DeskcommCRM Skill：让 AI Agent 真正接管 WhatsApp 销售的开源 CRM 系统

Skill超级捕获手 技术创作者 2026-09-12 801 阅读

DeskcommCRM 是一个开源 AI 销售操作系统，通过自托管 CRM + 原生 AI Agent + WhatsApp（WAHA）深度集成，让 AI 代理成为销售团队的一线员工——不仅回答问题，还能自主qualify leads、推进.pipeline、触发自动化，并准确判断何时将客户转给人工。2026 年 4 月上线 GitHub，截至 2026-09-12 已斩获约 1,394 Star，Fork 503 次，上周新增 96 Star，8 月中旬已有 546 星——三个月翻近 3 倍，已进入多个 AI/SaaS 聚合平台的精选列表，是近期销售自动化 + AI Agent 交叉方向最值得关注的新项目之一。

功能与原则

DeskcommCRM 核心定位是「AI-First 自托管销售操作系统」，而非传统 CRM 嫁接 chatbot 的简单方案。设计原则有三条：

  • Agent as Assignee：AI Agent 是销售流程中真正的任务执行者（assignee），而非装饰性对话界面；每个 lead 的跟进、qualify、pipeline 移动都有 Agent 署名。
  • Data Sovereignty First：所有数据必须在用户自己的 VPS 上，放弃 SaaS 数据锁定；多租户隔离 + LGPD 合规从架构层内建。
  • Self-hosted with one-command ops：一条命令完成全栈安装/更新/备份，不需要专业运维即可维护生产级系统。

核心能力覆盖：多租户 CRM + WhatsApp 双通道接入（WAHA QR 多号 + Meta Cloud API）+ RAG 向量知识库（per tenant）+ AI Agent 自动化销售流程 + MCP 协议暴露 + RBAC + 审计日志。

认可度

  • GitHub Star：约 1,394（截至 2026-09-12），3 个月内从 0 增至近 1,400，增长曲线陡峭
  • Fork：503 次
  • 上周新增：96 Star（2026-08-16 数据点），周增速稳定在 90-100 之间
  • 平台收录：AIAny、Olud.ai、GStars.dev、AitFind 等多个 AI 产品聚合平台已收录并标记为「Trending」
  • 社区维护：16 名 contributor，活跃 commit（1967 次提交在 4 周内），今天仍有 push，健康度评分 82/100

链接

GitHub：https://github.com/melgarafael/DeskcommCRM

原作者

melgarafael（GitHub Username），DeskcommCRM 项目核心维护者，同时有 HostGator、Supabase、WAHA 等生态合作方协助集成。定位是独立开发者/小型团队，主攻销售流程自动化 + WhatsApp 生态。

介绍

DeskcommCRM 最早是巴西电商场景下的 CRM 方案，因为 WhatsApp 是当地主要销售沟通渠道，团队需要一套能真正让 AI Agent 接管销售对话的系统，而市面上现有方案要么是纯 SaaS 数据不自主，要么是 chatbot 层面很浅。团队从真实销售场景出发，把 CRM 本身变成 Agent 的操作界面：Agent 通过 MCP 协议读取/写入 CRM 数据，自主执行销售技能（skills），并在知识库支持下持续进化。

系统支持两种 WhatsApp 接入方式：一是 WAHA 的 QR code 多号方案（带 throttling + jitter + 时间窗口防封策略），二是 Meta Cloud API（需要已批准的模板消息）。多号管理、媒体存储、STOP 关键词检测均已内置。AI 能力层支持 OpenRouter、Anthropic 和 OpenAI 三家，提供 RAG per tenant——每个租户有独立向量知识库，Agent 在当前租户语境下回答，不会串租户数据。

安装体验是该项目一大亮点：bash hostgator-setup-kit/install.sh 一条命令完成全栈部署（App + WhatsApp connector + Postgres via Supabase），安装过程只询问必要信息（域名、Supabase 密钥、AI API Key、管理员密码），全程可审计。更新、备份、恢复均有独立脚本，备份脚本建议加入 cron 日常化。

特点

  • AI Agent 是真正 assignee：Agent 不只是聊天，而是有budget 控制、有审计handoff 记录、有技能执行能力的销售参与者
  • RAG per tenant 进化机制：每次对话解决后自动沉淀为新知识；AI 自我改进提案需人工审核后生效，形成持续进化闭环
  • 多租户 + LGPD by-design：Row-Level Security 在每张表落地，CI 测试隔离性，审计日志只追加保留 5 年，优先匿名化而非简单删除
  • WhatsApp 双通道 + 防封策略：WAHA（多号 QR）+ Cloud API 双支持，内置 throttle/jitter/时间窗口防止封号
  • one-command 运维：安装、更新、备份、恢复各一条命令，无运维基础也能管理生产级系统
  • MCP-Ready：内置 MCP server 暴露 CRM 能力，外部 AI Agent 可真正操控 CRM（公共 MCP 协议在建）

使用方法

安装（一键 VPS 部署）

git clone https://github.com/melgarafael/DeskcommCRM.git
cd DeskcommCRM
bash hostgator-setup-kit/install.sh

安装脚本会自动验证每个输入项，生成其余密钥，应用数据库 schema 并启动完整 HTTPS 栈。详细文档见 hostgator-setup-kit/README.md。

更新

bash hostgator-setup-kit/update.sh  # 每次更新前自动备份

备份

bash hostgator-setup-kit/backup.sh  # 备份数据库 + WhatsApp 会话

开发环境快速启动

git clone https://github.com/melgarafael/DeskcommCRM.git
cd DeskcommCRM
# 参照 README.md 的 Quickstart 节配置 Supabase + AI API Key
npm install
npm run dev

MCP 接入（外部 Agent 调用 CRM）

MCP server 已在内部署，CRM 能力通过 MCP 协议暴露，外部 Agent 可通过 MCP 协议读写 lead、执行 pipeline 操作、查询知识库。具体 MCP 协议规范参见仓库 docs 目录。

使用场景与人群

适用场景

  • 需要 WhatsApp 作为主要销售/客服通道的电商、诊所、房产中介、培训机构
  • 对数据主权有要求（不愿将客户数据放在第三方 SaaS）的 SMB 团队
  • 希望 AI Agent 能真正执行销售任务而非只做问答的企业
  • 需要多租户隔离（不同品牌/子客户共用实例但数据完全隔离）的渠道/代理商

目标用户

  • 有一定 VPS 管理能力的运营团队或独立开发者
  • 已有 Supabase 项目 + LLM API Key（OpenRouter / Anthropic / OpenAI 三选一）的技术型销售负责人
  • 对 AI Agent 销售落地有真实需求、愿意投入配置时间的 early adopter

输入与输出案例

案例 1：AI Agent 自主跟进潛在客戶

Input：潛在客戶在 WhatsApp 發消息詢問產品價格，Agent 自動讀取租戶 RAG 知識庫匹配報價策略，回复報價並qualify購買意向，識別為「有興趣」後自動將 lead 移動到 pipeline 的「報價中」階段，設定 24 小時後follow-up。

Output：CRM 中該 lead 狀態更新為「報價中」，下一跟進時間已排定，Agent 在內部日誌中留下一條「已報價，等待回复」記錄，無需人工介入。

案例 2：多租戶隔離的真實操作

Input：Supabase 中有兩個租戶 A（電商）和 B（診所），兩者共用同一 DeskcommCRM 實例但 RLS 嚴格隔離。租戶 A 的 Agent 執行 RAG 查詢時只能看到 A 的產品目錄和歷史對話，租戶 B 的 Agent 只能看到 B 的科室和預約知識庫。

Output：即使底層是同一數據庫，兩方 AI Agent 的輸出內容完全隔離，跨租戶數據泄露風險為零，CI 測試在每次 PR 都會驗證隔離性。

GitHub: https://github.com/melgarafael/DeskcommCRM

评论区

0 条评论

登录后可评论。

Skill超级捕获手 801 阅读