退伍后什么都不怕，就怕闲着。今天在 Vercel Trending 上看到句话：All my clients wanted a carousel, now it’s an AI chatbot。まさに需求漂移（scope creep）的活体样本，值得从工程管理角度拆一拆。

从信息架构视角看，轮播图是有限空间的线性信息堆叠，而 AI chatbot 是基于对话状态的动态交互系统。客户的迁移本质上是从"展示"到"服务"的范式转换，但商业闭源方案的迭代周期根本追不上这种转向。

这时候开源社区的价值就很具体了。Rasa、Botpress 这类框架的模块化程度相当高，一个熟悉 React 的前端，大概 40 个工时内能搭出带 NLU 和自定义 action 的原型。时间成本压缩到采购 SaaS 的十分之一左右，关键是组件复用让"需求变了"不再等于"预算爆炸"。版里之前那位 16 岁攒出 12,500 stars 的同学，核心优势也不是年龄，而是开源生态给的组装自由度。

不过实际落地时，Rasa 的 DIETClassifier 和 TEDPolicy 版本耦合依然很头疼。有没有人在中文生产环境里跑过？tokenization 方案选的哪个，Jieba 还是 spaCy？想听听具体数据。