客服智能体
案例介绍
【核心功能模块】
1）对话模块：聊天窗口提问，自动注入知识库检索结果，命中插件知识包时按路由注入领域知识，需要工具时由LLM发起function calling；2）知识库模块：支持上传txt/md/pdf/docx/xlsx/csv文档，构建索引即完成解析、分块、向量化，支持本地与Elasticsearch双存储，采用BM25关键词与faiss向量混合检索；3）插件模块：内置模板与自定义插件（元数据+知识包+工具函数），工具经function calling由LLM自主编排，插件默认禁用、审查后启用；4）模型管理模块：对接任意OpenAI兼容API，按类型管理模型，支持编辑、复制、启用及默认设置。
【个人负责部分】
本人独立负责全部设计开发：需求分析与架构设计；后端REST API与SSE流式服务；对话编排（RAG注入+插件知识包路由+function calling工具循环）；知识库（文档解析、分块、向量化、混合检索）；插件系统（动态加载与工具注册）；前端SPA界面（聊天、模型管理、知识库管理、插件管理）与部署联调。
【技术栈与架构】
后端采用Python + FastAPI + SQLite；前端采用Vue 3 + Vite + vue-router；检索层使用jieba、rank-bm25、faiss-cpu、numpy；文档解析使用pypdf/pdfplumber/python-docx/openpyxl；模型层对接OpenAI兼容API。整体采用前后端分离三层架构，运行时产物统一收敛至workspace目录，便于备份与打包。
客服智能体
案例介绍
本作品是一套基于大模型的对话式智能客服系统，解决传统客服知识更新慢、多轮对话弱、缺乏工具调用等痛点。支持知识库RAG检索增强、插件化扩展（function calling）、多模型管理与流式对话，适用于企业客服、内部知识问答、智能助手等场景。
【核心功能模块】
1）对话模块：聊天窗口提问，自动注入知识库检索结果，命中插件知识包时按路由注入领域知识，需要工具时由LLM发起function calling；2）知识库模块：支持上传txt/md/pdf/docx/xlsx/csv文档，构建索引即完成解析、分块、向量化，支持本地与Elasticsearch双存储，采用BM25关键词与faiss向量混合检索；3）插件模块：内置模板与自定义插件（元数据+知识包+工具函数），工具经function calling由LLM自主编排，插件默认禁用、审查后启用；4）模型管理模块：对接任意OpenAI兼容API，按类型管理模型，支持编辑、复制、启用及默认设置。
【个人负责部分】
本人独立负责全部设计开发：需求分析与架构设计；后端REST API与SSE流式服务；对话编排（RAG注入+插件知识包路由+function calling工具循环）；知识库（文档解析、分块、向量化、混合检索）；插件系统（动态加载与工具注册）；前端SPA界面（聊天、模型管理、知识库管理、插件管理）与部署联调。
【技术栈与架构】
后端采用Python + FastAPI + SQLite；前端采用Vue 3 + Vite + vue-router；检索层使用jieba、rank-bm25、faiss-cpu、numpy；文档解析使用pypdf/pdfplumber/python-docx/openpyxl；模型层对接OpenAI兼容API。整体采用前后端分离三层架构，运行时产物统一收敛至workspace目录，便于备份与打包。
案例图片
1小时精推人才
需求方专属客服，免费梳理匹配
