AI 分身、聊天机器人和 Digital Mind：有什么区别？

这三个名称的含义有所重叠，各类产品也各不相同，因此名称本身很难说明产品能做什么。聊天机器人可以是脚本式或生成式系统，AI 分身旨在代表某个特定的人，而 Digital Mind 是 Plandora 的 AI 代表。应根据文档说明的功能进行比较。

对购买者来说，值得比较的是责任如何落实：系统可以说什么、必须拒绝什么，以及需要真人介入时会发生什么。

这五个名称是什么意思？

产品营销模糊了这些名称的界限，以下是方便讨论的定义，并非市场分类标准。任何产品都可以结合其中多种形式。

• 基于规则的聊天机器人。 遵循预设规则、决策树或脚本回复的软件。IBM （在新标签页中打开）^[1] 将聊天机器人定义为“通过文本或语音与人交流的软件应用程序”，并称基于规则的机器人是传统类型。
• 通用 AI 助手或自定义 GPT。 你可以与之聊天，用于起草、研究和分析的大语言模型，有时会根据你自己的指令和上传的文件进行配置。
• AI 分身（也称数字孪生或数字替身）。 旨在通过文本、语音或视频代表某个特定人的 AI。Axios （在新标签页中打开）^[7] 报道称，高管们输入自己的文章、主题演讲和采访，有时还包括会议内容，以此制作文本和语音聊天机器人及视频化身。这是市场上的用语，本文其余部分仅用它指代这一类别。
• 客服 AI 智能体平台。 面向支持团队的软件，利用帮助中心内容、订单数据和客服系统回答问题并解决工单。
• Digital Mind。 Plandora 的产品：由专家或企业批准的知识、指令和边界构建的 AI 代表。它回答访客问题、收集获准的信息，并可请求真人介入。

这些名称在实践中有所重叠。IBM 表示，许多 AI 聊天机器人连接业务应用、数据库和知识库，也可以将更复杂的对话转交真人。Axios 称 Delphi 是一个 AI 分身平台；Delphi 在其 Hosted Actions 帮助页面 （在新标签页中打开）^[2]（更新于 2026 年 9 月 18 日）中表示，操作可以“标记和更新联系人”、“在需要真人介入时通知你”，并连接 CRM。同一页面也用“Digital Mind”称呼 Delphi 自己的产品。因此，类别名称无法告诉你产品是否具有知识控制、联系人记录或转接功能。只有产品本身能说明这一点。

如何比较它们？

按类别制作的表格需要每个单元格都适用于该类别的所有产品，但没有一个能做到。下表列出 Plandora 的文档对 Digital Mind 的说明，并在每一行指向可向任何供应商提出的评估问题，无论其产品叫什么。右栏标注“因产品而异”的地方，除上述示例外，均未核查该供应商页面上说明的具体功能。

此表并不对产品排名。在 Plandora 一栏中，Audience、Automations 和部分渠道可能取决于方案或推出情况。

这些工具会在哪里出错？

这个领域的每种产品都可能以特定方式出错。以下两个案例仅作说明，并非已报道的事件。

脚本流程陷入循环。 访客提出了脚本从未预料到的问题。流程要求提供访客没有的账号，然后又问了一遍。美国消费者金融保护局的2023 年 6 月消费者金融聊天机器人报告 （在新标签页中打开）^[3]指出，聊天机器人“可能有助于解决基本咨询，但随着问题变得更复杂，其效果会减弱”。报告还描述了客户陷入循环，“没有转接真人客服代表的出口”。该报告涵盖一般聊天机器人，因此循环并非仅发生在脚本工具中。补救方法：在每一步都提供转接真人的出口，并查看访客触发兜底回复或重复提问的对话。

生成式回复捏造了一项权利。 访客询问过了取消期限后是否仍可退款。尽管政策规定不能退款，回复却说可以。补救方法：纠正或移除过时或冲突的来源，在 Boundaries 中将退款决定转交给指定人员，用几种不同措辞重新测试这个问题，并由真人联系访客。在 Plandora 中，所有者可以在收件箱找到该对话并接手。

三项证据说明第二种情况有多真实。

• 2025 年 9 月的 Kalai 及其同事的论文 （在新标签页中打开）^[4]认为，语言模型产生幻觉是因为训练和评估奖励猜测，而非承认不确定性。这表明，模型在没有额外设计时倾向于作答，因此必须设计拒答或转接机制。
• 一项预注册的商业 AI 法律研究工具研究发表于 Journal of Empirical Legal Studies 2025 年刊 （在新标签页中打开）^[5]，发现两家主要供应商的工具各自产生幻觉的比例均超过 17%。Stanford 的2024 年 5 月研究摘要 （在新标签页中打开）^[6]称，研究使用了超过 200 个开放式法律问题，并统计了错误答案以及引用无法支持答案的来源的情况。这些工具产生幻觉的频率低于 GPT-4，但作者认为供应商的宣传言过其实。这个比例不能直接套用到你的使用场景，而且研究比较的是完整产品，因此无法单独确定它们的幻觉率低于 GPT-4 的原因。
• Axios 在 2025 年 6 月报道，高管们正用自己的文章、演讲和采访构建 AI 分身。记者指出，使用一个人的材料训练“可能意味着更少的不准确之处，但并不意味着完全没有”。文章结尾提到 AI 分身可能引发“因真实性问题引发的反感”这一风险。

对于以模仿真人为核心的产品，真实性既可能是吸引力，也可能是风险。如果访客以为自己正在与本人交谈，错误答案就会归咎于这个人。Plandora 的公开 FAQ持不同立场：Digital Mind“不是人类专家，不应被呈现为人类专家”，而重大的财务、法律、医疗和就业决定仍需合格的真人审核。有关回复为何出错以及如何改进，请参阅 AI 回复为何出错。

Digital Mind 与 AI 分身有何不同？

区别不在于 Plandora 独有的某项功能。Delphi 的例子表明，AI 分身供应商也可以在文档中说明业务操作功能，因此仅凭功能清单无法解决这个问题。Plandora 说明的是设计意图。其 FAQ 将 Digital Mind 定义为能够回答问题、引导访客、收集获准信息并帮助对话进入下一步的 AI 代表，并指出它不是人类专家。什么是 Digital Mind？全面介绍了这一模式。

在产品中，这一功能由几个明确的部分共同实现。知识来自 Drive 和 Social media，行动手册包含 Goal、Role & style、Boundaries 和 Flow，而 Contacts、数据集合 和 Stages 保存受众上下文。Digital Mind 如何学习你的专业知识解释了知识方面的运作方式。

语音是两者重叠最多的地方，也与上述真实性风险存在张力。语音在 Plandora 中是可选的，不启用时 Mind 以文本回复。使用训练后的语音，访客可以播放朗读出来的回复；公开 FAQ 表示，基于所有者声音特征的语音模型取决于方案，还需确认供应商要求和同意事项。训练后的语音听起来像本人，因此披露更为重要。在当前公开聊天界面中，标题栏会在 Mind 名称旁显示一个小的 AI 标签；请检查你使用的每个渠道如何披露这一点，并在你的主页和行动手册中明确说明访客正在与 AI 代表交谈。

Digital Mind 仍然使用语言模型生成文本，所以上述错误证据也适用于它。它的回复基于三层：模型自身的知识、所有者选择的来源，以及开启后的网络搜索。选择来源并不意味着每一条生成的陈述都经过批准。

购买前要问的十个问题

1. 它使用哪些知识层，由谁批准每一层？ 询问它依赖模型知识、你选择的来源、网络搜索，还是混合使用，并索取来源清单及每个来源的加入方式。
2. 你能查看、更新和移除它所知道的内容吗？ 过时的政策应当可以移除，而无需重新构建。
3. 它不知道答案时会怎么做？ 提出材料范围之外的问题，留意它是拒答、转接还是猜测。
4. 你能设置哪些限制，又该如何测试？ 指明哪些话题和决定须由真人处理，然后用不同措辞、后续施压（例如声称经理已经批准请求）和超出范围的请求进行测试，记录每一次失败。预览测试通过只表明观察到了某种行为，并非保证：除非供应商说明存在独立机制，否则写给模型的指令不是独立强制执行的限制。
5. 真人如何接手，等待期间会发生什么？ 询问产品是暂停、将请求排队，还是继续回复直到有人接手。在 Plandora 中，请求会通知团队，Mind 会继续回复，因此 Boundaries 应说明它在此期间可以告诉访客什么。留意是否有包含历史记录的共享收件箱，以及将对话交还给 AI 的方式。参阅 AI 对话的真人转接。
6. 它会披露自己是 AI 吗？ 询问访客如何获知这一点，以及它是否曾将自己呈现为本人。披露规则因司法辖区而异，AI 披露与欧盟 AI 法案介绍了其中一种制度。
7. 它在哪里运行，对话是否汇集在一处？ 列出你的受众使用的渠道，检查是否都得到支持，并询问哪些渠道的对话会进入同一个共享收件箱。
8. 它会保留上下文和意图吗？ 检查它能否保存你要求的信息、将聊天关联到联系人、标记进度并同步到你的 CRM，还是每次聊天都从空白开始。
9. 数据会去哪里？ 向每家供应商询问同样五件事：内容是否用于训练模型、记录保留多久、如何删除、谁能阅读对话，以及合同中作出了什么承诺。Plandora 的 FAQ 建议与销售人员确认模型训练和保留条款，除非协议允许，否则不要输入机密数据或受监管的个人数据。
10. 设置和运行需要什么，成本是多少？ 列出各项成本：平台费、使用费、渠道供应商费用、语音或视频生成费用，以及你审核对话和更新知识所花的时间。询问达到限额后会发生什么。在 Plandora 中，点数用尽时 AI 回复、训练和 Automation 运行会暂停，被跳过的回复不会在之后补发。

什么时候更简单的工具就够了？

当问题少、稳定且需要准确答案时，基于规则的流程就足够了：例如营业时间、订单状态、预订步骤。IBM 表示，传统聊天机器人善于处理可预测的请求，但难以应对超出预设回复范围的问题。当只有你自己阅读并能判断输出内容时，通用助手就足够了。

如果每个答案都需要律师批准措辞，如果你的咨询大多是在工单系统中查询订单，或者如果没人会阅读对话，就不必使用 Digital Mind。任何与公众交谈的 AI 都需要有人审核它说过的话。在 Plandora 中，Insights 可以将问题标记为 No answer 或 Partial answer，并提供 Add an answer 操作，打开已填入该问题的 FAQ。此答案分析需要付费方案，而 Answered 是系统评估，并不证明访客感到满意。