AI 不是把机器人变"聪明"那么简单，而是改变了开发模式本身。按驱动方式分 3 代，每一代的开发思路都不一样。

一、规则驱动时代——写死 if-else

最早的机器人靠关键词和规则。用户发"你好"，程序 if text == "你好" then 回"你好"。所有应答路径都要预先写好。

Eyun 提供收发能力，开发者写规则。能处理的问题有限，没匹配到就只能回默认话术。

这一代开发量都花在写规则上，规则越写越多越难维护。

二、数据驱动时代——从数据里学规律

有了足够的历史对话数据，可以训练分类模型自动判断用户意图。用户发"怎么退款"，模型识别为"退款意图"，再走对应流程。

比规则灵活，能处理规则没覆盖到的表达。但还是基于已有数据，遇到新问题还是不会。

Eyun 的消息记录接口提供训练数据来源，Webhook 提供实时输入。

三、模型驱动时代——大模型直接理解和决策

大模型时代，用户说"帮我看看最近那单咋还没到"，模型直接理解意图、提取参数、决定调哪个接口，再把结果组织成自然语言回复。

开发者不再写规则和训练分类器，而是设计提示词和工具调用。Eyun 的接口变成大模型可调用的工具——sendText 是回复工具，业务 API 是查询工具。

这一代开发量从"写规则"变成"设计提示词 + 对接工具"。

三代对比

时代	驱动方式	开发重心	能处理什么
规则驱动	if-else 关键词	写规则	预设问题
数据驱动	分类模型	训练 + 标注	已覆盖意图
模型驱动	大模型	提示词 + 工具	开放性问题

三代代码对比

# 规则驱动
if "退款" in text: sendText(wId, user, "退款流程：...")

# 数据驱动
intent = classifier.predict(text)
if intent == "refund": sendText(wId, user, refund_flow())

# 模型驱动
result = llm.call(text, tools=[sendText, query_order, refund])

变化总结

API 接口在三代里的角色没变——都是收发消息的通道。变的是通道中间的"大脑"：从规则到模型。

Eyun 提供稳定的收发能力，让开发者可以专注于"大脑"怎么设计。接口越稳定，上层的 AI 才能跑得越稳。