DeskcommCRM 教程：跑在 WhatsApp 上的开源 AI 销售操作系统

📌 项目日期：2026年9月 | 数据来源：GitHub官方仓库 | 星数：1.3k+

📋 项目简介

DeskcommCRM（1.3k 星，单日 +126，MIT）是一个开源 AI 销售 CRM，定位"WhatsApp 上的销售操作系统"，对标 Kommo/Octadesk/Intercom——但无月费、无功能锁、数据自持。它最大的差异点是 AI agent 不只负责聊天：而是以"一等 assignee"身份真实操作 CRM（租户级 RAG、自执行 skills、组织记忆、情感分析），拿不准时才 handoff 给人工。同类开源 AI 管理系统可对比阅读 Suna AI企业管理系统教程：开源AI Agent平台怎么部署。

✨ 核心特性

特性	说明
AI 真实操作 CRM	tenant 级 RAG、自执行 skills、组织记忆、情感分析，IA 是一等 assignee
人机协同	不确定时 IA→人 handoff；每组织可设 AI 花费上限
防死寂引擎	自适应 follow-up、风险雷达，客户不再"聊着聊着没人管"
agent 自改进	Evolução da IA 屏，agent 从对话结果中持续学习
多行业词汇表	multi-nicho：lead→Cliente/Paciente 等称谓可配置
WhatsApp 双通道	WAHA（QR 多号接入，throttle/jitter/时间窗防封）或 Meta Cloud API 官方通道
Webhook 自动化	公开端点 /api/v1/webhooks/in/<token> + QUANDO/SE/ENTÃO 规则 + event_log 每分钟 cron
LGPD 合规	全 tenant 表 RLS 行级安全、CI 含 RLS 隔离证明测试、审计 5 年
现代技术栈	Next.js 16 + React 19 + TypeScript strict + Supabase + Vercel AI SDK v7

🏗️ 工作原理

WhatsApp 用户消息
   │
   ▼
WAHA（QR 多号 · throttle/jitter/时间窗防封）或 Meta Cloud API
   │
   ▼
AI Agent（tenant 级 RAG · 组织记忆 · 情感分析 · 自执行 skills）
   │
   ├──→ 确定事项：直接操作 CRM（IA 一等 assignee · 每组织花费上限）
   └──→ 不确定事项：handoff 人工接管（IA→人）
   │
   ▼
Supabase Postgres（RLS 行级安全 · 全 tenant 隔离）
   │
   ├──→ 自动化引擎（QUANDO/SE/ENTÃO 规则 · event_log 队列每分钟 cron）
   └──→ 防死寂（自适应 follow-up · 风险雷达）+ agent 自改进屏

🚀 安装部署

# 推荐路线：HostGator 合作一键脚本（仓库 hostgator-setup-kit/ 目录）
#   install.sh 幂等执行，只问三个问题并即时验证：
#     1) 域名   2) AI 密钥   3) 管理员密码
#   自动完成：Postgres 扩展 · HTTPS · 健康检查 · 自动化 cron

# 前置准备清单
#   ① Docker VPS（4GB RAM）
#   ② 域名 A 记录指向 VPS
#   ③ Supabase 项目（Postgres + RLS + vector）
#   ④ AI 密钥：OpenRouter / Anthropic / OpenAI（安装时三选一）
#   ⑤ WhatsApp 通道：WAHA（QR 多号+防封）或 Meta Cloud API

# Webhook 自动化（规则语法：QUANDO当 / SE如果 / ENTÃO则）
POST https://你的域名/api/v1/webhooks/in/<token>

# 技术栈：Next.js 16 · React 19 · TS strict · Supabase · WAHA NOWEB
# README 主文为葡语，附英文版 README.en.md

💡 使用建议

• 一键脚本优先：除非有特殊定制，HostGator setup-kit 的幂能安装比手动 Docker 拼装省一个下午。
• WAHA 防封参数保守设：throttle 间隔、jitter 抖动、发送时间窗宁可紧一点，号被封的代价远大于消息慢发几分钟。
• RLS 是生命线：多租户场景下别为省事绕过 RLS，CI 五道门里的 RLS 隔离测试就是防数据串租户的。
• AI 花费上限先设小再放开：每个组织设个保守的 AI 花费上限，观察一周实际消耗后再调整。
• 中文生态对照：微信场景的数据分析可看 微信智能中枢教程：本地化微信数据分析，只读CLI+AI技能加持；想快速搭管理后台可配 ToolJet 教程：开源AI企业应用平台搭建指南。