Shivam Kumar
VisionQuantech 的开发者，开发了零依赖的 WhatsApp AI 智能体开源项目
时间轴 (近 90 天)
开发者 Shivam Kumar 在生产环境将客服 Agent 的模型后端替换为 DeepSeek 后，推理成本下降约 15 倍，同时 CSAT 在 4000+ 通对话中持平。
Kumar 强调模型单价不是成本意外的主要来源，调用量翻倍才是；建议从第一天起按对话粒度记录 token 消耗。
Kumar 反对一刀切换模型，建议采用分层路由：DeepSeek 承接 85–90% 的常规流量（分类、草稿、检索问答、格式化），前沿模型处理剩余 10–15% 的复杂任务（模糊投诉、多步推理、低置信度）。
GitHub上的一个开源项目提供自托管WhatsApp AI智能体，用Python标准库写成，不依赖任何pip包，支持英语、印地语和Hinglish三种语言，能完成线索筛选、FAQ答疑和预约登记，且在没有API Key时也能纯规则模式本地运行。
全部知识事实 (4)
开发者 Shivam Kumar 在生产环境将客服 Agent 的模型后端替换为 DeepSeek 后，推理成本下降约 15 倍，同时 CSAT 在 4000+ 通对话中持平。
50%待验证Kumar 强调模型单价不是成本意外的主要来源，调用量翻倍才是；建议从第一天起按对话粒度记录 token 消耗。
50%待验证Kumar 反对一刀切换模型，建议采用分层路由：DeepSeek 承接 85–90% 的常规流量（分类、草稿、检索问答、格式化），前沿模型处理剩余 10–15% 的复杂任务（模糊投诉、多步推理、低置信度）。
50%待验证GitHub上的一个开源项目提供自托管WhatsApp AI智能体，用Python标准库写成，不依赖任何pip包，支持英语、印地语和Hinglish三种语言，能完成线索筛选、FAQ答疑和预约登记，且在没有API Key时也能纯规则模式本地运行。
50%