智能客服系统 🤖

一个基于 AI 的智能客服系统，采用前后端分离架构，支持知识库检索、工具调用和多轮对话。

✨ 特色功能

• 智能知识库: 自动向量化文本，基于相似度检索相关知识（支持 .txt、.pdf、.docx）
• RAG 增强: 检索增强生成，提升 AI 回答的准确性和相关性
• 上下文管理 & 多轮对话: 独立上下文管理器维护会话历史，支持连续对话
• 工具调用: AI 可自主判断并调用外部工具（如天气查询、天气推荐、表单提交），支持多步骤链式调用
• 前后端分离: React 前端 + Flask 后端，易于扩展和维护
• 模块化设计: 清晰的架构，方便功能扩展
• 配置化管理: JSON 配置文件，灵活可调

📁 项目结构

customer/
├── backend/              # Python 后端 (Flask)
│   ├── app.py           # Flask 主应用
│   ├── config.json      # 系统配置
│   ├── requirements.txt # Python 依赖
│   ├── modules/         # 后端模块
│   │   ├── assistant.py    # AI 助手管理
│   │   ├── rag.py          # RAG 检索模块
│   │   ├── ai_client.py    # AI 客户端
│   │   ├── context/        # 上下文管理
│   │   │   └── memory.py
│   │   ├── prompt/         # Prompt 管理
│   │   ├── store/          # 存储模块
│   │   │   ├── vector_store.py
│   │   │   └── loaders/    # 文档加载器
│   │   └── tools/          # 工具插件
│   │       ├── submit_form_plugin.py
│   │       ├── weather_plugin.py
│   │       └── weather_recommend_plugin.py
│   ├── knowledge_base/   # 知识库文档目录
│   └── db/               # 向量存储目录
│
└── frontend/            # React 前端 (Vite)
    ├── src/
    │   ├── components/  # UI 组件
    │   ├── api/         # API 调用
    │   └── ...
    └── package.json

🚀 快速开始

环境要求

• Python >= 3.8
• Node.js >= 16
• npm 或 yarn
• OpenAI API 密钥（或阿里云百炼 API）

后端启动

# 进入后端目录
cd backend

# 安装依赖
pip install -r requirements.txt

# 配置 API 密钥
# 编辑 config.json 文件，填入你的 API Key 和 base_url

# 启动服务
python app.py

后端将运行在: http://localhost:5000

前端启动

打开新终端：

# 进入前端目录
cd frontend

# 安装依赖
npm install

# 启动开发服务器
npm run dev

前端将运行在: http://localhost:5173

访问应用

在浏览器中打开: http://localhost:5173

🔧 配置说明

系统配置 (config.json)

{
  "api_key": "your_api_key",
  "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
  "model": "deepseek-v4-pro",
  "embedding_model": "text-embedding-v3"
}

📡 API 接口

GET /start

检查服务状态

响应示例:

{
  "status": "ready",
  "message": "客服系统已就绪",
  "knowledge_base": true
}

POST /chat

处理对话请求

请求体:

{
  "message": "用户输入",
  "session_id": "可选会话ID"
}

响应示例:

{
  "reply": "AI回复内容",
  "tool_calls": [],
  "session_id": "会话ID",
  "finished": false
}

🎯 使用流程

1. 准备知识库: 在 backend/knowledge_base/ 目录中添加文档（支持 .txt、.pdf、.docx）
2. 启动服务: 按照上面的步骤启动前后端服务
3. 开始对话: 在浏览器中访问前端地址，与智能客服对话
4. RAG 增强: 系统会自动从知识库中检索相关信息，增强 AI 的回答
5. 工具调用: 当客户需要提供信息时，AI 会自动调用表单提交工具；当客户询问天气及推荐景点时，AI 会自动先调用天气查询工具，再根据天气结果调用天气推荐工具（支持链式工具调用）

🛠️ 自定义扩展

修改系统提示词

编辑 backend/modules/prompt/__init__.py 中的 CUSTOMER_SERVICE_PROMPT 变量

添加新工具

1. 在 backend/modules/tools/ 目录下创建新的插件文件，继承 BaseTool 基类
2. 定义工具实例，包含名称、定义和 execute 方法
3. 在插件文件末尾创建并导出工具实例
4. 在 app.py 中导入新的工具实例并添加到工具列表
5. 重启服务，新工具会被注册并使用

更新知识库

1. 在 backend/knowledge_base/ 目录中添加或修改文档
2. 重启服务，系统会自动重新向量化并建立索引

📊 技术栈

后端:

• Flask 3.0.0 - Web 框架
• OpenAI SDK 1.12.0 - AI API 客户端 (兼容阿里云百炼)
• Flask-CORS - 跨域支持
• numpy 2.4.4 - 数值计算 (用于向量相似度计算)
• RAG 技术 - 检索增强生成

前端:

• React 18 - UI 框架
• Vite - 构建工具
• Axios - HTTP 请求
• UUID - 会话管理

AI 服务:

• 阿里云百炼平台
• qwen-plus 模型
• text-embedding-v3 向量化模型

🔮 后续优化建议

• 添加缓存机制提升性能
• 支持更多向量数据库
• 实现数据库替代 JSON 存储
• 添加 API 限流和安全验证
• Docker 容器化部署
• 多轮对话策略优化