AI客服咨询系统
本文介绍了一个基于人工智能的智能电商咨询系统开发方案。系统采用前后端分离架构，前端使用Vue3框架，配置了路由、状态管理、数据请求等核心功能；后端采用Django5框架，集成了AI客服、数据采集等核心模块。系统通过扣子智能体实现AI对话功能，采用MySQL存储会话数据，使用DrissionPage进行电商数据自动化采集。重点阐述了AI咨询客服模块的实现，包括对话流程控制、会话消息存储和个性化数据采
·
一.项目背景
电商咨询系统是一个基于人工智能技术的智能电商导购与咨询平台，它主动为用户提供购物建议，区别于传统被动式客服，扮演智能购物顾问的角色。电商平台商品海量，用户面临信息过载难题，难以高效找到心仪商品。传统筛选方式机械，用户需要更自然、对话式的交互来提升购物体验。
二.项目准备
1.前端vue3框架
（1）vue3项目的安装配置
安装：在当前文件夹的终端中运行这个命令，创建vue项目
npm create vue@latest（2）目依赖包的安装
安装路由（前端url的映射）：
npm install vue-router
安装pinia（项目中全局共享的资源）：
npm install pinia
安装axios（向后端发送请求的库）：
npm install axios
安装elements-plus组件库（可直接使用封装好的页面样式效果）：
npm install element-plus --save
安装sass（规范css样式的写法）：
npm install sass --save-dev
安装echart（画echat静动态图表）：
npm install echarts2.后端django5框架
（1）django5项目的安装配置
安装：在当前文件夹的终端中运行这个命令，创建django项目
py -m pip install Django==5.2.5（2）项目依赖包的安装
安装django-rest-framework（django项目最常用的组件）：
pip install djangorestframework
安装mysqlclient（连接数据库）：
pip install mysqlclient
安装django-cors-headers（跨域配置，因为前端后端域名端口不同）：
pip install django-cors-headers
安装django-environ（在settings中加载.env环境变量）：
pip install django-environ
安装DrissionPage（数据自动化采集的包）：
pip install DrissionPage
安装requests（请求扣子智能体接口的包）：
pip install requests
安装cozepy（对接扣子的接口，实现ai对话接口的大脑）：
pip install cozepy3.扣子智能体
通过在扣子设计工作流，然后调用扣子工作流的接口，实现AI对话的大脑
4.mysql数据库
存储会话id和商品数据
5.DrissionPage
实现数据自动化采集
安装DrissionPage
pip install DrissionPage三.项目详解
1.django后端
（1）AI咨询客服模块
ai对话
-
实现思路
通过调用自己设置好的扣子智能体，智能体根据模板提示词进行相关回复，然后实现对话流程。
-
部分代码
class ConversationView(APIView):
def post(self, request): # 新建会话
coze = CozeConversation() # 我封装的扣子接口
user_id = request.data.get("user_id") # 获取用户id
question = request.data.get("question", '') # 获取问题
try:
SysUser.objects.get(id=user_id) # 用户是否存在
if question == '': # 如果问题为空，则返回请输入问题
return JsonResponse({"message": "请输入问题"})
conversation_info = coze.create_conversation(question) # 新建会话并获取会话信息
conversation_id = conversation_info.get("data").get("id") # 获取会话id
Conversation.objects.create(user_id=user_id, conversation_id=conversation_id, name=question) # 将会话保存到数据库
answer = coze.have_conversation(user_id, conversation_id, question) # 我封装的扣子接口
streaming_content=answer(),
content_type="text/event-stream",
status=200,
)
response['Cache-Control'] = 'no-cache' # SSE / 流式响应里，如果不加这个头，浏览器可能会把上一次请求的内容缓存起来，导致用户看到的是“旧数据”，防止缓存，看到之前的数据
response['X-Accel-Buffering'] = 'no' # 关闭 Nginx 缓冲（如用 Nginx）
return response
except Exception as e:
return JsonResponse({"message": "消息发送失败", "error": str(e)})-
效果图
会话消息存储
-
实现思路
会话：在扣子中有会话存储接口，但是为了稳定，还需将获取的会话id存储到本地数据库中，然后根据用户id获取对应会话列表；消息：根据会话id请求扣子消息接口可以获取每个会话id对应的消息列表
-
部分代码
# 获取会话列表
class ConversationView(APIView):
def get(self, request): # 获取所有会话
coze = CozeConversation()
user_id = request.query_params.get("user_id") # 获取用户id
try:
user = SysUser.objects.get(id=user_id) # 用户是否存在
conversations = coze.find_all_conversation() # 获取所有会话
all_conversation = list(
user.conversations.all().values("user_id", "conversation_id", "name")) # 在数据库中获取用户所有会话
return JsonResponse({"data": all_conversation}) # 给前端返回所有会话
except Exception as e:
return JsonResponse({"message": "用户不存在"})
# 获取消息列表
class DialogueView(APIView): # 对话
def get(self, request):
coze = CozeConversation()
conversation_id = request.query_params.get("conversation_id") # 获取会话id
messages = coze.find_message_list(conversation_id) # 获取会话消息列表
dialogue = [] # 暂时存储对话列表
question_answer = {} # 存储一组问题答案字典
# print(messages.get("data"))
for message in messages.get("data"):
if message.get("role") == "assistant": # 获取答案
question_answer["assistant"] = {"content": message.get("content"),
"message_id": message.get("id")} # 将答案和id暂时写入字典中
elif message.get("role") == "user": # 获取问题
question_answer["user"] = {"content": message.get("content"),
"message_id": message.get("id")} # 将问题和id暂时写入字典中
dialogue.append(question_answer) # 将问题答案和id写入对话列表中
question_answer = {} # 清空字典
# print(dialogue)
return JsonResponse({"data": dialogue})-
效果图
制定用户需求的个性化数据采集
-
实现思路
通过获取用户的需求，执行相应的数据采集程序
-
部分代码
class GetData(APIView):
def post(self, request): # user_id, conversation_id, product, price, brand
coze = CozeConversation()
user_id = request.data.get("user_id") # 获取用户id
conversation_id = request.data.get("conversation_id") # 获取会话id
product = request.data.get("product")
min_price = request.data.get("min_price", '')
max_price = request.data.get("max_price")
brand = request.data.get("brand")
# print(product, min_price, max_price, brand)
if min_price:
jd_product_info = jd_main(product=product, min_price=min_price, max_price=max_price, brand=brand)
# tb_product_info = tb_main(product=product, min_price=int(min_price), max_price=int(max_price), brand=brand)
else:
jd_product_info = jd_main(product=product, max_price=max_price, brand=brand)
# tb_product_info = tb_main(product=product, max_price=int(max_price), brand=brand)
# all_product = {"jd_product": jd_product_info, "tb_product": tb_product_info}
all_product = {"jd_product": jd_product_info}
answer = coze.have_conversation(user_id, conversation_id, all_product, clear_the_message=True)
response = StreamingHttpResponse(
streaming_content=answer(),
content_type="text/event-stream",
status=200,
)
response['Cache-Control'] = 'no-cache' # SSE / 流式响应里，如果不加这个头，浏览器可能会把上一次请求的内容缓存起来，导致用户看到的是“旧数据”，防止缓存，看到之前的数据
response['X-Accel-Buffering'] = 'no' # 关闭 Nginx 缓冲（如用 Nginx）
return response-
效果图
（2）数据采集模块
电商平台数据采集
-
实现思路
根据不同商品链接，查询数据库中商品历史，如果当日没有采集则先执行数据采集，再获取商品的历史数据
-
效果图
查询日志
-
实现思路
将用户的搜索历史存储在数据库，管理员可以查看并管理这些商品（自己选择执不执行该商品的数据采集）
-
部分代码
class QueryLogView(APIView): # 管理员专用接口
def get(self, request): # 获取用户查询记录
try:
result = [] # 存储结果，最后返回给前端
page = request.GET.get("page") # 获取页码
size = request.GET.get("page_size") # 获取每页数量
filter_uncrawled = request.GET.get("filter_uncrawled")
keyword = request.GET.get("keyword")
# 计算7天前的日期
seven_days_ago = datetime.date.today() - datetime.timedelta(days=7)
# 筛选7天内的记录
query_logs = QueryLog.objects.filter(queried_at__gte=seven_days_ago)
# 筛选未爬取的
if filter_uncrawled:
# 使用数据库查询筛选今天未爬取的数据
query_logs = query_logs.exclude(
sku__last_crawled_at__date=datetime.date.today()
)
# 筛选关键词
if keyword:
query_logs = query_logs.filter(
Q(sku__title__icontains=keyword) |
Q(queried_at__date__icontains=keyword)
)
# 获取总条数
length = query_logs.count()
# 创建分页器
paginator = Paginator(query_logs, size)
# 获取当前页码数据
paginators = paginator.get_page(page).object_list
query_logs = list(paginators.values())
except Exception as e:
return JsonResponse({"message": "数据获取失败", "error": str(e)},
json_dumps_params={"ensure_ascii": False})
# 遍历记录，判断当前记录今天是否已经抓取
for log in query_logs:
try:
# 获取对应的商品
sku = Sku.objects.get(id=log.get("sku_id"))
log["url"] = sku.url
log["title"] = sku.title
log["shop_name"] = sku.shop_name
if sku.last_crawled_at and sku.last_crawled_at.date() == datetime.date.today():
log["today_crawled"] = 1 # 1表示今天已经爬取
else:
log["today_crawled"] = 0 # 0表示今天没有爬取
result.append(log)
except Sku.DoesNotExist:
log["today_crawled"] = 0
result.append(log)
# print(result)
return JsonResponse({"data": result, "totalLength": length}, json_dumps_params={"ensure_ascii": False})-
效果图
2.扣子智能体
（1）创建智能体：我们需要自己创建一个符合该业务流程的专用智能体
（2）发布：在创建好后，还需要发布智能体点击勾选API，这样才可以使用python来调用该智能体（其中扣子封装了流式对话的接口）
（3）调用该智能体：实现流式对话，以下是扣子封装好的代码，只需要更改---个人令牌，智能体id，用户id，用户输入内容。
"""
This example is about how to use the streaming interface to start a chat request
and handle chat events
"""
import os
# Our official coze sdk for Python [cozepy](https://github.com/coze-dev/coze-py)
from cozepy import COZE_CN_BASE_URL
# Get an access_token through personal access token or oauth.
coze_api_token = 个人令牌
# The default access is api.coze.com, but if you need to access api.coze.cn,
# please use base_url to configure the api endpoint to access
coze_api_base = COZE_CN_BASE_URL
from cozepy import Coze, TokenAuth, Message, ChatStatus, MessageContentType, ChatEventType # noqa
# Init the Coze client through the access_token.
coze = Coze(auth=TokenAuth(token=coze_api_token), base_url=coze_api_base)
# Create a bot instance in Coze, copy the last number from the web link as the bot's ID.
bot_id = 智能体id
# The user id identifies the identity of a user. Developers can use a custom business ID
# or a random string.
user_id = 用户id
# Call the coze.chat.stream method to create a chat. The create method is a streaming
# chat and will return a Chat Iterator. Developers should iterate the iterator to get
# chat event and handle them.
for event in coze.chat.stream(
bot_id=bot_id,
user_id=user_id,
additional_messages=[
Message.build_user_question_text(用户输入内容),
],
):
if event.event == ChatEventType.CONVERSATION_MESSAGE_DELTA:
print(event.message.content, end="", flush=True)
if event.event == ChatEventType.CONVERSATION_CHAT_COMPLETED:
print()
print("token usage:", event.chat.usage.token_count)3.vue前端
只需做好后端响应的数据处理即可
有“AI”的1024 = 2048，欢迎大家加入2048 AI社区
更多推荐
11
0- 0
已为社区贡献1条内容
所有评论(0)