Files
Obsidian/MyArticles/基于 LangChain 实现 AI Agent 智能客服系统.md
T
coco 8b94d76799 a
2026-07-21 13:57:15 +08:00

308 lines
8.1 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
我给你一套**可直接落地、生产级**的 LangChain AI Agent 智能客服实现方案,包含架构、核心代码、功能模块、部署全流程,新手也能直接跑起来。
## 一、系统整体架构(最关键)
智能客服 = **AI Agent(大脑)** + 工具集(手脚) + 知识库(记忆) + 对话管理
LangChain 负责把所有能力串联起来。
### 核心模块
1. **大模型 LLM**:GPT-4o / Qwen / GLM / Llama (推理+决策)
2. **Agent 核心**:ReAct / OpenAI Functions Agent (决定做什么)
3. **RAG 知识库**:产品手册、FAQ、订单规则(回答依据)
4. **工具集 Tools**:查订单、查物流、退款、转人工、天气
5. **记忆 Memory**:对话历史、用户信息
6. **输出校验**:合规、敏感词、格式规范
---
## 二、快速实现(完整可运行代码)
### 1. 安装依赖
```Bash
pip install langchain langchain-openai langchain-community faiss-cpu python-dotenv pydantic
```
### 2. 环境配置(.env)
```Plain
OPENAI_API_KEY=你的key
OPENAI_BASE_URL=https://api.openai.com/v1 # 国内可替换为代理地址
```
### 3. 完整智能客服 Agent 代码
```Python
from dotenv import load_dotenv
import os
from typing import Optional, Type
from langchain_openai import ChatOpenAI
from langchain.agents import create_openai_tools_agent, AgentExecutor
from langchain.tools import BaseTool
from langchain.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain.memory import ConversationBufferMemory
from langchain_community.vectorstores import FAISS
from langchain_openai import OpenAIEmbeddings
from langchain_text_splitters import RecursiveCharacterTextSplitter
from langchain.schema import Document
from pydantic import BaseModel, Field
# 加载环境变量
load_dotenv()
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")
# ===================== 1. 初始化大模型 =====================
llm = ChatOpenAI(
model="gpt-3.5-turbo",
temperature=0.1, # 客服必须低温度,稳定准确
streaming=True
)
# ===================== 2. 构建客服知识库(RAG) =====================
def build_knowledge_base():
# 模拟产品/客服文档
docs = [
"退货规则:7天无理由退货,商品未拆封可退,运费由商家承担",
"物流规则:订单发货后2-3天送达,偏远地区5-7天",
"订单查询:输入订单号即可查询物流状态",
"会员权益:银卡95折,金卡9折,黑卡85折",
"人工客服:工作时间9:00-22:00,输入【转人工】即可转接"
]
documents = [Document(page_content=d) for d in docs]
# 切片 + 向量库
splitter = RecursiveCharacterTextSplitter(chunk_size=200, chunk_overlap=50)
splits = splitter.split_documents(documents)
embeddings = OpenAIEmbeddings()
db = FAISS.from_documents(splits, embeddings)
return db.as_retriever(search_kwargs={"k": 2})
retriever = build_knowledge_base()
# ===================== 3. 定义客服工具(Tools) =====================
# 工具1:查询订单
class OrderQueryTool(BaseTool):
name = "order_query"
description = "用于查询用户的订单状态、物流信息,必须输入订单号"
def _run(self, order_id: str):
# 真实场景:调用数据库/ERP接口
return f"订单{order_id}:已发货,物流单号SF123456,预计明天送达"
# 工具2:知识库检索
class KnowledgeBaseTool(BaseTool):
name = "knowledge_base"
description = "当用户询问产品、规则、售后、会员等问题时使用"
def _run(self, query: str):
docs = retriever.get_relevant_documents(query)
return "\n".join([d.page_content for d in docs])
# 工具3:转人工
class TransferToHumanTool(BaseTool):
name = "transfer_to_human"
description = "当用户明确要求人工、问题无法解决时调用"
def _run(self):
return "已为您转接人工客服,请稍候..."
# 加载所有工具
tools = [OrderQueryTool(), KnowledgeBaseTool(), TransferToHumanTool()]
# ===================== 4. 对话记忆 =====================
memory = ConversationBufferMemory(
memory_key="chat_history",
return_messages=True
)
# ===================== 5. 构建 Agent =====================
prompt = ChatPromptTemplate.from_messages([
("system", "你是电商智能客服,礼貌、专业、简洁,严格按照知识库回答,不编造信息。无法回答时转人工。"),
MessagesPlaceholder(variable_name="chat_history"),
("user", "{input}"),
MessagesPlaceholder(variable_name="agent_scratchpad"),
])
agent = create_openai_tools_agent(llm, tools, prompt)
agent_executor = AgentExecutor(
agent=agent,
tools=tools,
memory=memory,
verbose=True, # 查看思考过程
max_iterations=3 # 避免死循环
)
# ===================== 6. 启动对话 =====================
if __name__ == "__main__":
print("智能客服已启动,输入【退出】结束")
while True:
user_input = input("用户:")
if user_input == "退出":
break
response = agent_executor.invoke({"input": user_input})
print("客服:", response["output"])
```
---
## 三、核心功能详解
### 1. Agent 决策逻辑(ReAct)
LangChain Agent 会自动完成:
- 理解用户问题
- 判断**是否需要调用工具**
- 选择工具(查订单/查知识库/转人工)
- 整合结果回答用户
- 全程保留对话上下文
### 2. RAG 知识库(避免胡说)
- 存储:产品文档、FAQ、售后规则
- 检索:用户提问 → 匹配最相关知识 → 生成答案
- 优势:**不编造信息、可更新、可管控**
### 3. 工具调用(真正的“智能”)
你可以无限扩展工具:
- 订单查询
- 物流跟踪
- 退款申请
- 改地址
- 取消订单
- 发送优惠券
- 人工转接
### 4. 对话记忆
记住用户历史对话,支持:
- 多轮上下文
- 用户信息(如订单号、姓名)
- 上下文纠错
---
## 四、进阶增强(生产必备)
### 1. 流式输出(打字机效果)
```Python
from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler
llm = ChatOpenAI(
streaming=True,
callbacks=[StreamingStdOutCallbackHandler()]
)
```
### 2. 敏感词 & 合规校验
```Python
def check_sensitive(text):
sensitive = ["诈骗", "辱骂", "政治"]
for word in sensitive:
if word in text:
return True
return False
# 调用前过滤
if check_sensitive(user_input):
print("客服:无法回答此类问题")
continue
```
### 3. 多轮对话优化(Prompt 工程)
```Plain
system: 你是专业电商客服,遵循:
1. 只回答电商相关问题
2. 不泄露内部信息
3. 无法解决立即转人工
4. 回答不超过3句话
```
### 4. 接入微信/网页/APP
- FastAPI 封装接口
- WebSocket 实现流式对话
- 前端对接(Vue/React)
---
## 五、典型对话效果
```Plain
用户:我想退货
客服:根据退货规则,7天无理由退货,商品未拆封可退,运费由商家承担。
用户:我的订单12345怎么样了
客服:订单12345:已发货,物流单号SF123456,预计明天送达
用户:我要找人工
客服:已为您转接人工客服,请稍候...
```
---
## 六、生产环境部署建议
1. **模型**:国内可用 通义千问、文心一言、GLM
2. **向量库**:FAISS(测试)→ Milvus / Chroma(生产)
3. **记忆存储**:Redis / MySQL
4. **接口**:FastAPI + Uvicorn
5. **监控**:日志、对话审计、异常拦截
---
### 总结
1. 这套代码**直接可运行**,是标准 LangChain AI Agent 智能客服
2. 核心是:**Agent + Tools + RAG + Memory**
3. 可无限扩展功能:订单、物流、退款、人工、多轮对话
4. 生产环境只需替换模型、接入真实接口、优化知识库
需要我帮你**对接国内大模型(通义/文心/GLM)**、**接入你的业务接口**、或者**做成网页版客服**吗?