10 KiB

Raw Permalink Blame History

智能客服系统技术架构文档

1. 架构设计

graph TD
    A[前端应用] --> B[Eino Framework后端服务:8302]
    B --> C[Ollama模型服务:11434]
    B --> D[ChromaDB向量数据库]
    B --> E[订单API服务]
    B --> F[Coze-Loop监控平台]
    B --> G[SQLite数据库]
    B --> H[Redis缓存:6379]
    
    subgraph "后端API服务层 (端口8302)"
        B
    end
    
    subgraph "AI模型层 (localhost:11434)"
        C
        I[Qwen3:8b 意图识别]
        J[Deepseek-v3.1 对话生成]
        C --> I
        C --> J
    end
    
    subgraph "数据存储层"
        D
        G
        H
        K[(会话数据 - ./data/)]
        L[(知识库文档 - ChromaDB)]
    end
    
    subgraph "外部服务层"
        E
        F
    end

2.Technology Description

Backend: Eino Framework + Kratos (Web框架)
- Eino Framework: https://github.com/cloudwego/eino (LLM应用开发框架)
- 集成文档: https://www.cloudwego.io/zh/docs/eino/
- Kratos: Go微服务框架，提供HTTP/gRPC服务能力
AI Models: Ollama (qwen3:8b for intent, deepseek-v3.1 for chat - both cloud models)
Database: SQLite + Redis (Docker) + ChromaDB
Monitoring: Coze-Loop (simplified)
- Coze-Loop: https://github.com/coze-dev/coze-loop (AI应用监控平台)
Deployment: Docker containers
API Port: 8302

3. API路由定义

API路由	方法	功能说明	端口
/api/chat	POST	聊天消息处理，支持SSE流式响应	8302
/api/sessions	GET	获取会话列表	8302
/api/sessions	POST	创建新会话	8302
/api/knowledge/upload	POST	知识库文档上传	8302
/api/knowledge/list	GET	获取知识库文档列表	8302
/api/knowledge/{id}	DELETE	删除知识库文档	8302
/api/analytics/conversations	GET	获取对话统计数据	8302
/api/analytics/costs	GET	获取AI成本统计	8302
/api/system/status	GET	系统健康检查	8302

4. API定义

4.1 核心API (最小MVP实现)

聊天对话接口 (端口: 8302)

POST /api/chat

Request:

参数名	参数类型	是否必需	描述
message	string	true	用户输入消息
session_id	string	false	会话ID

Response (SSE Stream):

{
  "session_id": "default",
  "timestamp": "2025-01-15T16:19:07.139531",
  "type": "data|process|result|error",
  "payload": {
    "data_type": "general_chat_stream",
    "content": {
      "chunk": "我是",
      "full_message": "您好！我是您的智能客服助手",
      "is_final": false
    }
  }
}

订单查询接口 (Mock数据)

POST /api/order/query

Request:

参数名	参数类型	是否必需	描述
order_id	string	true	订单号

Mock Response:

{
  "order_id": "ORD123456",
  "status": "已发货",
  "need_ai": true,
  "details": {
    "product": "智能手机",
    "amount": 2999.00,
    "create_time": "2025-01-10"
  }
}

知识库上传接口

POST /api/knowledge/upload

Request:

参数名	参数类型	是否必需	描述
file	file	true	Word/TXT文档

Response:

{
  "success": true,
  "file_id": "kb_001"
}

5. 服务架构图

graph TD
    A[客户端请求] --> B[API网关层]
    B --> C[业务逻辑层]
    C --> D[AI服务层]
    C --> E[数据访问层]
    
    subgraph "Eino Framework + Kratos服务"
        B
        C
        F[意图识别服务]
        G[对话管理服务]
        H[知识库服务]
        I[订单服务]
        C --> F
        C --> G
        C --> H
        C --> I
    end
    
    subgraph "AI模型服务"
        D
        J[Ollama服务]
        K[模型管理]
        D --> J
        D --> K
    end
    
    subgraph "数据层"
        E
        L[(ChromaDB)]
        M[(会话存储)]
        E --> L
        E --> M
    end

6. 数据模型

6.1 数据模型定义

erDiagram
    CHAT_SESSION ||--o{ CHAT_MESSAGE : contains
    CHAT_SESSION ||--o{ INTENT_LOG : tracks
    CHAT_SESSION ||--o{ AI_COST_LOG : tracks
    KNOWLEDGE_BASE ||--o{ DOCUMENT_CHUNK : contains
    ORDER_QUERY ||--o{ AI_DIAGNOSIS : may_have

    CHAT_SESSION {
        string session_id PK
        datetime created_at
        datetime updated_at
        string user_id
        json metadata
    }
    
    CHAT_MESSAGE {
        string message_id PK
        string session_id FK
        string role
        text content
        datetime timestamp
        string message_type
    }
    
    INTENT_LOG {
        string log_id PK
        string session_id FK
        string user_message
        string predicted_intent
        float confidence_score
        datetime timestamp
    }
    
    KNOWLEDGE_BASE {
        string doc_id PK
        string title
        text content
        datetime created_at
        datetime updated_at
        json metadata
    }
    
    DOCUMENT_CHUNK {
        string chunk_id PK
        string doc_id FK
        text chunk_content
        vector embedding
        json metadata
    }
    
    ORDER_QUERY {
        string query_id PK
        string session_id FK
        string order_id
        json order_data
        boolean need_ai
        datetime timestamp
    }
    
    AI_DIAGNOSIS {
        string diagnosis_id PK
        string query_id FK
        text diagnosis_result
        string model_used
        datetime timestamp
    }
    
    AI_COST_LOG {
        string cost_id PK
        string session_id FK
        string model_name
        string operation_type
        integer input_tokens
        integer output_tokens
        integer total_tokens
        decimal cost_amount
        datetime timestamp
    }

6.2 数据定义语言 (最小MVP实现)

聊天会话表 (chat_sessions)

CREATE TABLE chat_sessions (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    session_id VARCHAR(100) UNIQUE NOT NULL,
    title VARCHAR(200),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

消息记录表 (messages)

CREATE TABLE messages (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    session_id VARCHAR(100) NOT NULL,
    role VARCHAR(20) NOT NULL CHECK (role IN ('user', 'assistant')),
    content TEXT NOT NULL,
    intent_type VARCHAR(50),
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

AI成本统计表 (ai_cost_logs)

CREATE TABLE ai_cost_logs (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    session_id VARCHAR(100) NOT NULL,
    operation_type VARCHAR(50) NOT NULL,
    model_name VARCHAR(100) NOT NULL,
    input_tokens INTEGER DEFAULT 0,
    output_tokens INTEGER DEFAULT 0,
    cost_amount DECIMAL(10,6) DEFAULT 0.000000,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

知识库文档表 (knowledge_documents)

CREATE TABLE knowledge_documents (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    file_name VARCHAR(255) NOT NULL,
    file_type VARCHAR(20) NOT NULL CHECK (file_type IN ('docx', 'txt')),
    content_preview TEXT,
    upload_time TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    status VARCHAR(20) DEFAULT 'completed'
);

-- Mock初始数据

INSERT INTO knowledge_documents (file_name, file_type, content_preview) VALUES 
('产品使用手册.docx', 'docx', '本手册详细介绍了产品的使用方法和注意事项...'),
('常见问题解答.txt', 'txt', 'Q: 如何重置密码？A: 请联系客服重置密码...');

INSERT INTO chat_sessions (session_id, title) VALUES 
('default', '默认会话');

7. 部署配置

7.1 服务配置信息

Eino Framework 集成

官方文档: https://www.cloudwego.io/zh/docs/eino/
集成方式: 按照官方文档进行 Kratos 项目集成
版本要求: 最新稳定版本

AI 模型服务配置

Ollama 服务地址: http://localhost:11434
可用模型:
- qwen3:8b - 用于意图识别
- deepseek-v3.1 - 用于对话生成
模型调用: 通过 Eino Framework 统一调用

数据存储配置

Redis 配置: localhost:6379 (无密码)
ChromaDB: Docker 容器部署
SQLite 数据库: 文件存放在 ./data/ 目录下

监控配置

Coze-Loop: 容器部署方式
监控数据: 简化收集，突出监控能力展示
集成方式: 轻量级集成，适合示例项目

端口配置

后端 API 服务: 8302 (无冲突)
Ollama 服务: 11434
Redis 服务: 6379
ChromaDB: 8000 (默认)

7.2 Docker 部署架构

graph TD
    A[智能客服后端:8302] --> B[Ollama容器:11434]
    A --> C[Redis容器:6379]
    A --> D[ChromaDB容器:8000]
    A --> E[Coze-Loop容器]
    A --> F[SQLite文件:./data/]
    
    subgraph "Docker Compose 部署"
        B
        C
        D
        E
    end
    
    subgraph "本地文件系统"
        F
        G[知识库文档]
        H[会话数据]
    end

7.3 部署步骤

1. 环境准备

# 创建数据目录
mkdir -p ./data

# 启动 Docker 服务
docker-compose up -d redis chromadb coze-loop

2. Eino Framework 集成

# 安装 Eino 依赖
go get github.com/cloudwego/eino

# 按照官方文档配置 Kratos 集成

3. 服务启动

# 启动后端服务
go run cmd/server/main.go -conf configs/

# 服务健康检查
curl http://localhost:8302/api/system/status

7.4 配置文件示例

config.yaml

server:
  http:
    addr: 0.0.0.0:8302
    timeout: 1s
  grpc:
    addr: 0.0.0.0:9000
    timeout: 1s

data:
  database:
    driver: sqlite3
    source: ./data/customer_service.db
  redis:
    addr: localhost:6379
    password: ""
    db: 0
  ollama:
    endpoint: http://localhost:11434
  chromadb:
    endpoint: http://localhost:8000
  coze_loop:
    endpoint: http://localhost:8080
    api_key: "demo_key"

10 KiB Raw Permalink Blame History Unescape Escape

智能客服系统技术架构文档

1. 架构设计

2.Technology Description

3. API路由定义

4. API定义

4.1 核心API (最小MVP实现)

5. 服务架构图

6. 数据模型

6.1 数据模型定义

6.2 数据定义语言 (最小MVP实现)

7. 部署配置

7.1 服务配置信息

7.2 Docker 部署架构

7.3 部署步骤

7.4 配置文件示例

10 KiB

Raw Permalink Blame History