI Agent 和知识库配置。适用任务:跨渠道客户服务统一管理。
- MCP 工具集成:支持通过 MCP(Model Context Protocol)服务器连接外部工具,官方已提供 Shopify MCP Server、日历预约等集成。适用任务:让 AI Agent 能够执行订单查询、库存检查、预约排期等操作。
- AI Copilot 与人工坐席:当 AI Agent 无法解决时,无缝转接人工客服,并附带完整对话上下文。人工坐席侧提供 AI Copilot,实时推荐回复内容和知识库文章。适用任务:复杂投诉、退款请求、法律相关对话等必须人工介入的场景。
Tiledesk 的模型与版本演进
Tiledesk 的版本演变反映了从传统 Live Chat 工具向 AI Agent 平台的转型路径。
主线版本
- Tiledesk 1.x(~2021):基于 Node.js 和 Express 的开源 Live Chat 平台,提供基础的 Web 多渠道客服功能。核心组件包括 Tiledesk Server、Dashboard、Chat21 即时通讯引擎和 MongoDB 存储。
- Tiledesk 2.x(~2023-06):引入 AI 聊天机器人能力,支持多渠道(WhatsApp、Facebook Messenger)接入,建立"AI 先处理 + 人工兜底"的混合客服模式。Chat21 即时通讯引擎升级,支持 MQTT 协议的低延迟消息传递。
- Tiledesk 3.x(~2025-09):品牌升级为"Agentic AI Operating System",新增 Design Studio 可视化 Flow Builder、多 Agent 编排与 Replace Bot 机制Prompt Chain 编辑MCP 工具集成、自学习 AI Agent、混合搜索 RAG 引擎、语音自动化、邮件工单自动化等功能。部署体系增加 Helm Chart 支持 Kubernetes 生产部署。
版本演进特点
Tiledesk 的版本迭代有一个明显特征:每次大版本升级都在扩展产品的边界——从"客服对话工具"到"AI 客服平台"再到"AI Agent 操作系统"。v3 版本的架构变化最大,引入了 Agentic 设计和 MCP 集成,使产品从被动响应型(客服机器人)进化为主动执行型(AI Agent)。
Tiledesk 的技术优势
Tiledesk 的技术优势并非来自单一算法突破,而是源自其"即时通讯引擎 + AI Agent 编排 + 开放集成"的架构组合。
MQTT 即时通讯引擎:Tiledesk 底层基于自研的 Chat21 即时通讯引擎,采用 MQTT 协议实现低延迟消息传递。相比传统 HTTP 轮询或 WebSocket 方案,MQTT 在移动端网络切换场景下更稳定,且支持设备级推送,这对 WhatsApp 和移动端客服体验至关重要。官网描述为"Made for speed — MQTT based messaging engine"。
可视化 Prompt Chain 而非单 Prompt:Tiledesk 将复杂的 AI 任务拆解为多个小 Prompt 组成的 Chain,每个 Prompt 节点可独立测试、优化和复用。这种设计避免了"一个巨型 Prompt 控制所有逻辑"的脆弱性,使业务人员也能理解和维护 AI 流程。配合 Condition 节点和 AI Condition 节点,可以实现基于意图、情感、语言等条件的动态路由。
混合搜索 RAG 架构:知识库检索层同时使用传统全文搜索(BM25)和向量语义搜索(Embedding),并经过 Re-ranking 阶段重新排序结果。这种 Hybrid Search 架构在长尾问题(用户用非标准表述提问)上的表现优于纯向量检索,在企业文档密集场景下尤为关键。
自托管数据主权:自托管版本支持接入本地开源 LLM(Llama、Mistral 等)和本地向量数据库(Qdrant),数据完全留在企业基础设施内。对于 GDPR 合规要求严格的欧盟企业和数据敏感行业,这是 Tiledesk 对比纯云 AI 客服方案的核心差异。
MCP 与开放集成:通过 MCP 协议和 Webhook Action、Code Action、Make.com Action 等多种集成方式,Tiledesk 的 AI Agent 可以读取外部系统数据并触发业务操作。这种"AI Agent 作为调度中枢"的架构,使其从单纯的"问答机器人"升级为"业务流程自动化引擎"。
Tiledesk 的如何使用
Tiledesk 提供多种入口和使用方式,不同阶段的团队可选择最适合的路径:
| 使用方式 | 适合人群 | 关键步骤 | 起步成本 |
|---|---|---|---|
| 云 SaaS(免费试用) | 希望快速验证的团队 | 访问 panel.tiledesk.com 注册 → 14 天免费试用 → 配置 AI Agent → 接入渠道 | 免费 14 天,后续按坐席付费 |
| Docker Compose 自托管 | 有运维能力的小团队 | git clone 仓库 → 执行 docker-compose 启动 → 配置域名与 SSL → 接入 LLM API |
仅需云服务器成本 |
| Kubernetes Helm 生产部署 | 中大型企业 | 配置 Helm Chart → 外接 MongoDB Atlas → 配置监控与日志 → 生产上线 | 基础设施 + 运维人力 |
| 企业 On-Premise | 高合规要求组织 | 联系商务获取企业镜像 → 内部部署 → SSO 集成 → 定制 AI 训练 | 需商务确认 |
典型使用流程:① 在 Design Studio 中创建 AI Agent → ② 设置 System Prompt 定义 Agent 角色与行为 → ③ 上传知识库文档或配置 URL 索引 → ④ 通过 Flow Builder 编排对话流程(含 Prompt Chain、条件分支API 调用)→ ⑤ 接入渠道(Web Widget / WhatsApp / 等)→ ⑥ 设置人工转接规则 → ⑦ 上线并监控 Analytics。
3 分钟快速上手(自托管):以下为 Docker Compose 方式启动 Tiledesk 社区版的最低配置,完整步骤以官方 GitHub 仓库 README 为准:
git clone https://github.com/Tiledesk/tiledesk.git
cd tiledesk/docker-compose
docker-compose up -d
启动后访问 http://<your-server>:80 进入 Dashboard,完成初始配置即可开始使用。生产有境建议参考 Helm Chart 进行 Kubernetes 部署,并替换内置 MongoDB 为外部集群。
Tiledesk 的产品定价
Tiledesk 的定价体系分为社区开源版和云 SaaS 版两条路径,云版的完整价格档位以官方实时定价页为准。
社区开源版:基于 MIT 许可证完全免费,可通过 Docker Compose 或 Helm Chart 自托管。功能上不含云版的某些高级特性(如专属支持SSO),但核心的 AI Agent 编排、多渠道接入和知识库 RAG 功能完整可用。LLM API 费用需自行承担。
云 SaaS 版:定价页显示有 Free 方案(14 天试用,无需信用卡)和付费方案,按坐席数和使用量计费。付费方案包含更多 AI Agent 配额、高级分析和优先支持。企业版提供 On-Premise 部署SSO、自定义 AI 训练与专属 SLA,需联系销售获取报价。
成本估算参考:自托管方案的主要成本项包括:云服务器(月费约 $20-$100,视规模而定)、LLM API 调用(按 Token 计费,可通过接入本地开源模型降低)、运维人力。云版方案的成本随坐席数线性增长,但免去了运维负担。
Tiledesk 的应用场景
Tiledesk 的 Agentic AI 架构使其应用场景超越传统客服,延伸至业务流程自动化领域。
电商与零售客服自动化:AI Agent 自动处理订单查询、物流追踪、退换货引导。通过 Shopify MCP 集成,Agent 可直接查询订单状态、展示商品轮播图并辅助完成购物车构建。推演效果:从"人工处理 80% 重复查询 + 20% 复杂问题"到"AI 处理 80% + 人工处理 20%",客服人效提升 3-4 倍。核验重点:AI 退换货判断的准确率、敏感退款场景的人工兜底机制是否到位。
教育机构与学生服务:高校和在线教育平台使用 Tiledesk 处理招生咨询、课程查询、技术支持等高频问题。Córdoba 大学的案例显示每月可处理超 20,000 次 AI 自动查询。推演效果:从"需要 5-10 名全职客服处理招生季咨询"到"AI 处理大部分标准化问题,人工仅处理特殊申请"。核验重点:知识库能否覆盖不同学期、不同专业的差异化信息。
SaaS 产品客户支持:面向多租户 SaaS 产品的技术支持场景,AI Agent 基于产品文档和知识库自动回答用户问题,复杂 Bug 或账户问题转人工。人机协作边界:产品 FAQ、使用指南、账户管理类问题可 100% 自动化;涉及数据恢复API 密钥重置、安全事件等需人工确认。
企业 IT 内部支持:IT 部门可将内部知识库(WiFi 配置、软件安装VPN 设置等)导入 Tiledesk,员工通过 Web Widget 或 WhatsApp 自助查询。推演效果:从"IT 工单平均响应 4 小时"到"AI 即时回答 70% 常见问题,复杂工单自动分类转对应团队"。
预约排程自动化:利用日历 MCP 服务器集成 Google Calendar 或 Outlook,AI Agent 可在对话中完成空闲时段查询、预约确认、提醒发送的全流程,无需人工介入。
Tiledesk 的适用人群
Tiledesk 的多形态部署和 Agent 化设计服务于不同角色,其价值随使用者的技术能力和业务规模而变化。
中小企业和电商团队:希望以低成本引入 AI 客服,降低人工成本但不希望被商业闭源方案锁定。自托管方案前期需一定技术投入,一旦部署完成,长期边际成本极低。云版方案适合无运维能力的团队。
开发者与 DevOps 团队:可基于开源代码深度定制,通过 REST API / MQTT API 将 Tiledesk 嵌入现有系统。需要熟悉 Docker/Kubernetes 部署和 LLM API 集成。对这类角色,Tiledesk 的价值在于提供了一个"可编程的 AI Agent 底座"。
大型企业与合规敏感组织:GDPR 合规要求严格的欧洲企业、金融保险机构、医疗健康组织等。Tiledesk 的自托管 + 本地 LLM + 本地向量数据库方案使数据不出境成为可能。企业版需商务确认 SSO、审计日志和 SLA。
数字代理机构与系统集成商:可通过合作伙伴计划成为 Tiledesk 的实施方,为客户搭建定制化 AI Agent 解决方案。Tiledesk 的白标方案允许代理机构以自己的品牌交付产品。
不适配边界:以下场景 Tiledesk 可能不是最优选择——① 只需要传统工单系统、无需 AI 能力的简单场景(轻量级 Help Desk 建议使用 FreeScout 等更轻的方案);② 对 AI 回复质量要求极高、无法接受任何误判的高端法律服务或医疗诊断场景;③ 没有技术团队且预算极低的微型团队(云版的坐席费用可能高于 Chatwoot 等竞品);④ 需要中文深度优化的场景(Tiledesk 原生支持英文和意大利文,中文支持以产品页为准)。
总结与展望
Tiledesk 是开源 AI 客服与 Agent 自动化领域中的一个差异化选择。它的核心价值在于将"AI Agent 编排"与"多渠道客服基础设施"整合到同一开源平台上,使团队可以在一个系统中完成从 AI 自动化到人工兜底的完整闭有,而不是在多个工具之间拼凑方案。
当前限制:GitHub 主仓库 stars 数量(~311)显示其社区规模仍处于早期阶段,与 Chatwoot(~21k stars)等成熟开源客服项目差距明显,插件生态和第三方贡献活跃度有待验证。版本迭代集中在 v3 的大版本升级,稳定性需在生产有境中验证。中文支持程度有限,产品界面和文档以英文为主。
竞争优势:Tiledesk v3 的"Agentic AI Operating System"定位在开源客服领域具有独特性。相比 Chatwoot(传统开源客服,AI 能力依赖外部集成),Tiledesk 的 AI Agent 是原生设计;相比 Voiceflow(商业 AI Agent 平台,非开源),Tiledesk 提供自托管路径和数据主权。这种"开源 + Agentic AI + 自托管"的组合在当前市场中尚无直接对等的竞品。
后续观察点:① v3 版本的迭代速度和稳定性修复节奏;② GitHub 社区增长趋势和贡献者活跃度;③ MCP 工具集成生态的丰富程度;④ 云版定价策略的调整和中文本地化进展。
采购/采用风险评估:评估 Tiledesk 时应重点确认:① 自托管 vs 云版的 TCO 对比,特别是 LLM API 调用量预估和基础设施成本;② AI Agent 的回复质量能否达到业务要求的准确率阈值(建议先用云版 14 天试用跑 500-1000 条真实对话做抽样评估);③ 长期维护保障——开源社区版的更新频率和商业公司的持续运营能力(Tiledesk S.r.l. 已获机构投资,但项目仍处于较早期阶段);④ 如果选择自托管,需要内部团队具备 Docker/Kubernetes 运维能力和 LLM 调优经验。
相关工具:、


评论交流
欢迎分享看法。评论审核通过后公开;待审核和已拒绝的评论仅自己可见,邮箱不会公开。