Little Kiln Support Copilot

Little Kiln Support Copilot 是一个基于本地开源模型的轻量级检索增强生成（RAG）系统，用 Python 编写，通过 Ollama 在本地运行 EmbeddingGemma 和 Gemma 4 E2B 两个开放权重模型。

在 Little Kiln Support Copilot 的测试中，相关历史案例的余弦相似度得分高于 0.63，噪声案例低于 0.58，作者据此将检索阈值从 0.5 提高到 0.6。

将 temperature 降至 0.2 并在提示词中要求应用最相似案例的解决方案后，模型对“花瓶到货碎了要退款”的草稿稳定采用破损政策（2天内免费换新、无需寄回破损品、提供损坏照片），而不再错误采用无理由退货政策。

当检索阈值设为 0.5 时，一个关于茶壶的新问题拉入了不相关案例，导致 Gemma 宣称店铺没有茶壶（编造信息）；阈值提高到 0.6 后，无相关案例时模型会表示需要店主确认。

使用付费第三方 AI API 时，客服成本会随客户消息数量线性增长；而本地运行模型每天回复 20 封邮件也不产生 API 费用。

Little Kiln Support Copilot 目前是一个命令行演示，通过三个真实案例展示能力：破损花瓶触发换新政策、延迟包裹引用 SORRY10 折扣码、未覆盖问题诚实转交店主。

在延迟包裹案例中，模型草稿泄露了“过去我们曾提供……”这类内部措辞，证明人工审核每个草稿是必要的。

Little Kiln Support Copilot 的代码已在 GitHub 开源，并被提交至 Hacktoberfest 2026 开源 AI 挑战赛第二周“副业”赛道，参与“最佳 Gemma 使用”和“最佳 Tiger Data 使用”两个奖项的角逐。

对于一人店铺的客服草稿场景，更大的闭源模型可能写出更流畅的文本，但免费、私密、本地的模型是更划算的选择，因为草稿需要人工审核。